宝马娱乐7008

  • <tr id='1xz3Pw'><strong id='1xz3Pw'></strong><small id='1xz3Pw'></small><button id='1xz3Pw'></button><li id='1xz3Pw'><noscript id='1xz3Pw'><big id='1xz3Pw'></big><dt id='1xz3Pw'></dt></noscript></li></tr><ol id='1xz3Pw'><option id='1xz3Pw'><table id='1xz3Pw'><blockquote id='1xz3Pw'><tbody id='1xz3Pw'></tbody></blockquote></table></option></ol><u id='1xz3Pw'></u><kbd id='1xz3Pw'><kbd id='1xz3Pw'></kbd></kbd>

    <code id='1xz3Pw'><strong id='1xz3Pw'></strong></code>

    <fieldset id='1xz3Pw'></fieldset>
          <span id='1xz3Pw'></span>

              <ins id='1xz3Pw'></ins>
              <acronym id='1xz3Pw'><em id='1xz3Pw'></em><td id='1xz3Pw'><div id='1xz3Pw'></div></td></acronym><address id='1xz3Pw'><big id='1xz3Pw'><big id='1xz3Pw'></big><legend id='1xz3Pw'></legend></big></address>

              <i id='1xz3Pw'><div id='1xz3Pw'><ins id='1xz3Pw'></ins></div></i>
              <i id='1xz3Pw'></i>
            1. <dl id='1xz3Pw'></dl>
              1. <blockquote id='1xz3Pw'><q id='1xz3Pw'><noscript id='1xz3Pw'></noscript><dt id='1xz3Pw'></dt></q></blockquote><noframes id='1xz3Pw'><i id='1xz3Pw'></i>
                公海贵宾会员55500a8篇論文被NeurIPS 2023錄用
                發布時間:2023-09-28 點擊:

                近日,公海贵宾会员55500a乾旱有8篇論文被人工睿智智能國際頂級會議NeurIPS 2023(Neural Information Processing Systems)錄用,其中6篇來自多媒體可信感知與高效計算教育部重點實驗室。錄用論文簡要介紹如下:

                1. Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models

                本文提出了一種新穎且經濟實惠的解決方案,用於有沉重效地將 LLMs 適應到 VL(視覺語言)任務中,稱為 MMA。MMA 不使用大型神經網絡來連接圖像編碼器和 LLM,而是采用輕量級模塊,即適配器,來彌合 LLMs 和 VL 任務南泉路之間的差距,同時也實現了圖像模型和語言模型的聯合優化。同時,MMA 還配備了一種路由算法,可以幫助 LLM 在不損害其自然語言理解能力的情況下,在單模態和多模態指令之奇珍锤間實現自動切換。

                論文第一作观点者是人工智能系2021級博士生羅根,通訊倒贴作者是紀榮嶸教授,由周奕毅副█教授、孫曉帥副教授和2022級碩士生陳晟新等共同合作完成小鹏。

                2. Improving Adversarial Robustness via Information Bottleneck Distillation

                本文提出了信息瓶頸蒸餾(IBD)方法,用兩種蒸餾策略來分別匹公式配信息瓶頸的兩個優化過程。首先,利用魯棒的軟標簽蒸餾來最大化潛在特征和輸出預測之間的互信息;其次,提出了一種自適應特征蒸餾,可以自動將相武士服關知識從教師模型轉移到目標模型,從而可以限制輸入特征和潛在特征之間的互信息。本文方法在□ 各種基準數據集進行了廣泛的實幻想成真驗,實驗結果證明了所提出的方法可以顯著提高模型的對抗魯棒性。

                論文第一作者是人工智能系2020級博士生匡華峰,通訊作者是紀榮嶸教授,由劉宏博士(日本國立信息研究所)、Shin’ichi Satoh教授(日本國立信息研究所)、吳永堅(騰訊優圖)等共同合作完成。

                3. Parameter and Computation Efficient Transfer Learning for Vision-Language Pre-trained Models

                近年來,視覺語言預訓練(VLP)模纪泽锋型的規模和計算量不斷增加,導致將這些模型遷移到下遊任務時的開銷喷射沙虫也越來越大。最近的研究重點關註了VLP模型參數高效遷移學習(PETL),該方法僅需更新少量參數即可實闪避現模型任務遷移。然而,大量的計算開銷仍然困擾著VLP的應用。因此,本文致力於研究VLP模型參數和計算的高效遷移學習(PCETL)。需要特天宇別註意的是,PCETL不僅要一只限制VLP模型中可訓練參數的數量,還註重減少推理過程中的計算冗余,以實現更高效的傳輸。為實現這一目標,本文提出了一種新的動態架構跳過(DAS)方法。DAS不是直接優化VLP模型的內在架構,而是通過基於強化學龙鄂闪習的過程觀察模塊對下遊任務的重要性,然後使用輕量級網絡跳過冗余模塊。這樣一來,VLP模型的遷移過程≡能夠有效地將可訓練參數保持在較烈焰八卦之火护腕低水平,同時加快紫绸衣下装對下遊任務的推理速度。

                論文第一作者是人工智能研究院2022級博还没吃士生吳穹,通訊作者是紀榮嶸教授,由2022級碩士生余薇、周奕毅副教授、2021級碩士》生黃書濱等共同合作完成。

                4. E2PNet: Event to Point Cloud Registration with Spatio-Temporal Representation Learning

                作為一種新型異步視覺傳感器,事件相機具有極高的時間分辨率可悲和動態範圍,能高性價比地應用於高速、高動凉拌態場景。在事件相機中,各像素對幻瞳族人超過閾值的光照變化進行異步脈沖響應。這一獨特的異步數據流對現有的同步數據處理方式帶來了新的挑戰。現有方法在事件表示過程中損失了大量的時間細節與時空關聯信息,不利於高速、高動態場景。針對這一問題,本論文提出將原始让王晨阳事件相機數據建模為特殊時空點雲,使用基於點的學習方法自適應地提取重要的時間細節和時空關聯信息,並將其表示為網格化特征我们所有向量。論文提出的時空胡燕龙分離註意力機制有效的克服了事件數據中時間與空間維度的不同物理意義、量綱、分布帶來周庄梦蝶处的挑戰,並且能夠以模塊化方式嵌入現有事件相機相笑死關算法中。提出的事件學習表示模塊可結合後續任務進行端到端學習達到更好的性能。論文塔狱在事件-三維點雲模型註冊任務的多個場景蜡炬成灰泪始干中進行了一级衣之魂充分實驗,證明了本文表示學習方法的有只能用效性。同時,該方法直接嵌入各類基於事件相機的光流估从妖怪身上获得可疑的物品計、目標識別等任務中同樣取得了性能提升,證明了該方法在其他任務中具有泛化性。

                論文共云水同第一作者是博士生林修弘和碩士生邱≡暢傑,通訊作者是沈思淇助理教授,由王程教授、臧彧副教授、劉偉權博争取士、蔡誌鵬博士(英面膜特爾公司)、Matthias Müller博士共同完成。

                5. RiskQ: Risk-sensitive Multi-Agent Reinforcement Learning Value Factorization

                這個工作是信▲息學院NeurIPS 2022年松紧亮點論文ResQ的擴展眩光镜和深化。傳統的多智能體價值分解算法普遍通過最大新曆化Q值(價值分布的期望)來選取智能體的最優動作。但是在具有高度不確定↓性的多智能體環境中,由於存在著一些會帶來極高/低獎勵的睡觉了小概率事件,因此最大化期望值的算法並不總能保證得王电到最優解。針對這一問題,本論文對多智能體協同強化學習中常用的個體全局最優桃叶化原則(IGM)進行了擴展,提出了風險敏感的個體全局最優化原則(RIGM),並在理論上證第三种人明了現有的主流價值分解算法無法滿足RIGM原則。之後,本論文提出了RiskQ(基於風險函數的價值分解方法),將聯合價值分布建模為個體價值分布的帶權分位數混合的形式,通過理論驗證其能夠滿足红宝石RIGM原則,且適用於任意扭曲風險指標(Distorted Risk Measure)。論文在懸崖環境、跟車環境以及包含星際爭霸遊戲的多個場景中進行了充分實驗,證明了RiskQ方法的有效性。

                論文第一作者是沈思淇助理教授,通訊作者是符永銓探测护符副教授(國防科技大學),由計算機科學與技術系左手2022級碩士生馬陳楠、2022級碩士生李超、劉偉權博士、王程教授、梅松竹副火焰防御教授(國防科技大學)、劉新旺陈家桥教授(國防科技大學)等合作完成。

                6. ESSEN: Improving Evolution State Estimation for Temporal Networks using Von Neumann Entropy

                本論文面初行者向連續型動態圖表示學習提出了一種改善演化狀態評估被骗的網絡表示模型ESSEN(Evolution StateS awarE Network)。在連▃續型動態圖中,演化狀態評估面臨兩大挑戰:(1)網絡演化多變性挑戰。不同的網⊙絡呈現多樣的演化速度和狀態,無法一概而論;(2)網絡膨脹性挑戰。隨著時間的推移,網絡耳朵演化趨於復雜,鏈路大幅增∞長,使得基於結终极链之魂構的評估方法在時間和空間上需要承擔巨大代古仙價。本文首次在連續型動態圖領域引入了量子類比下的馮諾依曼熵進行演化狀態評估。具體來說,考慮到馮諾依曼熵在大型網絡中拉普拉斯矩陣計算的高復雜度與動態網絡的多變性,本文對網絡拓撲結構進行投影,使用馮·諾依曼熵的近似推估计導式進行計算,使得熵的最終表達式與圖上度分布的二次多項式關补救聯,在較低的代價下實Ψ現演化狀態感知。同時,進一步提出了虛擬演化算法、熵感知註意力機制和混合熱力乱扔學專家評估模塊,提高模型對不同演化狀態下圖的泛化表示能力。實驗結果表明,模型在多個數據集上的直推式和歸納式鏈路預測都取得了目前最優的性能表現。

                論文第一作者是軟件工程系碩士研究生狼奔盾黃祺堯,通訊作者是其導師張誌宏副教授,由軟件工程系碩名扬四海大镖头士研究生張瑩玥和Edwin Hancock教授(英國約克大學)等合作完成。

                7. Learning Re-sampling Methods with Parameter Attribution for Image Super-resolution

                目前主流的深度超乳白色分模型主要關註網絡架構設計以及優化强大策略,忽略了對訓練數據的關註。事實上,大多數超分方法都是在整幅圖像上通過隨機采樣圖像塊對來◣訓練模型。然而,圖像內树上容的不均勻性使得訓練數據呈現不平衡分布,即易重構區域(平滑)占據了大部分數血雨剑據,而難重構區域(邊高龄緣或紋理)的樣本很少。基於這個ω現象,本論文考慮重新思考當前僅使用統一數據采樣方式翔翼九天之戒訓練超分模型的範式,提出了一種簡單而有效的雙采樣參數歸因方法,其中雙采樣包括均勻采樣和反轉采樣,通過引入反轉采樣來調和不平衡的數據偏差。前者旨在保持數據的原始分布,後者旨在增強模型對困難樣本的特征提取能力。此外,引入積分梯度對兩種采樣數據交替訓練的模型中每個參數的貢獻進行歸因,從而篩選出不重加分要的參數進行進一步細化。通過逐步解耦參數的分配,超分模型可以學習到更緊蜗牛壳湊的表示。在公就和開數據集上的實驗表明,本論文所提方法可以顯著提升基線模型的性能。

                論文第一作者是計算機科學與技↑術系2020級博士生羅小同,通訊作者是曲延雲教授,合作者還有謝源教授(華東師範大學)。

                8. Self-Adaptive Motion Tracking against On-body Displacement of Flexible Sensors

                柔李炜性傳感器由於其靈活性和易於集成在可穿戴系統上的優點,在那好人體運動感知方面具有很大潛力。然而,由於可穿戴設備在實際使用場景」中無法牢固佩新港戴在固定位置,傳感器的位置偏移是不那么久可避免的,這種位移會導致復雜的數據分布變化,給後續的機器學習算法帶來重大挑戰。本論文提出了一種自∑ 適應運動跟蹤模型來解決這一挑戰,該模型包含三個組件:i) 輕量級、可學習的仿射變換層,其參數可以調整以有效地適應未知位移導致的數障碍挑战據偏移;ii) 傅裏葉編碼LSTM網絡,可以達到更準去的模荆洋式識別水平;iii) 基於輔助回歸器的序△列差異損失函數,用於無監督地調整仿射變換參數这回。該模型在包隐匿者逐日之链含多個不同穿戴位置的數據集上進行了測試,實驗結果表明,所提方法①在不同的設備穿戴位置下都具有魯棒性。

                論文第一作者是信息學业余院軟件工程系2022級博士生左乘旭,通訊作者是其導師郭詩輝副教授,由人工智能系2020級本科生方家衛、秦祎芃优势助理教授(卡迪夫大學◣)合作完成。


                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com

                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com