機(jī)器學(xué)習(xí)及其應(yīng)用2021

深度學(xué)習(xí)中的優(yōu)化方法 王立威楊運(yùn)昌
1 引言
2 梯度下降方法的全局收斂性
3 Gram-Gauss-Newton方法
4 實(shí)驗(yàn)
5 小結(jié)
參考文獻(xiàn)
結(jié)構(gòu)化剪枝綜述 吳建鑫王環(huán)宇張永順
1 引言
2 剪枝方式介紹
3 剪枝算法
4 討論與展望
參考文獻(xiàn)
Efficient Neural Speech Synthesis Tao Qin
1Introduction
2Inference Efficiency： FastSpeech Series
3Data Efficiency： DualSpeech and LRSpeech
4Parameter Efficiency： LightSpeech and AdaSpeech Series
5Summary
References
面向開放世界的分類器學(xué)習(xí) 劉成林
1 引言
2 開放世界的模式分類和學(xué)習(xí)問題
3 面向開放集的分類決策規(guī)則
4 面向開放集的分類器設(shè)計(jì)與學(xué)習(xí)
5 面向開放集的卷積原型網(wǎng)絡(luò)
6 小結(jié)
參考文獻(xiàn)
釋放標(biāo)記空間的威力：標(biāo)記增強(qiáng) 耿新徐寧高永標(biāo)王秋鋒
1 引言
2 標(biāo)記增強(qiáng)方法
3 標(biāo)記增強(qiáng)理論解釋
4 標(biāo)記增強(qiáng)的應(yīng)用
5 結(jié)束語
參考文獻(xiàn)
因果推斷與因果性學(xué)習(xí) 陳薇蔡瑞初郝志峰張坤
1 引言
2 經(jīng)典因果推斷方法
3 隱變量場(chǎng)景下的因果推斷
4 非穩(wěn)態(tài)/異質(zhì)數(shù)據(jù)場(chǎng)景下的因果推斷
5 因果性學(xué)習(xí)
6 小結(jié)及討論
參考文獻(xiàn)
機(jī)器學(xué)習(xí)中基于Wasserstein距離的分布魯棒優(yōu)化模型與算法 蘇文藻
1 引言
2 基于Wasserstein距離的分布魯棒優(yōu)化問題
3 分布魯棒監(jiān)督學(xué)習(xí)
4 對(duì)抗訓(xùn)練
5 總結(jié)和展望
參考文獻(xiàn)
基于環(huán)境模型的強(qiáng)化學(xué)習(xí)研究進(jìn)展 俞揚(yáng)
1 引言
2 相關(guān)背景
3 基于對(duì)抗生成的環(huán)境模型學(xué)習(xí)
4 在淘寶#任務(wù)中的環(huán)境模型學(xué)習(xí)
5 在滴滴出行#任務(wù)中的環(huán)境模型學(xué)習(xí)
6 結(jié)束語
參考文獻(xiàn)
自適應(yīng)迭代與采樣的黑盒對(duì)抗攻擊方法 韓亞洪石育澄
1 引言
2 相關(guān)工作
3 CURLS&WHEY攻擊
4 適應(yīng)性對(duì)抗邊界攻擊
5 實(shí)驗(yàn)
6 總結(jié)
參考文獻(xiàn)
對(duì)抗機(jī)器學(xué)習(xí)：攻擊、防御與模型魯棒性評(píng)估 易津鋒
1 引言
2 對(duì)抗攻擊
3 對(duì)抗防御
4 模型魯棒性評(píng)估
5 總結(jié)與展望
參考文獻(xiàn)
基于城市視覺大數(shù)據(jù)的交通預(yù)測(cè)與調(diào)度
余正旭魏龍金仲明黃建強(qiáng)華先勝
1 引言
2 視頻異常檢測(cè)及長(zhǎng)尾分類方法
3 基于卷積長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的漸進(jìn)學(xué)習(xí)方法
4 預(yù)測(cè)與干預(yù)融合的區(qū)域交通信號(hào)燈穩(wěn)定控制方法
5 總結(jié)
參考文獻(xiàn)
基于深度學(xué)習(xí)的命名實(shí)體識(shí)別 黃萱菁桂韜李孝男馬若恬
1 引言
2 相關(guān)工作
3 基于深度學(xué)習(xí)的命名實(shí)體識(shí)別
4 總結(jié)和展望
參考文獻(xiàn)
從Transformer到BERT：自然語言表示學(xué)習(xí)的新進(jìn)展 邱錫鵬
1 引言
2 背景介紹
3 預(yù)訓(xùn)練模型概述
4 預(yù)訓(xùn)練模型拓展
5 展望和總結(jié)
參考文獻(xiàn)
基于機(jī)器學(xué)習(xí)的腦解碼方法研究 張道強(qiáng)黃碩Muhammad Yousefnezhad
1 引言
2 多被試者神經(jīng)影像的功能校準(zhǔn)
3 多站點(diǎn)功能影像的共享空間遷移學(xué)習(xí)
4 類別不ping衡條件下的腦解碼方法
5 深度表征相似性學(xué)習(xí)
6 easyfMRI——人腦解碼和可視化工具箱
7 總結(jié)與展望
參考文獻(xiàn)