原创 必讀論文 | 雲機器人必讀論文10篇

雲機器人(Cloud Robotics)是雲計算和機器人的交叉學科並且是機器人領域的一個重大熱點新方向,它運用雲計算的強大運算和存儲能力,給機器人提供一個更智能的“大腦”,在增強單個機器人的能力,執行提供複雜功能任務和服務的同時,還可以

原创 必讀論文 | 機器交互必讀論文8篇

人機交互技術(Human-Computer Interaction Techniques)是指通過計算機輸入、輸出設備,以有效的方式實現人與計算機對話的技術。人機交互技術包括機器通過輸出或顯示設備給人提供大量有關信息及提示請示等,人通過

原创 ICLR 2020 | reformer高效處理長序列,單機能跑,計算資源貧困人士的福音

基於Transformer的各種巨型模型在各種自然語言處理任務中常常能夠取得最優結果,但這些模型的訓練成本往往過高,在針對長序列文本上尤甚。爲此,本文提出兩種技術以改善基於Transformer的這類模型,名爲Reformer。第一,使

原创 必讀論文 | 卷積神經網絡百篇經典論文推薦

作爲深度學習的代表算法之一,卷積神經網絡(Convolutional Neural Networks,CNN)在計算機視覺、分類等領域上,都取得了當前最好的效果。 卷積神經網絡的前世今生 卷積神經網絡的發展,最早可以追溯到1962年,

原创 《人工智能之學術搜索》報告重磅發佈:呈現知識和算法雙引擎驅動的未來發展趨勢 | 附報告PDF下載

【導讀】近日,由清華大學人工智能研究院、清華-中國工程院知識智能聯合研究中心和智譜AI聯合發佈了《人工智能之學術搜索》報告。報告顯示,得益於人工智能技術的不斷引入,未來學術搜索產品將呈現出知識融合與推理、智能挖掘高精度算法雙引擎驅動的發

原创 ICLR 2020|ELECTRA

MLM(Masked language modeling)方式的預訓練語言模型如BERT是在輸入上用[MASK]遮蔽掉部分tokens,再訓練一個模型以重建出原始的tokens。這種方式遷移到下游NLP任務時能夠得到較好的結果,已然成爲

原创 必讀論文|20篇強化學習研究必讀論文速遞

強化學習是機器學習中的一個領域,強調如何基於環境而行動,以取得最大化的預期利益。其靈感來源於心理學中的行爲主義理論,即有機體如何在環境給予的獎勵或懲罰的刺激下,逐步形成對刺激的預期,產生能獲得最大利益的習慣性行爲。 本期Aminer特

原创 ICLR 2020|知識圖譜推理框架:基於向量空間的推理和數值邏輯推理

2篇ICLR 2020 推理主題論文解讀 ICLR專題 知識圖譜作爲人類知識的載體,蘊含着豐富的語義知識,因此支撐着許多上游的應用,例如問答,推薦等。基於知識圖譜的推理作爲知識圖譜問答的基礎,也是有着不同的解決框架,本文解讀了兩篇不同框架

原创 必讀論文|20篇聊天機器人領域必讀論文速遞

聊天機器人(Chatbot)是經由對話或文字進行交談的計算機程序。其能夠模擬人類對話,通過圖靈測試。自 1966 年以來人類從未停止過對聊天機器人的探索。現如今,蘋果語音助手 Siri,微軟的小冰、小娜、Rinna、Tay、Zo、Ruk 

原创 必讀論文|知識圖譜必讀論文10篇

知識圖譜Topic必讀論文 知識圖譜的概念最早起源於Google在2012年提出的Knowledge Graph。知識圖譜本質上是一種語義網絡。其結點代表實體(entity)或者概念(concept),邊代表實體/概念之間的各種語義關係。

原创 必讀論文|百篇最值得一讀的“認知圖譜”經典論

當你站在人臉識別門禁閘口,掃臉,綠燈亮通過,就可以任意進出宿舍樓、圖書館、教學區等各種校內場所,你也許會想:機器認識我嗎? 認知圖譜Topic必讀論文 當你站在人臉識別門禁閘口,掃臉,綠燈亮通過,就可以任意進出宿舍樓、圖書館、教學區等各種

原创 必讀論文|信息檢索與推薦必讀論文10篇

AMiner研究團隊開發出一款利用人工智能(AI)技術、幫助科研工作者閱讀論文的智能論文搜索工具。該工具可以展示出該領域的必讀論文,並且對所選論文進行“智能”閱讀,反饋給你該論文的綜述、研究方法及主要結論,即幫你快速閱讀文獻,大大地節省了

原创 必讀論文|機器學習必讀論文20篇

機器學習Topic必讀論文 學術文獻代表着研究熱點與技術前沿,過去10多年間,學術文獻出現了爆炸式增長。對很多初學者來說,如何正確找到自己研究領域的切入點成了一件非常痛苦的事兒。不必苦惱,小編這裏有神奇推薦辣!擁有AI賦能的科技大數據檢索

原创 新星涌現!ICLR 2020華人學者交出亮眼“成績單”

史上首次在非洲舉行的 AI 線上頂會——ICLR 2020 將於今日於埃塞俄比亞首都亞斯亞貝巴正式開幕。 來自機器學習領域的衆多大牛,諸如機器學習泰斗、美國三院院士 Michael I. Jordan,“卷積網絡之父”Yann LeC

原创 ICLR 2020|互信息視角下的表徵學習

兩篇和互信息相關的論文 點擊查看ICLR更多論文信息 互信息(MI)在表徵學習中廣泛被用到,但由於其intractable的性質,很多方法只是將其一個下界作爲優化的目標。本文簡單闡述了兩篇文章,其中一篇將如今的詞表示學習方法統一到MI