- 时序分析的自监督学习:分类、进展和前景
本文综合评估了当前时序数据自监督学习方法的状况,并提供了相应的分类法,同时总结了常用数据集且给出了未来时序分析自监督学习的方向。
- CVPR自我中心的文本 - 视频检索挑战概述
讨论了在文本 - 视频检索中不同来源导致的偏差,特别是帧长度偏差,并提出了一种简单方法来解决这种偏差,并得到了可喜的增长,最后提出了未来研究的方向。
- 网络安全本体的开发和构建
本文系统研究了 2010 年至 2020 年间有关网络安全本体论的 24 篇论文,比较分析不同本体论的优缺点,旨在为网络安全本体论领域的研究者提供有前途的未来方向。
- 基于数据驱动的恶意网站检测方法综述
本文系统评述了针对恶意网站的数据驱动方法,包括数据预处理、特征提取、模型构建和技术拓展,并对近年来提出的基于深度学习模型的方法进行了比较。最后,讨论了数据驱动方法面临的挑战和未来发展方向。
- 健康信息学中的大型人工智能模型:应用、挑战与未来
本文为大规模 AI 模型在健康信息学中的应用提供了全面的综述,提出了大 AI 模型适用的七个关键领域和面临的挑战,并讨论了它们在未来方向和转化健康信息学领域的潜力和可能面临的风险。
- CVPR多视角图像中的三维概念学习和推理
本文提出了一个新的大规模 3D 多视图视觉问答基准(3DMV-VQA),介绍了一种基于神经场,2D 预训练的视觉语言模型和神经推理运算符的 3D 概念学习与推理(3D-CLR)框架,并评估了各种最先进的模型,发现它们都表现不佳,提出了从多视 - 迷失在算法中
本研究探讨算法领域的未来发展方向,重点关注数字计算机与非经典计算机并存的自然世界中的算法应用。
- 自然语言处理任务的持续学习:调查
本综述全面回顾了自然语言处理领域中持续学习的最新进展,包括现有技术的分类、遗忘和知识迁移问题、未来发展方向。
- 2007 年至 2022 年的开放式信息抽取 -- 综述
本文系统综述了 2007 年至 2022 年间的开放信息提取技术,提出了基于信息来源的新分类方法,并总结了三种主要方法、当前流行的数据集和模型评估指标,展示了数据集、信息来源、输出形式、方法和评估指标等方面的未来发展方向。
- 表格问答调查:最新进展
该研究调查了目前表格问答的数据集和方法,并将现有的表格问答方法分类为五类,即基于语义解析的、生成式的、提取式的、基于匹配的和检索式的方法。此外,研究还提出了该领域的一些主要挑战和未来方向。
- U-Net 及其变体在医学图像分割中的应用:简要综述
本文综述了使用 U-Net 及其变体进行医学图像分割的技术。医学图像的非侵入性诊断需要准确的分割图像。本文也概述了医学图像分割的发展、深度神经网络的优缺点以及不同混合体系结构的建立。最后提出了当前的挑战和未来的发展方向。
- 图神经网络中的可解释性:一个实验调研
本文概述了当前流行的图神经网络(GNN)解释方法,包括新的评估指标和真实世界数据集的实验比较,并提出了未来的解释发展方向。
- 非 IID 图数据中的公平性:现状与未来方向
研究机器学习中的算法偏差和公平性的重要性已经导致公平性研究的增加,这通常假定底层数据是独立且分布相同的,但实际上,数据通常用非 IID 图结构表示,在非 IID 图数据中进行公平性研究对于弥合传统的 IID 数据所设计的公平性文献和现有工作 - 文本生成预训练语言模型综述
本文对基于预训练语言模型的文本生成方法进行了综述,包括如何编码输入、设计生成模型、以及如何优化预训练语言模型以生成特定性质的文本;同时讨论了应用与存在挑战,总结了有用资源和应用举例,并提出了未来研究方向。
- 生物医学问题回答:方法与挑战综述
自动问答系统在不同领域有成功应用,生物医学问答是一项新兴任务。本文对生物医学问答的五种不同方法、可用数据集和代表性方法进行了详细介绍,并确定了该领域尚未成熟、面临的困境以及未来探索方向。
- 双曲深度神经网络:一份调查
本文介绍了超半径神经网络的模型以及各个组成部分,探究了其在超几何空间的深度学习方法、机器学习任务上的应用,提出了未来研究方向。
- 大数据时代的事件预测:系统调查
本文在大数据时代提供了一个系统和全面的事件预测技术、应用和评估的调查,包括已经存在的技术、主要应用和评估方法的综述、开放问题和未 来方向。
- MM深度多模态数据分析的调查:协作,竞争和融合
本文综述多模型数据分析的现有状况和未来方向,着重介绍了基于深度神经网络的多特征融合方法,这些方法的关键组成部分是协作,对抗训练和特征融合。
- 机器学习与量子基础:简要综述
机器学习已经成功地应用于量子基础领域的不同问题,本文编译了迄今为止在机器学习和量子基础领域接口处完成的代表性作品,并以未来发展方向为结论。
- 基于传感器的人体活动识别的深度学习:概览,挑战和机会
本研究综述了传感器人体活动识别领域的深度学习方法,介绍了多模态传感数据以及可以用于不同挑战任务评估的公共数据集,并提出了一个新的分类法来组织深度方法的挑战,总结分析了相关深度方法以及当前的研究进展,并讨论了未来方向与存在的问题。