《中国人工智能学会通讯》——3.24 总结与展望

3.24 总结与展望 对于基于分类 / 回归的流行度预测方法来说,尽管对于不同的用户生成内容流行度预测,特征的性能会稍有差别,但从整体上讲,用户生成内容传播过程中的时间特征和底层传播网络特征的预测性能优于用户生成内容自身的内容特征。已有研究仅关注挖掘对预测工作有效的特征,忽略了分析各类特征获取的难易...

《中国人工智能学会通讯》——3.9 总结和展望

3.9 总结和展望 总的来说,社交网络和社会媒体得到了迅猛发展,积累了大量的用户数据,为海量异构社交网络的研究带来了巨大的机遇。跨网络链接预测成为社会网络研究的一个热点。本文简单介绍了跨网络链接预测的几类问题和解决这些问题的主要模型。然而还有问题值得进一步深入研究,包括模型方面和应用方面。 (1)模...

AI情绪鼓励师模型微调实操教学

1 课时 |
135 人已学 |
免费

跨越N次元 一键变身AI漫画人

1 课时 |
277 人已学 |
免费

AI人像动漫画实操教学

1 课时 |
205 人已学 |
免费
开发者课程背景图

《中国人工智能学会通讯》——3.5 总结与展望

3.5 总结与展望 本文从建模的信息种类上,论述了近年来有代表性的基于深度学习的网络表示学习模型。 基于网络上下文信息的网络表示方法中,LINE模型使用了一阶和二阶网络局部信息,拓展的GraRep 模型可以对任意阶局部信息建模来获得网络表示。值得注意的是,在得到最终的网络表示方法上,LINE 和 G...

《中国人工智能学会通讯》——8.8 总结与展望

8.8 总结与展望 本文主要介绍了鸽群优化基本原理和数学模型,综述了近两年鸽群优化在各个领域中的应用进展。目前,鸽群优化已经在无人机编队、图像处理、控制参数优化等领域有广泛应用,并解决了诸多基于工程需求的复杂优化问题,且与其他算法相比有收敛速度快、计算简单、鲁棒性强等显著优势。但目前关于鸽群优化的收...

《中国人工智能学会通讯》——9.9 总结与展望

9.9 总结与展望 本文对哈希学习的研究进展和发展趋势进行了简要介绍。 可以看出 , 哈希学习虽然已被广泛关注并在某些应用领域取得了初步成效,但仍然存在很多具有挑战性的问题需要进一步研究和探索。另外,怎样将哈希学习的思想和方法拓展到新的学习场景和应用领域 , 用来解决传统方法在遇到大数据时不能解决的...

《中国人工智能学会通讯》——4.25 总结与展望

4.25 总结与展望 计算机的出现为人类科学技术的发展提供了十分强大的工具。随着计算机性能的不断提高,人们不仅希望它能够完成人类难以完成的计算工作,也希望它能够完成过去只有人类才能完成的一些工作。让机器具有类似于人的视觉注意功能是神经生物学、心理学、计算机视觉、图像处理、模式识别、人工智能等多个学科...

《中国人工智能学会通讯》——7.10 总结和展望

7.10 总结和展望 机器阅读理解是自然语言处理的一个子任务,回答这一类的问题需要对文本的深层次含义进行理解建模。该任务属于高级别抽象的认知任务,传统方法还是依靠一些特征工程的手段去对文本语义的一部分做出归纳。深度学习技术在这个领域虽然也有一些工作提出,但是由于受到训练集大小的限制,现阶段取得的成果...

《中国人工智能学会通讯》——4.8 总结与展望

4.8 总结与展望 大规模城市空间文本数据的产生和人们出行对路网的依赖 , 催生了基于路网的空间关键词查询。这种查询可以为各类基于位置的应用提供非常好的查询支持。随着智慧城市的不断发展和智能交通的日趋成熟,作为一种输入简单、查询多样的查询模式,基于路网的空间关键词查询必然将获得更进一步的发展。与此同...

《中国人工智能学会通讯》——6.17 总结与展望

6.17 总结与展望 知识图谱是知识工程的一个分支,以知识工程中语义网络作为理论基础,并且结合了机器学习、自然语言处理以及知识表示和推理的最新成果,在大数据的推动下受到了业界和学术界的广泛关注。知识图谱对于解决大数据中文本分析和图像理解问题发挥重要作用。为了理解文本中的自然语言以及理解图像,需要考虑...

《中国人工智能学会通讯》——8.15 总结与展望

8.15 总结与展望 演化算法作为一类基于种群的启发式随机优化算法已被应用于求解机器学习中的复杂优化问题。本文从学习任务的类型(特征学习、监督学习、非监督学习、强化学习)出发,论述了演化算法在机器学习中的代表性应用,并进一步介绍了演化学习理论分析的最新进展。由于演化算法的复杂性和随机性,对其进行理论...

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

社区圈子

阿里云机器学习平台PAI
阿里云机器学习平台PAI
阿里云机器学习PAI(Platform of Artificial Intelligence)面向企业及开发者,提供轻量化、高性价比的云原生机器学习平台,涵盖PAI-iTAG智能标注平台、PAI-Designer(原Studio)可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台,支持千亿特征、万亿样本规模加速训练,百余落地场景,全面提升工程效率。
2435+人已加入
加入
相关电子书
更多
Lindorm一站式AI数据平台实战
Lindorm:打造AI时代的 一体化数据平台
Lindorm AI 能力介绍
立即下载 立即下载 立即下载