機器學習及其應(yīng)用2021

深度學習中的優(yōu)化方法 王立威楊運昌
1 引言
2 梯度下降方法的全局收斂性
3 Gram-Gauss-Newton方法
4 實驗
5 小結(jié)
參考文獻
結(jié)構(gòu)化剪枝綜述 吳建鑫王環(huán)宇張永順
1 引言
2 剪枝方式介紹
3 剪枝算法
4 討論與展望
參考文獻
Efficient Neural Speech Synthesis Tao Qin
1Introduction
2Inference Efficiency： FastSpeech Series
3Data Efficiency： DualSpeech and LRSpeech
4Parameter Efficiency： LightSpeech and AdaSpeech Series
5Summary
References
面向開放世界的分類器學習 劉成林
1 引言
2 開放世界的模式分類和學習問題
3 面向開放集的分類決策規(guī)則
4 面向開放集的分類器設(shè)計與學習
5 面向開放集的卷積原型網(wǎng)絡(luò)
6 小結(jié)
參考文獻
釋放標記空間的威力：標記增強 耿新徐寧高永標王秋鋒
1 引言
2 標記增強方法
3 標記增強理論解釋
4 標記增強的應(yīng)用
5 結(jié)束語
參考文獻
因果推斷與因果性學習 陳薇蔡瑞初郝志峰張坤
1 引言
2 經(jīng)典因果推斷方法
3 隱變量場景下的因果推斷
4 非穩(wěn)態(tài)/異質(zhì)數(shù)據(jù)場景下的因果推斷
5 因果性學習
6 小結(jié)及討論
參考文獻
機器學習中基于Wasserstein距離的分布魯棒優(yōu)化模型與算法 蘇文藻
1 引言
2 基于Wasserstein距離的分布魯棒優(yōu)化問題
3 分布魯棒監(jiān)督學習
4 對抗訓練
5 總結(jié)和展望
參考文獻
基于環(huán)境模型的強化學習研究進展 俞揚
1 引言
2 相關(guān)背景
3 基于對抗生成的環(huán)境模型學習
4 在淘寶#任務(wù)中的環(huán)境模型學習
5 在滴滴出行#任務(wù)中的環(huán)境模型學習
6 結(jié)束語
參考文獻
自適應(yīng)迭代與采樣的黑盒對抗攻擊方法 韓亞洪石育澄
1 引言
2 相關(guān)工作
3 CURLS&WHEY攻擊
4 適應(yīng)性對抗邊界攻擊
5 實驗
6 總結(jié)
參考文獻
對抗機器學習：攻擊、防御與模型魯棒性評估 易津鋒
1 引言
2 對抗攻擊
3 對抗防御
4 模型魯棒性評估
5 總結(jié)與展望
參考文獻
基于城市視覺大數(shù)據(jù)的交通預(yù)測與調(diào)度
余正旭魏龍金仲明黃建強華先勝
1 引言
2 視頻異常檢測及長尾分類方法
3 基于卷積長短時記憶網(wǎng)絡(luò)的漸進學習方法
4 預(yù)測與干預(yù)融合的區(qū)域交通信號燈穩(wěn)定控制方法
5 總結(jié)
參考文獻
基于深度學習的命名實體識別 黃萱菁桂韜李孝男馬若恬
1 引言
2 相關(guān)工作
3 基于深度學習的命名實體識別
4 總結(jié)和展望
參考文獻
從Transformer到BERT：自然語言表示學習的新進展 邱錫鵬
1 引言
2 背景介紹
3 預(yù)訓練模型概述
4 預(yù)訓練模型拓展
5 展望和總結(jié)
參考文獻
基于機器學習的腦解碼方法研究 張道強黃碩Muhammad Yousefnezhad
1 引言
2 多被試者神經(jīng)影像的功能校準
3 多站點功能影像的共享空間遷移學習
4 類別不ping衡條件下的腦解碼方法
5 深度表征相似性學習
6 easyfMRI——人腦解碼和可視化工具箱
7 總結(jié)與展望
參考文獻