aoi学院

Aisaka's Blog, School of Aoi, Aisaka University

发表于 分类于 ， 阅读次数： Valine：
本文字数： 300 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，后台回复：黄怀波，获取PDF资料~
生成模型一直是机器学习和计算机视觉领域的重要研究方向。以生成对抗网络（GANs）和变分自编码器（VAEs）等为代表的深度生成模型已经成为当前人工智能研究的热点问题和重要前沿方向。目前的各种深度生成模型都各有其优点和缺点，比如生成对抗网络的训练稳定性和模式崩溃（mode collapse）问题等，变分自编码器生成图像比较模糊等。针对这些问题，我们提出了一种新的生成模型——自省变分自编码器，用于实现稳定训练和生成高分辨率真实图像

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 240 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，获取视频PPT及文章学习资料~~~
PPT及文章链接：https://mp.weixin.qq.com/s/j_nU7QB_nArHQj36PL3h9w
在图像分类问题，尤其是细分类问题中，是否由于类间差异不显著，一阶信息有一些不适用了呢？那么二阶信息是否可以带给分类器更有区分性、更有价值的信息呢？本讲内容主要介绍二阶信息运用于图像分类的方法。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 299 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，获取更多前沿资料
robust optimization 以及 distributionally robust optimization算法是目前优化算法领域的研究热点，同时，随着如今大数据的发展，如何利用获得的大量数据解决优化问题也是robust optimization 中研究的一个重点问题。此次分享将介绍distributionally robust optimization的基本概念以及如何利用数据对问题进行求解，最后介绍其在机器学习等多个领域的应用

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 236 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，获取更多相关前沿资料~~~~
分布式优化理论和算法是多智能体系统研究的一个热点，并逐渐受到了机器学习领域的关注。比如利用多个GPU或者多台机器训练一个神经网络就可以建模成一个分布式优化问题。此次分享将介绍分布式优化的基本概念，分类，一些经典算法以及我们在这上面的一些工作，并讨论如何将分布式优化应用在大规模机器学习或者深度学习问题中。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 255 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，获取更多相关前沿资料~~~~
对图像场景的准确理解和建模是人们一直以来的诉求，这是因为精确的场景模型是后续高层的智能安防及自动驾驶任务的基础。对于场景的像素级理解主要包括了实例分割和语义分割，而今年Kaiming新提出的全景分割则对这两个任务进行了统一。我们在这次分享中主要会介绍语义分割和全景分割任务中的一些新进展，同时也会介绍全景分割任务的Benchmark及评测指标。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 300 阅读时长 ≈ 1 分钟

关注微信公众号：人工智能前沿讲习班，回复“朱时超”，获取PPT和视频下载链接
图网络，是对以前各种对图进行操作的神经网络方法的推广和扩展，学习图网络中实体、关系向量表示以及构成规则，又称图神经网络。在图网络中使用关系归纳偏置学习，保存结构化输入数据之间的拓扑关系，并通过对输入数据的节点处理来跟踪节点中的图结构。图网络具有强大的关系归纳偏置，为操纵结构化知识和生成结构化行为提供了直接界面。结构化表示和计算可实现模型的组合泛化能力，这一能力非常重要，可为更复杂、可解释和灵活的学习和推理模式打下基础。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 294 阅读时长 ≈ 1 分钟

网络数据可以自然表达物体与物体之间的联系，生活中充满了网络数据，例如社交网络、计算机网络、物流网络、学术网络等等。在有关网络的研究中，如何表示网络信息是一个重要的问题。传统方法可以利用高维稀疏向量表示网络中的一个节点，但局限在于难以度量节点之间的相似性并且还会增大模型的时间和空间复杂度。随着表示学习技术在自然语言处理领域的成熟，相关的低维稠密向量表示方法也被应用于网络数据中。本文主要对近年来比较流行的几种网络表示学习方法进行简要的梳理和总结，以方便读者选择合适的方法解决特定的问题。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 220 阅读时长 ≈ 1 分钟

视频PPT及文章资料，请关注微信公众号：人工智能前沿讲习班
PPT及文章链接：https://mp.weixin.qq.com/s/fqHropcxoP0AfQu2m1-wYQ
记忆增强神经网络（ Memory Augmented NeuralNetwork， MANN）是在传统的神经网络模型基础上增加存储模块以及相应的读写机制的一类模型。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 283 阅读时长 ≈ 1 分钟

视频PPT及文章资料，请关注微信公众号：人工智能前沿讲习班
PPT及文章链接：https://mp.weixin.qq.com/s/s4bCp7egIbCzJeIXWWplSQ
自BinaryConnect，二值化网络取得了一系列的进展。相比于全精度的网络，二值化网络对于全连接或者卷积层压缩32倍，成为一比特，大大减小了网络的存储空间，在二值化权重后，运算可以简化为加减法，如果进一步二值化特征图，运算可以转化成为xnor+bitcount操作，从而进一步加速运算。

阅读全文 »

发表于 分类于 ， 阅读次数： Valine：
本文字数： 290 阅读时长 ≈ 1 分钟

视频PPT资料及文章，请关注微信公众号：人工智能前沿讲习班
资料链接：https://mp.weixin.qq.com/s/CH46uvOshGss7O2bbxFoWQ
自动化所智能感知与计算研究中心在生成对抗网络（GAN）基础上提出高保真度的姿态不变模型来克服人脸识别任务中最为经典的姿态不一致问题。该模型不仅在多个基准数据集的视觉效果和定量指标都优于目前已有的基于生成对抗网络的方法，而且将生成图像的分辨率在原有基础上提升了一倍。该论文已被神经信息处理系统大会(NIPS)收录。

阅读全文 »