联合机器学习是一个多功能和灵活的工具,可以利用来自不同来源的分布式数据,特别是当通信技术迅速发展,现在的移动设备上可以收集到前所未有的大量数据。联合学习方法不仅...
许多科学预测问题都有与时空数据和建模相关的挑战,即只使用稀疏和不均匀分布的观测数据来处理空间和时间的复杂变化。本文提出了一个新颖的深度学习架构,即依赖位置的时间...
为了提高覆盖率和传输可靠性,窄带物联网(NB-IoT)采用的重复传输方式允许多次重复传输。然而,当信号强度较高时,这就造成了无线电资源的浪费。此外,在低信号质量...
我们研究了用于图表示学习的量子电路,并提出了等价量子图电路(EQGCs),作为一类参数化的量子电路,具有很强的关系归纳偏向,用于图结构数据的学习。从概念上讲,E...
全球变暖导致极端气候的频率和强度增加,造成巨大的生命和财产损失。准确的远期气候预测可以为此类极端事件的准备和灾害风险管理提供更多时间。尽管机器学习方法在长程气候...
大规模的预训练正在迅速成为视觉-语言(VL)建模的规范。然而,普遍的VL方法受到对标记数据的要求和使用复杂的多步骤预训练目标的限制。我们提出了MAGMA--一种...
由于距离较远、光照变化、用户合作有限和主体移动,在不受限制的环境中进行虹膜分割和定位具有挑战性。为了解决这个问题,我们提出了一种带有预训练的MobileNetV...
近年来,在开发更好的图像说明模型方面取得了巨大的进展,然而大多数模型都依赖于单独的物体检测器来提取区域特征。最近的视觉语言研究正在向无检测器的趋势转变,通过利用...
为分析和模拟复杂的非线性系统开发合适的近似模型在实践中非常重要。本文旨在探索一类丰富的非线性随机模型的技能,即条件高斯非线性系统(CGNS),它既是廉价的代用模...
尽管近年来深度强化学习代理取得了前所未有的成功,但它们学到的政策可能很脆,甚至不能对环境的轻微修改或不熟悉的情况进行概括。神经网络学习动力学的黑箱性质使得我们不...
本文介绍了Okapi,一个用于自然语言到可执行网络应用程序接口(NL2API)的新数据集。这个数据集是英文的,包含22,508个问题和9,019个独特的API调...
在这项工作中,我们解决了在概率一约束下为约束马尔科夫决策过程寻找可行策略的问题。我们认为静止的策略不足以解决这个问题,可以通过赋予控制器一个标量(即所谓的预算)...
神经信息检索模型有望在现代搜索引擎中取代词汇匹配模型,例如BM25。虽然它们的能力完全集中在像MSMarco这样的域内数据集上,但它们最近却在域外零镜头设置(B...
介绍了一种在多反应回归问题中进行概率预测的完全非参数化方法。随机森林被用作每个响应变量的边际模型,作为本工作的新贡献,多个响应变量之间的依赖性由生成神经网络来建...
离散无定向图形模型,也被称为马尔科夫随机场(MRF),可以灵活地编码多个变量的概率相互作用,并在广泛的问题上得到成功的应用。然而,离散MRFs的一个众所周知但却...
分子和材料科学中的深度学习由于缺乏应用科学、人工智能和高性能计算之间的整合而受到限制。训练数据量、模型架构的大小和复杂性以及计算基础设施的规模等方面的瓶颈都是限...
在大多数机器学习驱动的、基于传感器的物联网应用中,时间序列划分是必不可少的步骤。本文介绍了一种有效的、稳健的、时间序列分割模型和算法。我们表明,通过专门学习一个...
控制学习的最新进展允许从学习的系统动力学中合成控制器并保持稳健的稳定性保证。然而,没有一种方法适合于使用任意的动力学学习模型来训练线性时间不变(LTI)控制器。...
能量卡西米尔方法是一种有效的控制器设计方法,可以将波特-哈米尔顿系统稳定在一个理想的平衡状态。然而,它的应用依赖于寻找合适的卡西米尔和李亚普诺夫函数,这通常是难...
最近关于神经符号归纳逻辑编程的工作导致了有希望的方法,可以从嘈杂的真实世界数据中学习解释规则。一些建议用来自模糊逻辑或实值逻辑的可微分算子来近似逻辑算子,这些算...
扫码关注腾讯云开发者
领取腾讯云代金券