智能设备/NEWS CENTER

腾讯AI Lab成果优异 多篇论文入选三大国际顶级学

发布时间:2017-12-29

  腾讯人工智能实验室杰出多篇论文入选三大国际顶级学术会议

  1. CVPR(IEEE计算机视觉与模式识别国际会议)CVPR是近十年来计算机视觉领域最具影响力和最全面的学术会议,由IEEE(电气与电子工程师协会)2017 Google Scholar以论文引用和CVPR排名第一,计算机视觉领域名列前茅,今年CVPR共审查了2620篇文章,收集了783篇文章,合格率为29%,口头报告接受率仅为2.65%。腾讯十大实验室计算机视觉主任刘伟介绍说:“CVPR的口头报告一般都是当年最前沿的研究课题,影响着学术界和行业,每年CVPR都集成了一些最着名的斯坦福大学和Google和科技公司等世界大学。“来自腾讯AI Lab的6篇论文被选为CVPR论文1:视频的实时神经风格转换采用深度前向卷积神经网络,探索视频艺术风格的快速迁移和新的两帧协同训练机制,保持视频时域一致性,消除闪烁缺陷,保证视频风格的实时迁移,高品质和高效率。 WSISA:从整张幻灯片组织病理图像中进行生存预测本文提出了一种全尺寸的,未标记的,基于病理学的,患者 - 生存 - 有效的预测方法WSISA,该方法在三个不同的肺癌和脑癌数据库上执行除了小图像为基础的方法,有效支持了大数据时代的精准个性化医疗。针对图像描述生成任务,SCA-CNN基于卷积网络的多层特征动态生成文本描述,然后对文本生成过程中的空间和信道上的注意模型进行建模。本文提出了一种依靠检测器本身来不断提高训练样本质量,不断提高检测器性能的新方法,从而解决训练样本弱检测性能瓶颈问题 - 监督目标。论文五:不同的图像标注本文提出了一种新的自动图像标注目标,它使用少量的分集标签来表达尽可能多的图像信息。该目标充分利用标签之间的语义关系,使得自动标注结果更符合人体标注。基于曼哈顿结构和对称性信息,提出了一种新的单幅图像三维重建和三维重建的方法提出了一种结构化的多幅图像。 2.ACL(国际计算机语言协会)ACL是计算语言学界最重要的国际会议,今年是第55届。会议涵盖生物医学,认知建模与心理语言学,交互对话系统,机器翻译等领域。今年有194篇散文,107篇短文,21篇软件介绍,21篇主题演讲。在2017年,Google学术搜索排名是按引用率排列的,ACL是计算机语言学和自然语言处理领域的国际学术年。 Tenlab人工智能实验室副主任余东表示:“自然语言的理解,表达,生成和转换一直是自然语言处理的核心,在今年的ACL中有了许多新的思路和方法。今年的ACL涉及自然语言处理的各个方面在语义分析,语义角色标注,基于语义和语法的自然语言生成,机器翻译和问答系统方向方面尤其有趣。 “腾讯人工智能实验室主任张彤介绍说,”ACL早期使用语法和规则随着自然语言的分析,20世纪90年代以来,随着最不发达国家代表的自然语言数据集的扩展(语言数据联盟),统计自然语言的方法已经变得越来越重要,已经成为计算语言学的主流,互联网的快速发展以及以自然语言为模型的人机交互的兴起,给自然语言研究和非常高的价值“。腾讯AI实验室为ACL选择的三篇文章论文1:神经机器翻译的源语法建模本文将一系列句法标注转换为源语句的轻量级方法将法律信息引入神经网络翻译系统已经显示出显着提高翻译性能。在本文中,引入了一个额外的块神经网络层来生成从块到单词层次的翻译,这有助于对神经网络翻译系统的短语水平进行建模。实验表明,这种方法在很多语言中可以显着提高翻译效果。论文3:用于文本分类的深金字塔卷积神经网络本文提出了一种能有效表达长距离文本的复杂字粒度CNN。本文研究如何加深字粒度CNN来全局表达文本,找到一个简单的网络结构,通过增加网络深度来提高精度,但不会增加太多的计算复杂度。实验表明,15层DPCNN实现了六种情感和主题分类任务的当前结果。 3.ICML(国际机器学习会议)机器学习是人工智能的核心技术,ICML是两个最重要的机器学习学习会议之一(另一个是NIPS)。 ICML起源于1980年由卡耐基梅隆大学主办的机器学习研讨会,现在由国际机器学习协会(IMLS)主办。 2017 Google学术搜索排名“机器学习”关键字排名第一。腾讯人工智能实验室主任张彤博士介绍说:“许多经典论文和算法,如CRF,都在ICML上发表,包括所有与机器学习有关的研究,包括非常流行的深度学习,近年来的优化算法和统计模型和图形模型等。早期ICML更加注重实验和应用,而NIPS则更注重模型和算法,但近年来两会之间却趋于一致。 “ICML选择的10个实验室AI实验室中的四篇文章论文1:扩展稀疏支持向量本文提出了第一个在模型训练开始之前可以同时检测和去除非活动样本和稀疏SVM特征的筛选算法,理论证明本文提出了一种求解非光滑复凸优化问题的新算子分裂算法,该算法采用高斯 - 赛德尔迭代和算子分裂技术,本文提出了一种在高维大数据下更有效地学习稀疏线性模型的分布式算法,当单机训练样本为足够了,该算法可以学习统计误差模型w只有一轮沟通。即使单个机器样本不足,学习统计误差模型的通信成本也只随着机器数量的对数而增加,而不依赖于其他条件数量。论文4:网络中无投影分布式在线学习本文提出了一种分散式分布式在线条件梯度算法。该算法将条件梯度的自由投影特征扩展到分布式在线场景,解决了传统算法需要复杂投影操作,能够有效处理分散流数据的问题。另外,我们被邀请参加以下三个会议:SIGIR(国际计算机协会信息检索会议)在东京从8月7日到11日,并且选择了3篇文章。 8月19 - 25日在墨尔本举行的IJCAI(国际人工智能联合会)上,选择了6篇论文。并于9月7日至9月11日在哥本哈根举行了EMNLP(自然语言处理实证方法会议),并选出了7篇文章。

云顶娱乐平台

2017-12-29

更多内容,敬请关注:

云顶娱乐平台官网:/

云顶娱乐平台新浪官方微博:@云顶娱乐平台

云顶娱乐平台发布微信号: