
图表征学习的创新
表示实体之间关系的关系数据在网络(例如在线社交网络)和物理世界(例如蛋白质相互作用网络)中无处不在。此类数据可以表示为具有节点(例如用户、蛋白质)和连接节点(例如友谊关系、蛋白质相互作用)的边的图。鉴于图的广泛流行,图分析在机器学习中起着基...
表示实体之间关系的关系数据在网络(例如在线社交网络)和物理世界(例如蛋白质相互作用网络)中无处不在。此类数据可以表示为具有节点(例如用户、蛋白质)和连接节点(例如友谊关系、蛋白质相互作用)的边的图。鉴于图的广泛流行,图分析在机器学习中起着基...
全球有数亿人依靠公共交通进行日常通勤,而全球超过一半的交通出行都涉及公交车。随着全球城市不断增长,通勤者想要知道何时会出现延误,尤其是公交车,因为公交车很容易被交通堵塞。虽然谷歌地图提供的公共交通路线由许多提供实时数据的交通机构提供,但由于...
深度 神经网络(DNN) 是机器学习最新进展的基石,并推动了图像识别、图像分割、机器翻译等多种任务的最新突破。然而,尽管它们无处不在,研究人员仍在试图充分了解支配它们的潜在原理。特别是,传统设置中的经典理论(例如VC 维数和Rademach...
深度学习的成功很大程度上得益于算法的进步、并行处理硬件(GPU / TPU )以及ImageNet等大规模标记数据集的可用性等关键因素。然而,当标记数据稀缺时,训练神经网络以使其表现良好可能会很困难。在这种情况下,可以应用数据增强方法(例如...
自去年推出 以来,“英语通用句子编码器 (USE) ”已成为Tensorflow Hub中下载次数最多的预训练文本模块之一,它提供了多功能的句子嵌入模型,可将句子转换为向量表示。这些向量捕获了丰富的语义信息,可用于训练分类器以执行广泛的下游...
机器学习 (ML) 的进步已显示出在协助医疗专业人员工作方面的巨大潜力,例如协助检测糖尿病眼病和转移性乳腺癌。虽然高性能算法对于赢得临床医生的信任和采用必不可少,但它们并不总是足够的——向医生呈现什么信息以及医生如何与这些信息互动,可能是决...
世界上最快的超级计算机是为模拟物理现象而设计的,但它们的速度仍然不足以稳健地预测气候变化的影响、设计基于气流的飞机控制装置或准确模拟聚变反应堆。所有这些现象都由偏微分方程(PDE) 建模,偏微分方程是描述物理世界中所有平滑和连续事物的方程类...
几十年来,正如摩尔定律 所描述的,通过减小每个芯片内晶体管的尺寸,计算机处理器每隔几年就能将其性能提高一倍。随着减小晶体管尺寸变得越来越困难,业界重新将重点放在开发特定领域的架构(例如硬件加速器)上,以继续提高计算能力。对于机器学习来说尤其...
近年来,使用Transformer 模型的神经机器翻译(NMT)取得了巨大成功。基于深度神经网络的NMT 模型通常以完全数据驱动的方式在非常大的平行语料库(输入/输出文本对)上进行端到端训练,而无需强加明确的语言规则。 尽管取得了巨大的成功...
连接组学研究 的目标是绘制大脑的“接线图”,以了解神经系统的工作原理。近期研究的主要目标是果蝇( Drosophila melanogaster)的大脑,果蝇是生物学中公认的研究动物。果蝇研究已获得八项诺贝尔奖,这些研究推动了分子生物学、遗...