- MM从通信到编排的语义革命:6G 的挑战、推动因素和研究方向
在新兴的 6G 服务中,一切对一切的互动实现涉及大量的物理和数字实体,是一个重要的挑战。本文介绍了知识库管理与编排(KB-MANO)框架,旨在实现在资源有限的通信基础设施中进行有效服务实施,探索语义通信(SemCom)改善点对点物理层效率的 - 个性化联邦学习中基于能力异质性的选择性知识共享
Pa3dFL 是一个增强容量异构模型的新型框架,通过解耦和选择性地在容量异构模型之间共享知识,提高了本地模型的性能。通过将模型的每个层分解为通用参数和个性参数,并保持通用参数在客户端之间的统一大小并进行直接平均聚合,然后使用可学习的嵌入通过 - 基于知识重播的分割式联邦学习应对灾难性遗忘
提出了一种名为 KoReA-SFL 的新型 Split Federated Learning 方法,通过多模型聚合机制减轻因异构数据引起的梯度发散,并采用知识重放策略解决灾难性遗忘问题。KoReA-SFL 在云服务器中维护多个分支模型部分, - 可许可的知识汇集
该论文介绍了一种用于知识池化或共享的动态逻辑,并进一步讨论了一个可能的可允许知识池化的框架。
- CVPR一种从服务器端预训练生成器向异构联邦学习中的客户端传输知识的高效上传方案
通过利用预训练生成器中存储的知识,我们提出了一种新的上传高效的知识传输方案,称为联邦知识传输环(FedKTL),它能够通过服务器上生成器的推理来生成与客户任务相关的典型图像 - 向量对,每个客户端可以通过额外的受监督的本地任务将预先存在的知 - DAM: 连续视频问答学习的动态适配器融合
我们提出了一种参数高效的方法用于连续视频问答(VidQA)学习,名为 DAM。我们的方法通过动态适配器合并技术来减轻灾难性遗忘、实现对不断到达的数据集的高效适应、处理推理过程中来自未知数据集的输入,并在相似数据集领域中实现知识共享。
- 应用非条件训练在较低分辨率上进行的知识共享,驯服类条件 GAN 中的尾巴
我们提出了一种针对长尾数据的类条件生成对抗网络 (class-conditional GANs) 的训练改进方法,通过知识共享使尾部类别能够借用丰富信息的优秀类别,实验证明在生成图像的多样性和质量方面相较于现有方法有显著提升。
- 分布式学习中的私有知识共享:一项调研
人工智能的崛起已经在许多行业中引发了革命性的变革,其广泛应用导致了 AI 和其底层数据在许多智能系统中的分布。本文针对分布式学习中的私有知识共享提供了一项深入调查,检验了在主要的分布式学习架构中使用的各种知识组件。通过分析,我们揭示了在分布 - 英国医疗领域的人工智能研究中的多学科数据工作实践
多学科合作的人工智能(AI)工具在医疗保健领域的发展是一个跨学科的努力,需要数据科学家、临床医生、患者和其他学科共同参与。通过对大型研究合作中 13 个半结构化访谈的归纳主题分析,我们的发现表明多学科合作严重影响着工作实践。参与者面临学习其 - EMNLP共享、教学与对齐:熟知的跨语言机器阅读理解的知识迁移
本文提出了一种新的跨语言机器阅读理解方法 X-STA,利用关注力机制和知识共享技术实现源语言答案转移到目标答案空间,并通过语义对齐和教师引导来增强跨语言迁移能力,实验证明了该方法在多种多语言机器阅读理解数据集上的有效性。
- 通过知识共享和个性化学习自动驾驶车辆的驾驶员模型
使用知识分享和个性化的方式描述了一种学习自动驾驶车辆(AVs)驾驶模型的框架,该模型在多个车辆之间进行知识分享,以提高其在真实世界中驾驶场景的暴露度。该方法通过共同训练一个驾驶模型,同时保留针对每个车辆独特条件和特性的个性化模型,实现了多个 - ACL开放世界的长尾问题回答
本文定义了 OLTQA 模型,它通过在预训练语言模型中挖掘知识和引入 retrieve-then-rerank 框架来支持各种 QA 任务,并提出了适应性的相互知识蒸馏方法联合训练框架和 QA 模型,在 43 个现有 QA 数据集上更好地执 - ACL开放环境下的域增量生命周期学习
提出 Diana:一种动态架构基于的终身学习模型,使用分层设计的提示来捕获不同细粒度的知识,并引入一组提示关键向量以促进任务之间的知识共享,在处理未知任务方面表现良好。
- 强化学习环境污染攻击的政策韧性
本文提出了一种基于知识共享的策略韧性机制,通过联邦体系结构和元学习方式设计实现,使受污染策略能够更快速地诊断和恢复其策略性能,经实验证明其对于模型有无 RL 算法恢复被污染策略的部署性能有较高的效率和有效性。
- 具有理论保证的多智能体策略互惠
本文提出了一种新的多智能体策略互惠(PR)框架,其中每个智能体可以在不匹配的状态下充分利用跨智能体策略,并定义了一个不匹配状态的邻接空间并设计一个即插即用模块的值迭代,以提高 PR 的可扩展性和稳定性,实验证明 PR 在离散和连续环境中优于 - 基于社区驱动的全面科技论文综述:来自 cvcpaper.challenge 的启示
通过组织少数非母语英语者编写计算机视觉会议论文摘要来缓解研究人员特别是非母语人士面临的科学文献调研问题,总结分析 2019 年和 2020 年顶尖的计算机视觉会议上 2000 篇论文的选题方式和范围,实验结果表明可以在不涉及与其兴趣无关的论 - 个性化联邦学习与图形
本文提出了一种基于图结构的结构化联邦学习框架(SFL),通过使用客户端之间的关系图形信息来加强 PFL 中的知识共享过程,并能够同时学习全局和个性化模型。SFL 可扩展到学习客户之间的隐藏关系,并证明了其在交通和图像基准数据集上的有效性。
- 知识共享和转移的间隙最小化
本文提出了性能差距这一新概念,作为数据和算法依赖的正则化因子,以控制模型复杂度,并提出了性能差距最小化原则,进一步设计了知识共享和转移的策略,并应用于两种算法:gapBoost 和 gapMTNN,通过在转移学习和多任务学习基准数据集上的广 - AAAI海关欺诈检测的领域自适应知识分享
本论文提出了一种名为 DAS 的记忆库平台,旨在促进多国海关部门之间的知识共享,以支持彼此。我们提出了一种领域自适应方法,共享作为原型的欺诈行为的可转移知识,同时保护本地贸易信息。通过测试超过 800 万个进口申报数据,发现参与国家可以通过 - ECCV半监督视觉 Transformer
本文研究了视觉 Transformer 在半监督图像分类中的训练方法,通过引入一个联合半监督学习框架 Semiformer,实现了有标记数据与无标记数据的知识共享,从而取得了 ImageNet 数据集上 75.5% 的 top-1 准确率,