首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    ICML 23' | 对多重图进行解耦的表示学习方法

    无监督多重图表示学习(UMGRL)受到越来越多的关注,但很少有工作同时关注共同信息和私有信息的提取。在本文中,我们认为,为了进行有效和鲁棒的UMGRL,提取完整和干净的共同信息以及更多互补性和更少噪声的私有信息至关重要。为了实现这一目标,我们首先研究了用于多重图的解缠表示学习,以捕获完整和干净的共同信息,并设计了对私有信息进行对比约束,以保留互补性并消除噪声。此外,我们在理论上分析了我们方法学到的共同和私有表示可以被证明是解缠的,并包含更多与任务相关和更少与任务无关的信息,有利于下游任务。大量实验证实了所提方法在不同下游任务方面的优越性。

    04

    Uber开源Atari,让个人计算机也可以快速进行深度神经进化研究

    Uber近期发布了一篇文章,公开了五篇关于深度神经进化的论文,其中包括发现了遗传算法可以解决深层强化学习问题,而一些流行的方法也可替代遗传算法,如深度Q-learning和策略梯度。这项研究是Salimans等人在2017年进行的,另一种神经进化算法,即进化策略(ES)同样可以解决问题。Uber进一步阐述了以下问题:如何通过更多地探索更新智能体所带来的压力形式来改进ES;ES是如何与梯度下降联系起来的。这些研究花费巨大,通常需要720到3000个CPU,并分布在巨大,高性能的计算集群中,因此对于大多数研究人员、学生、公司和业余爱好者来说,深度神经进化研究似乎遥不可及。

    04

    基于马尔科夫边界发现的因果特征选择算法综述

    摘要 因果特征选择算法(也称为马尔科夫边界发现)学习目标变量的马尔科夫边界,选择与目标存在因果关系的特征,具有比传统方法更好的可解释性和鲁棒性.文中对现有因果特征选择算法进行全面综述,分为单重马尔科夫边界发现算法和多重马尔科夫边界发现算法.基于每类算法的发展历程,详细介绍每类的经典算法和研究进展,对比它们在准确性、效率、数据依赖性等方面的优劣.此外,进一步总结因果特征选择在特殊数据(半监督数据、多标签数据、多源数据、流数据等)中的改进和应用.最后,分析该领域的当前研究热点和未来发展趋势,并建立因果特征选择资料库(http://home.ustc.edu.cn/~xingyuwu/MB.html),汇总该领域常用的算法包和数据集. 高维数据为真实世界的机器学习任务带来诸多挑战, 如计算资源和存储资源的消耗、数据的过拟合, 学习算法的性能退化[1], 而最具判别性的信息仅被一部分相关特征携带[2].为了降低数据维度, 避免维度灾难, 特征选择研究受到广泛关注.大量的实证研究[3, 4, 5]表明, 对于多数涉及数据拟合或统计分类的机器学习算法, 在去除不相关特征和冗余特征的特征子集上, 通常能获得比在原始特征集合上更好的拟合度或分类精度.此外, 选择更小的特征子集有助于更好地理解底层的数据生成流程[6].

    04

    脑电连通性:优化研究设计和评估的基本指南和检查清单

    对于EEG数据有多种分析方法来评估大脑连通性。然而,连通性方法的实施存在很大的异质性。连通性测量、数据收集或者数据预处理的概念化的异质性可能与测量稳健程度的易变性有关。虽然使用不同EEG连通性测量的研究之间很难进行比较,但标准化的处理和报告可能有助于解决这个问题。本文讨论了重参考、epoch的长度和数量、容积传导的控制、伪迹去除、多重比较的统计控制等因素如何影响连通性测量的EEG连通性评估。基于先前的研究,本文提出了相关建议和新的检查清单用于EEG连通性研究的质量评估。该检查清单和建议旨在提请注意那些可能影响连通性评估的因素以及未来研究中需要改进的因素。EEG连通性程序和报告的标准化可能使得EEG连通性研究更具可综合性[如,用于元分析研究]和可比性,尽管连通性评估的方法上存在差异。

    01

    【统计学习】统计学教会我们的10件事

    在数据统计中,有10个概念与大数据分析密切相关。这10个概念聚焦在数据预测准确性,交互分析等方面。 在之前的帖子中,我曾指出大数据中一个关键问题,即忽略了应用统计学。但是许多应用统计学中犀利的概念确实与大数据分析密不可分。为此,我觉得我得回答我上一贴的第二个问题:“当我们在思考大数据时代时,我们到底理解了哪些统计学概念?” 鉴于网络总是喜欢列“前十名单”,那我也就列出十个概念。不过如果人们感兴趣深入探讨的话,这些概念当然不会止步于十。当然,大家对于我的观点可能会有不同看法,我认为它们普遍来说也不是什么坏事。

    06

    【SLAM】开源 | OpenVSLAM:具有高可用性和可扩展性的可视化SLAM框架

    在这个项目中,我们视觉SLAM系统对于AR设备、机器人和无人机的自主控制等都是必不可少的。然而,传统的开源可视化SLAM框架的设计并不适合作为供第三方程序调用的库。为了克服这种情况,我们开发了开发了一个具有高可用性和可扩展性的可视化SLAM框架OpenVSLAM。该软件易用于各种应用场景的视觉SLAM。它为研究和开发整合了几个有用的功能。本文利用基准数据集对其进行了定量的性能评估。此外,还介绍了使用fsheye和equirectangular相机模型进行视觉SLAM的实验结果。我们将持续维护这个模型框架,以进一步支持计算机视觉和机器人领域发展。

    02

    清华大学-腾讯联合实验室研究团队获ICME2014最佳论文奖

    当今社会飞速发展,人们既生活在现实空间,又遨游在网络世界,社交网络中的位置信息逐渐成为了连接现实与网络的桥梁,在移动互联网的各项服务中发挥越来越重要的作用,同时也释放了社交网络解决现实世界重大问题(如流感暴发预测,公共安全防控等)的潜在能量。 然而根据统计,社交网络中仅有10%左右的用户标注了居住地信息,如何基于少量已知用户位置信息对大部分未知用户的位置信息进行精准推测,是基于位置的社交网络服务亟需解决的基本难题。 联合实验室青年骨干崔鹏博士的这项研究,充分利用了社交网络中的用户社交关系、文本和图像内容、以

    05

    Nature communications:VWFA,一个集语言与注意于一身的脑区

    一、导读 熟悉认知神经科学的人一看到VWFA,瞬间想到这是一个与词形加工有关的脑区,当然也有一些观点认为VWFA在复杂的视觉处理中也起着重要作用。然而,对于VWFA的结构和功能环路及其与行为的关系的一直不太明了。近期发表于Nature Communications杂志、题目为《The visual word form area (VWFA) is part of both language and attention circuitry》的一项研究回答了这个问题。该项研究中,研究者使用来自HCP(译者注:HCP是一个为期五年的项目。该项目于2009年7月启动,是NIH神经科学研究蓝图中三大挑战的第一个。该项目的目标是建立一个“网络图”,揭示健康的人类大脑内的解剖和功能连通性,以及生成的数据,以促进研究脑部疾病,如阅读障碍,自闭症,阿尔茨海默氏症和精神分裂症)的高分辨率多模态成像数据(N=313),证明了VWFA与规范语言和注意网络具有稳健的连接模式。脑与行为的关系揭示了显著的双重分离模式: VWFA与侧颞语言网络的结构连接能够预测语言,但不能预测视觉-空间注意能力; VWFA与背侧额顶叶注意网络的连接能够预测视觉-空间注意,但不能预测语言能力。该项研究的发现支持了VWFA功能的一个多重模型,该模型以整合语言和注意的独特回路为特征,并指出连接受限认知是人类大脑组织的一个关键原则。

    01
    领券