- 鲁棒熵搜索的安全高效贝叶斯优化
通过开发高效的信息获取函数 Robust Entropy Search(RES),我们在合成数据和真实数据的实验中实证其优点,并展示了 RES 相对于最先进算法的优越性,从而解决了工程应用中贝叶斯优化(BO)的高采样效率和找到稳健解决方案的 - 强化学习的苦涩教训:行动者 - 评论家中的高估、过拟合和可塑性
通过在多个仿真场景中测试超过 60 种不同的 off-policy 智能体,并结合最新的正则化技术,我们发现适当进行正则化的简单 Soft Actor-Critic 智能体在解决狗任务方面表现出稳健而优越的性能。
- 无参数随机优化有多自由?
该文章研究了无参数随机优化问题,探讨在什么条件下能够存在完全无参数的方法,并且通过简单的超参数搜索技术,证明了在凸和非凸环境下,可以实现优于当前先进算法的完全无参数方法。同时,对于仅有随机梯度的情况,该研究还提供了基于下限的 (部分) 无参 - ICCV多类细胞核检测的一致仿射变换
本文提出了一种新的 Affine-Consistent Transformer(AC-Former)方法,通过全局和局部子网络的协同训练,直接产生一个核位置序列;同时引入了 Adaptive Affine Transformer(AAT)模 - 用概率树状态抽象加速蒙特卡罗树搜索
通过引入概率树状态抽象(PTSA)算法,改善了常见的蒙特卡罗树搜索(MCTS)算法的搜索效率,并且与最先进的算法结合使用,降低了 10% 至 45% 的搜索空间。
- 关于具有否定语义的序列模式的调查
该研究探讨了在顺序模式中使用否定符号的语义解释的直观性,并分析了用户对不同语义的认知。结果表明,两种语义较为直观,但与现有先进算法的语义并不一致,因此提出了对这种差异进行考虑的建议。
- 一种应用于微波层析成像的稀疏编码逆问题方法
通过对图像的稀疏表达进行训练,应用于微波断层成像中,可以解决非线性和病态问题,从而显著改进现有算法。
- 图像线段检测与描述的全面综述:分类、比较与挑战
综述了关于二维图像线段的检测和描述的研究,提出了两个线段检测和描述的分类,并分析和总结了现有的方法的关键问题、核心思想、优缺点以及其潜在的应用,同时评估了一些最新的线段检测和描述算法,以指导研究人员选择最佳的方法进行视觉应用。
- MiddleGAN:用于无监督领域自适应的生成领域无关样本
本研究提出了一种新型生成对抗网络(MiddleGAN),通过输入源域和目标域相似的样本生成领域无关样本,以训练处理目标领域分类任务的分类器,通过在 24 个基准测试中的实验证明,在特定的基准中,MiddleGAN 在现有算法中的表现出了高达 - 图书推荐中的流行偏见不公平现象
本文研究了阅读领域中流行度偏见的问题,并发现大多数现有最先进的推荐算法都存在流行度偏见,不能满足用户的不同口味需求,而侧重畅销图书的用户则更容易获得高质量的推荐建议。同时,本研究表明,在涉及到偏好多样性的用户群体中,个性化能力强的算法会受到 - ICCVBioFors: 一个大型生物医学图像取证数据集
本研究提出 BioFors 数据集,用于基于图像的生物医学研究文件的篡改检测。该数据集分为四类图像,并针对外部复制检测、内部复制检测和剪切 / 锐变检测提出了三种任务,对其中的所有任务进行了测试并评估了现有算法的表现。结果表明,现有的算法在 - ICLR神经科学和强化学习之间的学习差距
本研究介绍了人工智能与神经科学的联系,探讨了强化学习算法在神经科学领域的应用,通过扩展 T 型迷宫任务进行实验验证表明,现有算法无法解决该问题,并提出神经科学的见解可能有助于解释部分问题。
- 遮挡视频实例分割:基准
我们收集了一个大规模的被遮挡的视频实例分割数据集,即检测,在遮挡场景中同时分割和跟踪实例,实验表明,现有的视频理解系统无法理解这些被遮挡的实例,我们还提出了一个简单的插件模块,用于补充遮挡引起的缺失对象线索,建立在 MaskTrack R- - CVPRBasicVSR: 视频超分辨率及其关键组件的探索
通过使用传播、对准、聚合和上采样 4 个基本功能为指导,本研究重新考虑了 VSR 的一些关键内容,并展示了一个称为 BasicVSR 的简明流程,在与许多现有算法相比,实现了在速度和恢复质量方面的显着提高。通过系统分析来解释如何获得这种增益 - 具有线性收敛率的分散近端梯度算法
本文研究了一类非光滑的分散式多智能体最优化问题,该代理旨在最小化局部强凸光滑组成部分和一个共同的非光滑项。我们提出了一个通用的原始对偶算法框架,统一了许多现有的最先进的算法。我们在非光滑项存在的情况下,证明了所提出的方法向确切解的线性收敛。 - ICCV无监督图表示学习的对称图卷积自编码器
该论文介绍了一种基于对称图卷积自编码器的方法,通过 Laplacian Sharpening 生成潜在特征来增强网络性能,进一步证明了该模型的稳定性和鲁棒性
- 自适应深度核学习
该研究基于深度神经网络学习参数化的内核算子,在 few-shot 回归任务中学习内核家族,从而使算法能够识别每个任务的适当内核,并通过实际应用于药物发现领域的 few-shot 回归任务与现有算法进行比较,表明其在复杂任务分布和状态下的性能 - ALiPy: Python 中的主动学习
本文介绍了一个名为 ALiPy 的 Python 工具箱,可用于实现最新的有监督学习和主动学习算法,并支持多标签数据、噪声注释者和各种成本等不同的主动学习设置。该工具箱在 Github 上有完整的开源文档,可通过 PyPI 轻松安装。
- NIPS图分类的简单基线算法
提出一种快速、基于图拉普拉斯光谱分解的算法来进行图分类,与现有先进算法相比取得了竞争性的结果。
- YouTube-VOS: 一个大规模的视频目标分割基准测试
此篇论文介绍了一个新的大型视频对象分割数据集(YouTube-VOS),目前是已知最大的数据集之一,其中包含 4,453 个 YouTube 视频剪辑和 94 个物体类别,并在此数据集上评估了几种现有的最先进的视频对象分割算法,以建立未来新