该论文介绍了机器学习和深度学习的一些创新研究工作以及实际应用,并涉及股票交易、医疗保健系统和软件自动化等领域。
Jan, 2022
使用数据驱动技术和机器学习技术进行人机交互以生成创新点已成为一个相对较新的领域,在这个领域中,比赛驱动和数据驱动的方法也可用于激发创新和评估。 本文提出了一系列用于生成创新点的技术,包括一些相应的数据源和模型,以及两个模型,一个方法和一个框架。这些成果将受益于来自数据和知识工程,数据挖掘项目经理以及激励器,竞赛组织者,顾问,创新加速器和行业等的专业人员。
May, 2022
本研究旨在研究机器驱动的分析技术来生成创意,并基于文献综述得出了一些有效技术,如文本挖掘、信息检索、深度学习、机器学习、统计技术、自然语言处理和基于 NLP 的形态分析。同时,也提出了用于进一步研究的建议。
科学界利用机器学习技术进行科学探索的能力正在初生阶段,然而,机器学习的原理应用正在为基础科学发现开辟新的途径,尤其在处理观测数据的复杂性方面。
May, 2024
本文旨在通过分析机器学习在软件工程中的最佳实践,填补现有文献不足的空缺,并针对机器学习应用所面临的挑战和开发过程,提出一系列以软件工程视角为基础的建议。
Apr, 2023
本研究介绍一个三级知识集成机器学习方法,在工程领域平衡整体主义和还原主义的视角,以在数据驱动的过程中转移和利用领域知识。
Jul, 2023
本文介绍了一种金字塔式的开发流程,将需求规范纳入标准的机器学习开发流程,以适应高风险或安全关键应用领域,并防止不考虑要求可能带来的严重后果。
研究指出,现有的机器学习开发环境和 API 缺乏足够的指导及软件工程最佳实践,需要在专门开发的机器学习应用程序开发方面扩展和适应软件工程概念、工具和技术,并为机器学习特定的软件工程提供充足的研究机会。
Mar, 2022
本文探讨了机器教学的范式转变,并提出将与机器学习算法有关的知识与教学过程进行脱耦,以加速创新和赋能数百万新的机器学习模型应用。
Jul, 2017
本文提出了一种新方法,支持自动化机器学习,帮助软件工程师在不需要深入了解人工智能的情况下,选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统,并进行智能能源领域的案例研究。