- CRU:一种新的神经架构,用于提高时间序列数据预测性能
本研究提出了一种名为相关递归单元(CRU)的新型神经架构,可以在神经元内执行时间序列分解并学习每个分解组件之间的自相关和相关性,实验结果表明,相比其他神经架构,所提出的 CRU 是解决时间序列预测问题的一种优秀方法,可将长期和短期的预测精度 - ICML超越 Hawkes:空间 - 时间点过程上的神经多事件预测
提出了一种用于同时多事件预测的新神经结构,利用 transformers、normalizing flows 和 probabilistic layers,以实现 spatio-temporal Hawkes 过程的批量复杂历史相关的未来离 - 一个通用的神经架构用于地理空间系统
本文介绍了一种通用的神经结构图,其具有地理空间归纳偏差,经过大量未标记的地球观测数据的自我监督训练。该模型可能有助于研究人员和人道主义援助和灾难响应从业者之间的合作。作者展示了这个神经结构图的初步结果,该神经结构图可以处理各种地理空间数据类 - EMNLP部署检索为基础的任务导向对话响应模型
本文提供了一种 3 步程序来开发满足业务要求的对话模型,包括从历史对话中创建模板、使用神经网络建立对话上下文和业务约束,以及通过自我监督和受训者的方法优化模型,并进行实验验证并在人机交互的环境中应用于商业对话。
- 基于跨度的联合实体和关系提取,结合序列标注机制
提出了一种深度神经网络模型 STSN,该模型将序列标注和基于区间的联合抽取结合起来,可以使模型从序列标注机制中学习标记信息,并将其应用于基于区间的联合抽取中,并在三个基准数据集上实现了新的最优结果。
- 一种无文本语音对比度量
本文提出一种无文本语音比较度量方法,可通过 Speech2unit 编码器将语音转换为离散的声学单元,进而针对口头语言或无可靠 ASR 系统的语言进行语音翻译评估。
- 神经关注电路
本论文介绍了一种名为神经注意力电路(NACs)的神经网络模型,它是一种通用但模块化的网络体系结构,可同时学习神经模块的参数化和稀疏连接,其在不同数据模态下具有优秀的性能表现,并已在不同领域展示出模块划分的表现。
- ECCVLidarNAS: 为三维点云统一和搜索神经结构
为了成功实现机器人技术和自动驾驶,开发能够准确理解 3D 点云中对象的神经模型至关重要。本文提出了一个统一的框架来因素分解神经网络,并演示了这种模块化框架作为神经架构搜索空间的可行性,并在 3D 物体检测上优于现有模型。
- 细胞注意力网络
介绍了细胞注意力网络 (CANs),它在图的节点上定义数据,将图表示为一个单细胞复合体的 1 - 骨架,以捕捉更高阶的相互作用,并通过 2 种自掩模机制设计更广泛的图注意策略。实验结果表明 CANs 是一种与基于图的学习的最新成果相比,具有 - 英语、葡萄牙语和西班牙语的词汇简化基准
本研究呈现了一个新的数据集以适用于三种语言且提供了建立和评估词汇简化系统所需的高质量数据体。通过采用神经网络架构,对两种高级系统进行了适应和评估,结果在英语中表现最佳。
- 用度量残差网络进行高样本效率的目标条件强化学习
本文介绍了一种基于 Metric Residual Network (MRN) 的神经架构来实现物理机器人中的效率更高的 goal-conditioned reinforcement learning (GCRL),在 12 个标准基准环境 - KDDMQRetNN: 带有检索增强的多时间跨度时间序列预测
本文提出将跨实体信息加入神经网络进行需求预测,通过添加跨实体注意机制及检索机制进行实体的选择,提高了神经网络的预测准确性。
- PointNeXt: 重新审视 PointNet++ 的改进训练和扩展策略
本文对 PointNet ++ 进行了系统性研究,提出了一组改进的训练策略和可扩展的 PointNeXt,使用数据增强和优化技术以及增加模型大小来显着提高性能并在 3D 分类任务中实现了最新的最先进的结果。
- 前馈神经构架空间局部最优网络分析
本研究利用局部最优网络(LON)分析,对候选解的适应度景观的导数进行了探讨以表征和可视化神经结构空间,结果表明 LONs 可能为分析和优化神经结构提供有效的范式。
- 结构幻化变压器级联的极限平面图重构
本文介绍一项极端平面图重建任务,提出了一种神经架构作为解决方案;研究结果表明,该方案通过使用卷积神经网络和 Transformer 将输入的部分平面图编码为一组潜在向量,并通过级联 Transformer 解码器重建整个平面图,包括看不见的 - WaveMix:一种用于图像分析的资源高效神经网络
WaveMix 是一种用于计算机视觉的新型神经体系结构,它具有资源效率,可推广性和可扩展性,使用多级二维离散小波变换(2D-DWT)在 WaveMix 块中,可以比现有技术更快、更好地实现分割和分类。
- ASSET:使用 Transformer 进行高分辨率自回归语义场景编辑
使用基于注意力机制的 transformer 神经网络架构 ASSET 对高清晰度图像进行语义分割地图的自动合成修正,并证明其在应对高清晰度图像的长距离互动和上下文处理能力方面优越于传统神经网络和 transformer 方法。
- MMMIND: 基于最大互信息的神经解码器
本文提出了一种基于互信息的神经编码器(MIND)来优化数字通信系统中的检测 / 解码问题的最优神经架构。
- 用于端到端对话行为分类的神经韵律编码器
本文提出一种端到端神经网络架构,考虑到在话语中不同层级中共现的韵律现象的表征需求并利用一个可学习的门控机制来评估韵律特征的重要性并选择性地保留端对端 DAC 所需的核心信息。实验结果表明,我们的模型在三个公共基准数据集上将 DAC 的精度提 - 通过动态特质归因学习心智理论
本文提出了一种新的神经 ToM 架构,它通过学习过去轨迹的潜在特征向量,来乘性调节预测机制,以提高情感理解能力,并在测试中取得了良好的效果。