AI 2018 顶会论文一览 AAAI 研究院 优必选悉尼 (ai2018是cs几)

文章编号:43305 资讯动态 2024-12-09 2018 人工智能 AAAI
AI2018顶会论文一览AAAI研究院优必选悉尼ai2018 优必选悉尼AI研究院 AI影响因子 论文优必选

雷锋网 AI 科技评论按:第 32 届人工智能顶级会议 AAAI 2018 在美国新奥尔良召开。在今年的 AAAI 上,优必选悉尼 AI 研究院共有 5 篇论文入选,其中 3 篇 oral,2 篇 poster。

在 AI 科技评论推出的 数据库项目「AI 影响因子」 中,优必选悉尼 AI 研究院已经凭借 4 篇 CVPR 录用论文上榜「AI 影响因子论文类目活跃企业」。优必选悉尼 AI 研究院也即将在五月份于 AI 慕课学院上做论文解读的直播分享,敬请期待。

论文摘要如下:

论文 1:Domain Generalization via Conditional Invariant Representation

为了将从源域的数据里学习到的模型泛化到将来的某个目标域,我们的方法希望学习到域不变的特征。以前的域自适应方法都是通过匹配特征的边缘分布 P(X) 来学习域不变特征,但是这种方法假设 P(Y|X) 在不同的域稳定不变,现实情况很难保证。我们提出通过匹配条件概率 P(X|Y) 并同时衡量 P(Y) 的变化来保证不同域之间的联合分布 P(X,Y) 相同。条件域不变特征通过两个损失函数进行学习,一个衡量以类为条件的分布差异,一个衡量以类别归一化的边缘概率分布的差异,从而达到匹配联合分布的效果。如果目标域的 P(Y) 变化不大,那么我们可以保证得到很好的匹配目标域的特征。

论文 2:Adversarial Learning of Portable Student Networks

优必选悉尼 AI 研究院 AAAI 2018 顶会论文一览

学习具有较少参数的深度神经网络的方法是迫切需要的,因为重型神经网络的庞大的存储和计算需求在很大程度上阻止了它们在移动设备上的广泛使用。与直接去除权值或卷积核以获得比较大的压缩比和加速比的算法相比,使用教师网络-学生网络学习框架的模式来训练轻型网络是一种更灵活的方法。然而,在实际应用中,我们很难确定利用哪一种度量方式来从教师网络中选择有用的信息。为了克服这一挑战,我们提出利用生成对抗网络来学习轻型的学生神经网络,具体地,生成器网络就是一个具有非常少权值参数的学生神经网络,判别器网络被当作一个助教,用来区分学生神经网络和教师神经网络所生成的特征。通过同时地优化生成器网络和判别器网络,本文生成的学生神经网络可以对输入数据生成具有跟教师神经网络特征具有同样分布的特征。

论文 3: Reinforced Multi-label Image Classification by Exploring Curriculum

人和动物学习经过组织的知识比学习杂乱的知识更为高效。基于课程学习的机制,我们提出了一种强化多标签分类的方法来模拟人类从易到难预测标签的过程。这种方法让一个强化学习的智能体根据图像的特征和已预测的标签有顺序地进行标签预测。进而,它通过寻求一种使累计奖赏达到最大的方法来获得最优策略,从而使得多标签图像分类的准确性最高。我们在 PASCAL VOC2007 和 PASCAL VOC2012 数据集上的实验表明了,在真实的多标签任务中,这种强化多标签图像分类方法的必要性和有效性。

论文 4: Learning with Single-Teacher Multi-Student

本文研究了如何通过一个单一的复杂通用模型来学习一系列的轻量专用模型,即单老师多学生 (Single-Teacher Multi-Student) 问题。以经典的多分类和二分类为例,本文围绕着如何利用一个预训练的多分类模型来衍生出多个二分类模型,其中每个二分类模型对应不同的类别。在实际场景中,许多问题可以被看做这一范畴;例如,基于一个通用的人脸识别系统对于特定的嫌犯进行快速准确地判断。然而,直接使用多分类模型进行二分类操作的推断效率不高,从头训练一个二分类器的分类表现往往不好。本文通过将多分类器看做老师,将目标的二分类器看做学生,提出了一种门化支持向量机 (gated SVM) 模型。此模型中,每一个二分类器可以结合多分类器的推断结果给出自己的预测;此外,每个学生可以获得由老师模型给出的样本复杂度度量,使得训练过程更加自适应化。在实际实验中,所提模型取得了不错的效果。

论文 5: Sequence-to-Sequence Learning via Shared Latent Representation

优必选悉尼 AI 研究院 AAAI 2018 顶会论文一览

受人脑可以从不同的模态学习和表达同一抽象概念的启发,本文提出了一个通用的星状框架实现序列到序列的学习。该模型中将不同模态的内容(外围节点)编码到共享隐表征(shared latent representation,SLR),即中央节点中。SLR 的模态不变属性可以被视为中间向量的高级正则化,强制它不仅捕获每个单个模态的隐式表示(如自动编码器),而且还可以像映射模型一样进行转换。因此,我们可以从单个或多个模态学习 SLR,并且生成相同的(例如句子到句子)或不同的(视频到句子)的模态信息。星型结构将输入与输出分离,为各种序列学习应用提供了一个通用且灵活的框架。此外,SLR 模型是内容相关(content-specific)的,这意味着它只需要对数据集进行一次训练,就可以用于不同的任务。

版权文章,未经授权禁止转载。详情见 转载须知 。

优必选悉尼 AI 研究院 AAAI 2018 顶会论文一览


本文地址: https://www.gpxz.com/article/ea527e3a94921e8e25ec.html
全局中部横幅
全局中部横幅
hao123

hao123是汇集全网优质网址及资源的中文上网导航。及时收录影视、音乐、小说、游戏等分类的网址和内容,让您的网络生活更简单精彩。上网,从hao123开始。

银川装修公司

银川装修公司推荐银川城市人家,品牌家装在银川14载为银川装修业主提供银川家庭装饰,银川家装,高端的别墅设计与施工的专业公司,是银川最好的装修公司之一

德诚控股集团

德诚控股集团成立于2003年,是一家专注于摩托车及动力产品的跨国企业,产品涵盖两轮摩托车、三轮摩托车、配件、通用及农业机械等,旗下拥有APSONIC、TSZ、AGBON等多个自主品牌,其中APSONIC是第34届非洲杯足球赛官方合作品牌。集团经过二十多年发展,现拥有完整的产品研发、生产、销售及售后体系,同时在非洲十多个国家打造了完善的渠道网络体系,拥有数千名非洲本地化员工。展望非洲,携手共创,德诚期待与您一起舞“动”美好未来。Pro等多个品牌,其中APSONIC已成为西非地区一线摩托车品牌。

学生范文网

学生范文网,关注学生成长,提供各种专业的范文写作模板参考,包含职业规划、实习报告、实习计划、工作总结、述职报告、祝福语、励志美文、实用文等学生常用文档资料。

iShow爱秀国际英语口语听说培训班机构

iShow爱秀国际英语专注大学生英语口语培训,线下英语学习小班课程,浸泡式学习环境,表演式课堂,结合线上一对一外教授课,英语口语培训热线:057188891189,领取英语口语免费试听课程!

光学棱镜,光学透镜,江西欧特光学有限公司

江西欧特光学有限公司专业生产透镜,棱镜,产品主要包括柱面透镜,弯月透镜,激光聚焦透镜,消色差透镜,平凸透镜,双凸透镜,平凹透镜,双凹透镜,红外透镜,ZnSe硒化锌透镜,ZnS硫化锌透镜,CaF2氟化钙透镜,BaF2氟化钡透镜,Ge锗透镜,Si硅透镜,光学棱镜,直角棱镜,五角棱镜,角锥棱镜,整形棱镜,直角三棱镜,等边三棱镜,屋脊棱镜,分光棱镜,胶合棱镜,柱面镜,楔形棱镜,正像棱镜,反射棱镜,二次元检测棱镜,合色棱镜,半五角棱镜,斜方棱镜,保罗棱镜,欢迎采购定制。

期刊订阅

权威发表网提供专业的职称论文发表,教育论文,教学论文,医学论文,核心论文,包括各领域学术论文范文,如何发表论文流程,打造专业的论文投稿及论文发表代理服务。主营期刊论文代理、职称论文发表。

安恒信息

安恒信息是一家AI引领的数字安全和数据要素领军企业,入选科创板创新力30强,以DAS(数据保护和利用、AI、安全服务)为核心战略,以安全AI智能体恒脑3.0驱动,为逾10万家政企单位客户提供安全产品及服务。

《崩坏学园2》

《崩坏学园2》:米哈游崩坏系列经典之作。交织的悲恸轮回,指尖的动作世界,奏响少女们超越「命运」的决意之歌。

中国地质科学院

中国地质科学院为自然资源部直属的副部级事业单位,根据国家国土资源调查规划,负责统一部署和组织实施国家基础性、公益性、战略性地质和矿产勘查工作,为国民经济和社会发展提供地质基础信息资料,并向社会提供公益性服务。

上海碳博会

上海国际碳中和科技展览会简称「COExpo上海碳科展」以“中和科技,碳索未来”为主题,以广大的市场需求导向配套同期高端产业论坛交流,促进产业链与创新链深度融合,充分发挥科技创新对绿色低碳转型的关键支撑作用,促进培育绿色低碳产业发展的新动能!


全局底部横幅