孙一洲，加州大学洛杉矶分校计算机科学副教授；亚马逊学者；2023年知识发现与数据挖掘会议总主席

Hello folks，我是 Luga，今天我们来聊一下人工智能（AI）生态领域相关的技术 - Transformer 神经网络模型 。

 主题模型是自然语言处理领域的重要研究方向，具有各种各样的应用场景。然而，神经网络模型往往需要不同的数据集、实现方式和评估设置，这阻碍了主题模型的研究进展。

无人机图像中的目标检测是各个研究领域的重要基础。然而，无人机图像带来了独特的挑战，包括图像尺寸大、检测对象尺寸小、分布密集、实例重叠和照明不足，这些都会影响对象...

接下来，我们将深入研究深度神经网络，包括卷积神经网络（CNN）和循环神经网络（RNN）。我们将讨论它们的结构、工作原理以及在计算机视觉和自然语言处理等领域的应用...

在本文中，我们将深入探讨深度学习的核心概念和原理，以及如何使用Python和TensorFlow库构建和训练神经网络。我们将从基础开始，逐步介绍神经网络的结构、...

A17 Pro还集成了16核心神经网络引擎，支持每秒35万亿次操作，速度提高了 2 倍，可以为 iOS 17 中的自动更正和个人语音等功能提供支持。此外，A17...

人工智能方法在信号处理许多领域的普遍应用导致对底层神经网络（NN）的高效分配、训练、推理和存储的需求不断增加。为此，需要寻求有效的压缩方法，提供最小的编码率的同...

今天为大家介绍的是来自Paul A. Jensen团队的一篇利用强化学探索微生物知识的论文。训练人工智能（AI）系统进行自主实验可以大大提高微生物学的吞吐量；然...

今天为大家介绍的是来自Fabian J Theis团队的一篇关于药物和基因扰动的论文。最近在多重单细胞转录组学实验方面的进展，促进了对药物和基因干扰的高通量研究...

今天为大家介绍的是来自Chu-Chung Lin团队的一篇关于药物设计的论文。药物发现和开发流程是一个漫长而复杂的过程，对于计算方法和药物化学家来说都具有挑战性...

今天为大家介绍的是一篇使用图神经网路快速评估有机分子在金属上的吸附能量的论文。在异质催化中进行建模需要对吸附在表面上的分子的能量进行广泛评估。这通常通过密度泛函...

今天为大家介绍的是来自Alpha A. Lee团队的一篇关于蛋白质抑制剂设计的论文。寻找能增加配体对靶蛋白亲和力的化学修饰是一个常见的药物设计挑战。随着结构生物...

近年，人工智能的各个领域，包括自然语言处理、计算机视觉、语音处理，借助深度学习的强大威力，都取得了令人叹为观止的巨大进步。将深度学习技术应用于传统的科学领域，如...

基于OpenAI在2020年一项对神经网络内部机制之间相互作用的研究，团队假设并验证了模型内部有两种算法回路（Circuits）。

据介绍，为了实现完全神经网络而非代码控制，该系统每天从特斯拉车队获取约1600亿帧视频用于训练。

前段时间，一篇文章揭露，全球对H100总需求量超43万张，而且这样的趋势至少持续到2024年底。

Hinton在神经网络的发展和普及方面发挥了重要作用。神经网络成为人工智能的主要发展范式，能够处理大量数据，推动了图像识别、语言理解和自动驾驶汽车的进步。

图神经网络(GNNs)已经成为许多现实世界系统中分析图结构数据的技术，包括社交网络、推荐系统和知识图铺谱。GNN的一般方法将输入视为一个底层的计算图，通过跨边缘...

Code: https://github.com/scottjiao/SlotGAT_ICML23/