- KDDHiFGL: 跨隔离跨设备联合图学习的分层框架
跨庭院和跨设备的分散图联合学习具有很高的隐私保护性能,提出了 HiFGL 框架,它采用分层体系结构和秘密信息传递方案,可以在异构客户端中进行联邦图神经网络训练并确保图的完整性。
- 对抗多智能体游戏中的扩散 - 强化学习层次化运动规划
基于强化学习的运动规划在自主导航到机器人操控等方面已显示出超越传统方法的潜力。本文针对部分可观察多智能体对抗潜逃游戏(PEG)中规划机动任务展开研究。我们提出了一种分层架构,将高层扩散模型与低层强化学习算法结合,分别用于全局路径规划和回避行 - 基于对偶求解的交互预测的可扩展多模态模型预测控制
我们提出了一种用于复杂多模态交通场景中可扩展实时模型预测控制(MPC)的分层体系结构。该体系结构包括两个关键组件:1)RAID-Net,一种基于注意力机制的新型循环神经网络,使用拉格朗日对偶性在 MPC 预测范围内预测自动车辆与周围车辆之间 - 网络化联邦数字双胞胎(IoFDT):连接超越边界的双胞胎,助力第五代社会
数字孪生、Society 5.0、互联网联合数字孪生、分层架构和 IoFDT 平台是本文的关键词,该文讨论了如何实现 IoFDT 概念,挑战和创新解决方案,并强调了一个统一的 IoFDT 平台的重要性与实际应用。
- 对话式推荐系统的长短期规划
基于长短期反馈架构的对话推荐系统中,通过预测用户偏好和同用户历史记录,推荐对话模型预测下一个话题或属性以验证用户偏好,以实现全面交互的对话及推荐功能。
- 3D 人脸形状的多域无配对特征转换与正方对称几何映射
提出了一种学习框架来解决 3D 人脸属性转换中缺乏 3D 生成模型和无效使用 3D 人脸数据的问题,该框架使用几何映射表示 3D 形状并嵌入在端到端生成对抗网络中,同时采用统一和非成对学习框架进行多领域属性转换,还提出了一种分层架构的鉴别器 - ST-RAP:房地产评估的时空框架
ST-RAP 是一种新颖的用于房地产评估的时空框架,通过采用分层结构和异构图神经网络同时捕捉时间动态和空间关系,在大规模房地产数据集上的综合实验证明了 ST-RAP 相较于先前方法的显著优势,展示了在房地产评估中整合空间和时间方面的重要性。
- MM面向 5G 多 MAP 网络的动态灵活三维操作的联邦式多智能体深度强化学习
本文提出了一种基于两级层次结构的管理方法,结合统一接入 - 回传约束、联邦式机器学习和双注意力深度强化学习模型,在考虑移动接入点规划的同时,优化无人机的部署和网络结构设计,提高 5G 网络中移动接入点的效率。
- 通过上下文调节实现通用形态控制
该论文提出了一种分层架构,通过上下文调节来更好地模拟机器人控制策略对其形态上下文的依赖关系,其中包括两个关键子模块:(1)使用超网络生成依赖形态的控制参数;(2)提出了一种形态依赖性的注意机制来调节机器人不同肢体之间的交互。实验结果表明,该 - 关于《星际争霸 Ⅱ》全游戏的高效强化学习研究
本研究通过使用一系列强化学习技术,包括层次化体系结构、课程转移学习和战斗模型等方法,在 StarCraft II 游戏上进行了训练,并获得了高胜率。我们还将我们的方法与 mini-AlphaStar 进行比较,证明了该方法的有效性。
- CVPR基于意图预测的长期人类自我中心行动预测
利用层次化的结构假设一系列低级别的人类行为可以从人类意图驱动,从而解决长期行动预测的任务,该模型在 EGO4D 挑战中排名第一,代码可在提供的链接中找到。
- IJCAICATrans: Few-Shot 分割的上下文和亲和力变换器
本文提出了一种名为 CATrans 的新型分层结构,通过 Relation-guided Context Transformer 和 Relation-guided Affinity Transformer,将支持和查询二者之间的上下文信息 - HINNPerf: 可配置系统性能预测的分层交互神经网络
通过使用 HINNPerf 模型,结合嵌入方法和分层网络块,提高了可配置系统性能预测的准确度并设计了一种层次正则化策略,使其更容易理解和识别影响性能的重要配置选项。实证结果显示在真实可配置系统上,该方法比现有的方法平均提高 22.67%的预 - 分层 Transformer 是更高效的语言模型
通过建立分层结构的 Transformer 模型 Hourglass,让 Transformer 可以更加高效地处理长序列,在 ImageNet32 生成任务方面表现出新的最先进,同时提高了在广泛研究的 enwik8 基准上的语言建模效率。
- COLING利用用户和产品背景提高文档级情感分析
该论文研究了将历史评论文本和用户 / 产品信息纳入情感分析模型,通过强制模型记住有关特定用户和产品的所有评论,通过舍弃分层的架构来使文本中的单词直接彼此关注。在 IMDB、Yelp2013 和 Yelp2014 数据集上的实验结果表明,该方 - 非自回归语音合成的分层韵律建模
分析了不同韵律建模设置下的非自回归 TTS 模型行为,并提出了一种层次结构,其中基于单词级韵律特征来预测音素级韵律特征的方法,该方法在客观和主观评估中在音频质量和语音韵律自然性方面优于其他竞争对手。
- AAAIHINT: 层次可逆神经传输用于密度估计和贝叶斯推断
本论文提出了一种基于分形结构的可逆神经网络模型 HINT,可以用于联合概率密度采样和贝叶斯推断,其具有快速的求解速度和稠密的雅可比矩阵表现形式。
- 针对细粒度仇恨言论分类的分层式 CVAE
本文提出了一种新的细粒度仇恨言论分类任务的方法,使用条件变分自编码器作为判别模型,并扩展到分层架构,利用附加的仇恨类别信息进行更准确的预测,实验证明采用该方法显著提高了分类性能且优于常用的判别式模型。
- ICML多任务深度强化学习中的零样本任务泛化
在强化学习中,我们介绍了一种新的强化学习问题,其中代理需要在学习解决子任务的有用技能后学习执行指令序列。我们考虑到先前未见的指令和更长的指令序列的泛化,为此,我们提出了一种基于类比的新目标和一个层次结构架构,并提出了一个新的神经网络架构来解 - 深度卷积网络是层次化的核机器
该论文讨论了 i-theory 中典型层次结构的构成,提出现代 DCNs 可以与具有池化和非池化层次的核机器的层级架构完全等效,最终提出高效的结构猜想。