- 关于马尔可夫奖励的表现力
本论文研究奖励作为捕捉代理应执行任务的方式的表达能力,并针对可期望的三种新的任务抽象概念(接受的行为集、行为的偏序关系或轨迹的偏序关系),提供了一组构造马尔可夫奖励函数的多项式时间算法,使代理能够优化每种类型的任务,并正确判断不存在这种奖励 - 胸部 X 光分析的深度学习:一份调查
本文回顾了使用深度学习对胸部 X 射线摄影进行分析的所有研究,并对图像级预测(分类和回归)、分割、定位、图像生成和领域自适应的工作进行了分类。同时详细介绍了商业应用,并提供了关于现有技术水平和未来潜在方向的全面讨论。
- ACLIndoNLU: 评估印度尼西亚语自然语言理解的基准和资源
本研究引入了印度尼西亚自然语言理解(IndoNLU)任务的第一个巨大资源及其预训练模型 IndoBERT,包括从单句分类到对句子序列标记的 12 个任务,并提供了基准模型和评估框架以使每个人都能评估自己的系统性能。
- 多任务学习增强对抗鲁棒性
深度网络在计算机视觉方面的准确性很高,但仍然容易受到对抗性攻击。本文理论和实验分析表明,训练模型的对抗鲁棒性与其训练任务的数量有关,多任务训练可以提高模型对单个任务的对抗攻击鲁棒性。尽管对抗防御仍是一个挑战,但本研究表明深度网络之所以容易受 - ACL给我方便,给她死亡:谁应该决定 NLP 的适当用途,以及基于什么?
本文讨论伦理学问题如何限制 NLP 研究,重点关注数据声明在伦理评估研究中的作用,同时讨论其他科学领域中类似辩论的结果。
- 情感分析:从文本自动检测情感倾向、情绪及其他感性状态
本文介绍了机器学习在情感分析领域的最新进展,并对情感分析的起源、任务、挑战、方法和资源使用以及应用进行了概述。此外,文中还讨论了情感分析存在潜在有害影响的问题,并介绍了追求情感分析公平性的最新研究方向。
- 关于食品计算的调查
该研究综述了食品计算的各种新兴概念、方法和任务,总结了面临的主要挑战和未来发展方向,并为从事不同食品相关领域的研究人员和实践者提供了一些研究研究和技术的收藏。
- 神经记忆网络分类
本文提出了一种基于内存组织的记忆网络分类法,并分析了流行的记忆网络,包括 vanilla RNN、LSTM、神经堆栈和神经图灵机以及它们的变体,在一个统一的框架下显示它们相对的表达能力;本文还分析了这些网络之间的差异和共同点,并将这些差异与 - NIPS重复逆强化学习
介绍了一种新颖的反向强化学习问题:代理人必须代表人类执行一系列任务,并希望在行动不符合人类期望时最小化惊讶人类的任务数量,每当人类感到惊讶,代理人会提供人类所期望的行为演示。
- ACL跨语言单词嵌入模型的实证比较
通过系统比较四种不同的方法,本研究对于在四个不同语言对上诱导跨语言词向量的方法进行了评估,包括内在评估和外在评估,并展示在某些任务上,廉价监督模型的性能是有竞争力的。
- 构建自然语言生成系统
研究人工智能自然语言生成系统 (NLG),探讨其任务与应用,介绍 NLG 领域基本知识给潜在的合作伙伴。