上海交通大学王宇光：几何深度学习和图神经网络的研究进展和趋势
以下为王宇光在机器之心 AI 科技年会上的演讲内容，机器之心进行了不改变原意的编辑、整理：大家下午好，我是上海交大自然科学研究院的王宇光。今天主要给大家介绍一下几何深度学习和图神经网络的研究进展，以及未来的技术趋势。我们知道几何深度学习是用于处理不同对象的深度神经网络，其结构和传统 CNN 相似，只...
2022年深度学习在时间序列预测和分类中的研究进展综述
时间序列预测的transformers的衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步2022年整个领域在几个不同的方面取得了进展，本文将尝试介绍一些在过去一年左右的时间里出现的更有前景和关键的论文，以及Flow Forecast [FF]预测框架。时间序列预测1、Are Transf...
2019 到目前为止的深度学习研究进展汇总
本文为 AI 研习社编译的技术博客，原标题 ： Best Deep Learning Research of 2019 So Far 作者 | ODSC - Open Data Science 翻译 | 敬爱的勇哥 编辑 | 酱番梨、邓普斯•杰弗 原文...
《中国人工智能学会通讯》——第3章 3.1基于深度学习的网络表示研究进展
第3章 3.1基于深度学习的网络表示研究进展 网络结构在现实世界中无处不在（如航线网络、通信网络、论文引用网络、世界万维网和社交网络等），在此基础之上的应用和研究问题受到了学术界和工业界的广泛关注，这些研究问题包括链接预测[1] 、网络节点分类 [2-3] 、推荐 [4]和异常检测[5]等。随着计算...
《中国人工智能学会通讯》——2.26 基于深度学习的机器翻译研究进展
2.26 基于深度学习的机器翻译研究进展 机器翻译研究如何利用计算机实现自然语言的自动转换，是人工智能和自然语言处理的重要研究领域之一。机器翻译大致可分为理性主义和经验主义两类方法。 基于理性主义的机器翻译方法 , 主张由人类专家通过编纂规则的方式 , 将自然语言之间的转换规律“传授”给计算机。这种...
深度学习在2016年都有哪些主要研究进展？（附开源平台地址）| 盘点
在过去的几年时间里，深度学习（Deep Learning）一直都是机器学习社区的核心主题， 2016年也不例外。 研究人员长久以来亟待解决的一个主要挑战就是无监督学习（Unsupervised Learning）。Tryolabs 认为，2016 年对于这一领域来说是取得伟大突破的一年，...
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
最佳实践
