- 使用无记号语言模型实现端到端的有风格限制的诗歌生成
本文介绍了一种以韵脚、节律和押韵等风格为条件,使用深度学习模型生成诗歌的方法,通过先预训练自然语言处理模型 ByGPT5,再在英语和德语四行诗的自定义语料库上进行微调,实现了较高的生成效果和参数效率,从而提高了生成诗歌的成果和可行性。
- 知识蒸馏在多任务语音表示学习中的应用
本论文中,我们使用知识蒸馏通过压缩 wav2vec 2.0 和 HuBERT 语音模型约 75% 的参数量,并分别在单任务和多任务框架上进行微调实验来进行全面的性能分析,实验结果表明,在关键词检测和说话人验证任务中,微调经过知识蒸馏的模型只 - EMNLP沟通失效:人类和神经字幕之间的低互通性
该研究比较了神经视觉检索器基于人工和神经式生成的图片描述符的 0-shot 检索性能表现,并通过对 ImageCoDe 数据集进行实验,发现神经式生成的描述符表现更好,这表明神经模型在生成描述符方面的语言形式与英语相似,但是这种表面上的相似 - FFCNN:基于 FPGA 的卷积神经网络推理快速加速
本文介绍了一种基于 OpenCL 的卷积神经网络加速器设计,称为 FFCNN,它包括数据重用和任务映射技术,这些技术可以在大规模图像分类中提高性能和资源利用率。
- ICML谱聚类的更紧密分析,以及更多
本研究针对典型的谱聚类算法,探讨在一些较弱条件下其性能为何,还研究了利用少于 k 个特征向量进行嵌入的谱聚类,实验表明在合成和真实数据上,使用少于 k 个特征向量时,谱聚类也能够产生相当或更好的结果。
- AVDDPG: 自主编队控制中的联邦强化学习
研究在自动驾驶车队中应用联邦强化学习的有效性,发现使用权重聚合的车队内联邦强化学习方法提供了最佳性能,同时发现使用联邦学习的车队表现比没有使用的车队表现更好。
- MM基于集成回归模型的异常 ISP 流量预测
本研究分析了几个回归模型以预测真实的网络流量,包括 Extra Gradient Boost(XGBoost)、Light Gradient Boosting Machine(LightGBM)、Stochastic Gradient De - OPerA: 以对象为中心的性能分析
本文提出了一种基于 Petri 网的新方法,在考虑多种实例情况的同时,分析业务流程的性能,该方法可以正确计算现有的性能指标,并支持引入新的基于对象的性能指标,通过一个真实的贷款申请流程案例验证了该方法。
- 基于越南维基百科文本知识源的开放领域问答
这篇论文提出了 XLMRQA 作为第一个使用监督 transformer-based reader 和基于 Wikipedia 的语料库作为知识来源的越南问题回答系统,优于基于深度神经网络模型的 DrQA 和 BERTserini,同时分析 - 团队运动中的光学追踪
本文总结了最近光学跟踪的方法,并提供了传统和深度学习方法的综合分类法。同时,还讨论了跟踪数据的预处理步骤、该领域中最常见的挑战以及跟踪数据在运动队中的应用。最后,通过对成本和限制的比较,突出了可能的未来研究方向。
- 基于规则的开放域问答系统在 SQuAD v2.0 数据集上的设计与开发
本研究提出了一种基于规则的开放域问答系统,可以回答来自相关上下文的任何领域的问题,使用 1000 个问题的 SQuAD 2.0 数据集测试开发的系统表现满意,同时分析了性能。
- 评估基于 BERT 预训练语言模型在检测谣言方面的表现
本研究提出了使用基于 BERT 的预训练语言模型将文本数据编码为向量,并利用神经网络模型进行分类以检测谣言,进一步比较不同语言模型的表现与可训练参数。然后在不同的短文本和长文本数据集上进行了测试,结果表明该技术的表现优于现有技术,并测试其组 - WSDM一种有效的基于图学习的时间链接预测方法:WSDM Cup 2022 第一名
介绍了一个名为 AntGraph 的解决方案来进行时间图中的边的存在概率的学习与预测,并通过性能分析和实验数据表明其优越性,AUC 分数为 0.666 和 0.902。
- 深度学习用于仇恨言论检测:一项比较研究
本研究对深度和浅层仇恨言论检测方法进行了大规模实证比较,并以常用数据集为媒介,特别关注实际性能和实践指导,以提供指导,并确定未来的研究方向。
- 抽象视觉推理的深度学习方法:关于瑞文渐进矩阵的调查
本文总结了近年来深度学习方法在抽象视觉推理领域的应用研究进展,并重点关注了目前最普遍的抽象视觉推理任务 —— 瑞文渐进矩阵(RPM),并提供了综合的深度神经模型和学习方法以及 RPM 基准集的分析,对现有方法的性能进行了分析,为当前和未来研 - 运用自然语言处理和机器学习开发伪新闻模型
通过机器学习算法,在两个公开数据集上进行实验分析,研究了如何检测和区分真假新闻,结果表明采用了三种分类器:被动型侵略性、朴素贝叶斯和支持向量机,这种方法具有良好的性能表现。
- 用判别滤波器和孪生网络进行视觉物体追踪:一项调查和展望
该论文系统评估了 90 多个基于 DCFs 和深度 Siamese Network 的跟踪器在九个基准测试中的表现,讨论了这两种跟踪范例中相同和不同的挑战,并分析了它们的性能,最后给出了基于分析的挑战建议。
- ICCV第一人称视角对物体追踪具有挑战性吗?
本研究对第一人称视角(FPV)下的目标物追踪进行了系统性的研究和性能分析,使用了新的性能测量方法和追踪算法测试数据集 TREK-150,表明 FPV 下的物体追踪存在挑战性,需要进行更多的研究以促进 FPV 相关任务发展。
- NeuralPDE:使用误差逼近自动化物理特解神经网络(PINNs)
本文详细解释了物理启发神经网络(PINNs)内部运作机制,提出了结合数值积分的新的损失函数,介绍了扩展损失函数在参数估计和算子发现中的应用,并展示了如何使用纯符号公式生成全部的训练代码;随后给出了详细的性能分析来展示在大量偏微分方程(PDE - FineAction:用于时间动作本地化的细粒度视频数据集
开发了一个新的大规模、细粒度视频数据集 FineAction,共包含 106 个动作类别的 103k 个时间实例,在 17k 个未修剪的视频中进行了注释,用于对时间动作定位进行基准测试,并深入分析了细粒度实例对时间动作定位的影响。