本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

报码:6篇论文被IJCAI 2017接收,腾讯邀你在墨尔本共叙

时间:2017-08-12 20:16来源:118论坛 作者:118KJ 点击:
活动 | 6篇论文被IJCAI 2017接收,腾讯邀你在墨尔本共叙AI 2017-08-12 09:33 来源:机器之心 人工智能/技术/腾讯 原标题:活动 | 6篇论文被IJCAI 2017接收,腾讯邀你在墨尔本共叙AI 人工智能领域

活动 | 2017/0207/199765.html">6篇论文被IJCAI 2017接收腾讯你在墨尔本共叙AI

2017-08-12 09:33 来源:机器之心 人工智能 /技术 /腾讯

原标题:活动 | 6篇论文被IJCAI 2017接收,腾讯邀你在墨尔本共叙AI

人工智能领域顶级学术会议 IJCAI 2017 即将开幕,腾讯将携手机器之心于大会期间举办青年学者技术分享酒会,邀请来自腾讯核心业务部门负责人与青年学者进行技术分享交流。

报码:6篇论文被IJCAI 2017接收,腾讯邀你在墨尔本共叙

8 月 19 日—8 月 25 日,IJCAI 2017 将在澳大利亚墨尔本正式开启。该会议聚集人工智能领域顶尖研究者和优秀从业者,关注研讨领域涵盖机器学习、计算可持续性、图像识别等,对全球人工智能行业具有巨大影响力。

IJCAI(人工智能国际联合大会)是人工智能领域的顶级综合会议,被中国计算机学会推荐国际学术会议列表认定为 A 类会议。从 1969 年到 2016 年,该大会在每个奇数年举办,目前已连续举办 25 届;随着近年来人工智能领域的研究和应用的持续升温,从 2016 年开始,j2直播,IJCAI 正式改为每年一届。

人工智能逐渐渗透到各个行业领域、推动创新与变革,与之共同演进的是,人工智能生态圈前沿技术的研究与突破,越来越多国内企业和学者也在积极参与 IJCAI 并发表论文。

今年,IJCAI 共收到 2540 篇论文投稿,最终录用 660 篇,录用率 26%。其中腾讯有 6 篇论文被接收,开奖,论文列表如下:

论文一:Variational Deep Embedding: An Unsupervised and Generative Approach to Clustering

本论文提出了变分深度嵌入(Variational Deep Embedding/VaDE)方法,VaDE 是一种在变分自编器(VAE)框架下的新型无监督生成聚类方法。实验表明,该方法在五个基准测试中都达到目前最好的性能,它显著地优于以前的无监督聚类方法。

地址:https://www.ijcai.org/proceedings/2017/0273.pdf

论文二:Using Graphs of Classifiers to Impose Declarative Constraints on Semisupervised Learning

本论文提出一种对半监督学习(SSL)算法建模的一般方法。具体来说,本论文提出了一种说明式语言(declarative language)来对传统的监督学习和许多 SSL 启发式任务建模。在实验中,该方法在基于链接的(link-based)文本分类基准上取得了性能提升,在两个现实领域间的关系提取任务上实现了当前最优水平。

地址:https://www.ijcai.org/proceedings/2017/0201.pdf

论文三:Theoretic Analysis and Extremely Easy Algorithms for Domain Adaptive Feature Learning

在此论文中,作者们给出了在域适应中联合线性分类器一起使用的特征学习算法的综合分析。分析表明,为了取得好的适应表现,原域分布与目标域分布的第二个 moments 应该类似。且基于该分析,作者们提出了一种全新的、极其简单的特征学习算法进行域适应。此外,该算法通过利用多个层进行拓展,能带来深度线性模型。

地址:https://www.ijcai.org/proceedings/2017/0272.pdf

论文四:Fast Preprocessing for Robust Exemplar-Based Face Sketch Synthesis

作者们提出一种名为 Bidirectional Luminance Remapping(BLR)的快速处理方法,能够交互式的调整训练图片与输入图片的亮度。该方法能够直接融合目前顶级的基于样本的方法,从而以可忽略不计的计算成本改进稳健性。

地址:https://www.ijcai.org/proceedings/2017/0632.pdf

论文五:Learning to Hallucinate Face Images via Component Generation and Enhancement

本文提出了一种新的面部轮廓细化方式。首先,使用 CNN 生成输入图像的面部组件;然后,基于高分辨率训练图像生成面部细节。这些细节被组合到面部组件上以形成图像增强的结果。

地址:https://www.ijcai.org/proceedings/2017/0633.pdf

论文六:Fast Feature Matching by Preserving Local Neighborhood Structure(论文未公开)

从 AI Lab、微信-香港科技大学人工智能联合实验室(WHAT LAB)到腾讯优图,从腾讯视频、地图、微信到互娱等部门;腾讯如何布局 AI 技术研究、如何利用 AI 重塑业务产品,一直是 AI 行业的热门话题。

(责任编辑:本港台直播)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容