<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Arnetminer的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Arnetminer</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Arnetminer]]></copyright><item><title><![CDATA[人工智能发展月报（2022年6月）]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/125848496</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/125848496</guid><author>Arnetminer</author><pubDate>Mon, 18 Jul 2022 14:48:36 +0800</pubDate><description><![CDATA[作者: 智研君浏览量: 918时间: 2022-07-05 09:25关键词: 人工智能，月报，AI，情报及时追踪最新科研动态、洞察前沿热点。 本报告依托科技情报大数据挖掘与服务系统平台 AMiner、新闻事件分析挖掘和搜索系统 NewsMiner，以及人工智能主流新闻网站及公众号，从 AI 学术会议、重大科研进展、人物动态、最新报告发布等角度，分析挖掘了每月人工智能领域所发生的、对领域技术发展产生重大推动作用的事件，旨在帮助 AI 领域研究人员和业内人士及时前沿热点。【本期导读】6 月正值高考季，人工智能]]></description><category></category></item><item><title><![CDATA[ACL2020开幕在即！这些是你需要提前知道的数据]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/107157023</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/107157023</guid><author>Arnetminer</author><pubDate>Mon, 06 Jul 2020 14:01:58 +0800</pubDate><description><![CDATA[ACL2020 即将开幕！早在一个月前，ACL官方就已经给出了本次大会的一般统计，涵盖了ACL2020的接受率、与之前接受率的比较、不同方向接受率和一些国家的统计数据。本月开始，ACL官方将会逐步放出有关提交、评论和其他主题的统计数据。



ACL 2020：创史上投稿量、接收数新高

本次ACL大会共提交了3429篇论文，破了去年创的记录——去年为 2906 篇，增加了523篇！这个数据要是放在两年前来看，当时提交的数据只有1544份，还不到今年的一半！



此外，本次接收的论文数量也...]]></description><category></category></item><item><title><![CDATA[引用量 TOP 10 的ACL历届会议”最佳论文“]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/107079746</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/107079746</guid><author>Arnetminer</author><pubDate>Thu, 02 Jul 2020 10:54:14 +0800</pubDate><description><![CDATA[ACL 会议（Annual Meeting of the Association for Computational Linguistics）是自然语言处理与计算语言学领域最高级别的学术会议，由计算语言学协会主办，每年一届。ACL 会议论文的接受率一直维持在 25% 左右，其中会经过严格的筛选和评审选出本届会议最佳论文，一般只有一篇。人工智能在近 20 年来获得了爆炸式的发展，而作为人工智能领域之一的自然语言处理，在 20 年来受研究人员关注和看好的发展趋势是怎么样的呢？我们对近 20 年来的 ACL 历届]]></description><category></category></item><item><title><![CDATA[重磅！AMiner 推出 CVPR 2020 顶会 AI 学术检索工具]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106768195</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106768195</guid><author>Arnetminer</author><pubDate>Mon, 15 Jun 2020 17:54:53 +0800</pubDate><description><![CDATA[AMiner 特开发了一款集论文检索、论文下载、数据分析、作者追踪于一体的 CVPR 2020 顶会 AI 学术检索工具，以方便大家更便捷、系统、有效地了解此届 CVPR 的相关内容。


6 月 14 日，计算机视觉世界三大顶级会议之一的 CVPR 就要召开了。面对 1467 篇主题纷繁复杂的文章你是否苦恼于无从下手呢？

好消息来啦！AMiner 特开发了一款集论文检索、论文下载、数据分析、作者追踪于一体的 CVPR 2020 顶会 AI 学术检索工具，以方便大家更便捷、系统、有效地了解此届 CVPR.]]></description><category></category></item><item><title><![CDATA[必读论文 | 生成对抗网络经典论文推荐10篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106611506</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106611506</guid><author>Arnetminer</author><pubDate>Mon, 08 Jun 2020 08:33:57 +0800</pubDate><description><![CDATA[生成式对抗网络（Generative adversarial networks, GAN）是当前人工智能学界最为重要的研究热点之一。其突出的生成能力不仅可用于生成各类图像和自然语言数据，还启发和推动了各类半监督学习和无监督学习任务的发展。


生成对抗网络是一种包含无监督学习的模型，通过(无监督地)向有标签样本学习其数据分布来生成类似的样本，这种过程更类似于人类学习外界知识时候采用的无监督方式。生成对抗网络可以改善一般网络模型过于依赖数据数量及标签的缺点，是近几年内最有可能提升人工智能系统性能的网络结构之.]]></description><category></category></item><item><title><![CDATA[计算机视觉世界三大顶会之一的CVPR即将召开]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106490189</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106490189</guid><author>Arnetminer</author><pubDate>Tue, 02 Jun 2020 10:09:03 +0800</pubDate><description><![CDATA[6月14日，大家期待已久的计算机视觉和模式识别领域的顶级会议CVPR 2020就要在美国西雅图开幕。虽然由于疫情影响，今年CVPR改为线上会议，但是丝毫不影响大家对CVPR的期待！


CVPR 2020共接受1467篇会议论文，接受率约为22%，相较于2019年的25%和2018年的29.6%有所下降，被接收会议目录已经在官网上公布。今年的会议为期5天，将于14日正式开幕，19日结束，会议涵盖Oral Session Program、Tutorials、Workshops和DoctoralConsor..]]></description><category></category></item><item><title><![CDATA[必读论文 | 云机器人必读论文10篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106287422</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106287422</guid><author>Arnetminer</author><pubDate>Fri, 22 May 2020 17:18:15 +0800</pubDate><description><![CDATA[云机器人（Cloud Robotics）是云计算和机器人的交叉学科并且是机器人领域的一个重大热点新方向，它运用云计算的强大运算和存储能力，给机器人提供一个更智能的“大脑”，在增强单个机器人的能力，执行提供复杂功能任务和服务的同时，还可以支持分布在世界各地、具有不同能力的机器人高效开展合作，共享信息资源，从而完成更大、更复杂的任务，并在根本上改变传统机器人过分依赖手工编程的局限性。


近年来，云机器人被视为突破机器人大规模应用技术瓶颈的一种新的重要手段，以及被视为是实施“智能制造2025”行动、推动我国迈.]]></description><category></category></item><item><title><![CDATA[必读论文 | 机器交互必读论文8篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106186386</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106186386</guid><author>Arnetminer</author><pubDate>Mon, 18 May 2020 09:36:20 +0800</pubDate><description><![CDATA[人机交互技术（Human-Computer Interaction Techniques）是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。人机交互技术包括机器通过输出或显示设备给人提供大量有关信息及提示请示等，人通过输入设备给机器输入有关信息，回答问题及提示请示等。人机交互技术是计算机用户界面设计中的重要内容之一。


今天我们习以为常的触摸屏或图形用户界面，在40年前尚是石破惊天的革命。

1960年，Liklider JCK首次提出“人机共生”的思想，被视为人机界面学的启蒙观点。
.]]></description><category></category></item><item><title><![CDATA[ICLR 2020 | 神经网络架构搜索（NAS）论文推荐]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106144845</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106144845</guid><author>Arnetminer</author><pubDate>Fri, 15 May 2020 16:34:58 +0800</pubDate><description><![CDATA[ICLR 2020 线上会议已经圆满结束。此次会议关于NAS的研究主题包括对benchmark的探讨、对于流行的NAS方法的理解和分析，以及如何提高NAS方法的精度和效率等。值得一提的是，此届会议举办了ICLR历史上的第一个神经网络架构搜索（NAS）的Workshop（https://sites.google.com/view/nas2020/home），充分体现出NAS正成为越来越热门的神经网络研究方向。


此文列出以下十篇ICLR 2020 上关于NAS的经典文章供大家学习参考！

1.NAS-B..]]></description><category></category></item><item><title><![CDATA[ICLR 2020 | reformer高效处理长序列，单机能跑，计算资源贫困人士的福音]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/106014363</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/106014363</guid><author>Arnetminer</author><pubDate>Sat, 09 May 2020 11:39:38 +0800</pubDate><description><![CDATA[基于Transformer的各种巨型模型在各种自然语言处理任务中常常能够取得最优结果，但这些模型的训练成本往往过高，在针对长序列文本上尤甚。为此，本文提出两种技术以改善基于Transformer的这类模型，名为Reformer。第一，使用局部敏感hash，替换原始的点乘方式的attention，从而将其空间复杂度从O(L^2)降低到O(Llog L)，其中L表示文本序列的长度。第二，使用逆残差层代替标准的残差，这使得训练过程中只需存储一次激活值，而无需N次，其中N表示网络层数。最终的结果表明Reforme.]]></description><category></category></item><item><title><![CDATA[必读论文 | 卷积神经网络百篇经典论文推荐]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105994725</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105994725</guid><author>Arnetminer</author><pubDate>Fri, 08 May 2020 13:44:39 +0800</pubDate><description><![CDATA[作为深度学习的代表算法之一，卷积神经网络（Convolutional Neural Networks，CNN）在计算机视觉、分类等领域上，都取得了当前最好的效果。


卷积神经网络的前世今生

卷积神经网络的发展，最早可以追溯到1962年，Hubel和Wiesel对猫大脑中的视觉系统的研究。1998年，著名计算机科学家Yann LeCun在论文Gradient-Based Learning Ap...]]></description><category></category></item><item><title><![CDATA[《人工智能之学术搜索》报告重磅发布：呈现知识和算法双引擎驱动的未来发展趋势 | 附报告PDF下载]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105972106</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105972106</guid><author>Arnetminer</author><pubDate>Thu, 07 May 2020 14:30:29 +0800</pubDate><description><![CDATA[【导读】近日，由清华大学人工智能研究院、清华-中国工程院知识智能联合研究中心和智谱AI联合发布了《人工智能之学术搜索》报告。报告显示，得益于人工智能技术的不断引入，未来学术搜索产品将呈现出知识融合与推理、智能挖掘高精度算法双引擎驱动的发展趋势。




该报告以AI 赋能的学术搜索为核心，在梳理学术搜索概念特征、发展历程、工作原理以及系统架构的基础上，重点分析解读了 AI 技术在学术搜索领域的...]]></description><category></category></item><item><title><![CDATA[ICLR 2020|ELECTRA]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105949200</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105949200</guid><author>Arnetminer</author><pubDate>Wed, 06 May 2020 13:42:46 +0800</pubDate><description><![CDATA[MLM（Masked language modeling）方式的预训练语言模型如BERT是在输入上用[MASK]遮蔽掉部分tokens，再训练一个模型以重建出原始的tokens。这种方式迁移到下游NLP任务时能够得到较好的结果，已然成为NLP任务中的标配。但是这种预训练方法往往需要大量的算力。为此，本文提出一种样本效率更为高效的预训练任务：替换token检测（replaced token det...]]></description><category></category></item><item><title><![CDATA[必读论文|20篇强化学习研究必读论文速递]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105948965</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105948965</guid><author>Arnetminer</author><pubDate>Wed, 06 May 2020 13:26:39 +0800</pubDate><description><![CDATA[强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。


本期Aminer特推出20篇强化学习必读论文。
1.Emergent Tool Use From Multi-Agent Autocurricula

链接：https://w...]]></description><category></category></item><item><title><![CDATA[ICLR 2020|知识图谱推理框架：基于向量空间的推理和数值逻辑推理]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105906516</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105906516</guid><author>Arnetminer</author><pubDate>Sun, 03 May 2020 17:56:49 +0800</pubDate><description><![CDATA[2篇ICLR 2020 推理主题论文解读

ICLR专题

知识图谱作为人类知识的载体，蕴含着丰富的语义知识，因此支撑着许多上游的应用，例如问答，推荐等。基于知识图谱的推理作为知识图谱问答的基础，也是有着不同的解决框架，本文解读了两篇不同框架的论文：一篇是基于知识图谱的向量嵌入技术，完全基于向量操作进行推理演算；另一篇是基于Neural Logic Programming框架，并进一步解决了数值推...]]></description><category></category></item><item><title><![CDATA[必读论文|百篇最值得一读的“认知图谱”经典论]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105893055</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105893055</guid><author>Arnetminer</author><pubDate>Sat, 02 May 2020 17:41:36 +0800</pubDate><description><![CDATA[当你站在人脸识别门禁闸口，扫脸，绿灯亮通过，就可以任意进出宿舍楼、图书馆、教学区等各种校内场所，你也许会想：机器认识我吗？

认知图谱Topic必读论文

当你站在人脸识别门禁闸口，扫脸，绿灯亮通过，就可以任意进出宿舍楼、图书馆、教学区等各种校内场所，你也许会想：机器认识我吗？
实际并非如此。当前的AI识别能做的只是比对，它缺少信息进入大脑之后的加工、理解、思考步骤，因此仅仅停留在感知阶段，而并非...]]></description><category></category></item><item><title><![CDATA[必读论文|20篇聊天机器人领域必读论文速递]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105893039</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105893039</guid><author>Arnetminer</author><pubDate>Sat, 02 May 2020 17:40:13 +0800</pubDate><description><![CDATA[聊天机器人（Chatbot）是经由对话或文字进行交谈的计算机程序。其能够模拟人类对话，通过图灵测试。自 1966 年以来人类从未停止过对聊天机器人的探索。现如今，苹果语音助手 Siri，微软的小冰、小娜、Rinna、Tay、Zo、Ruk kkuh，亚马逊的Echo，百度的小度机器人，京东JIMI客服机器人，网易七鱼等 Chatbot 纷纷进驻到生活的各个领域，改变着我们的生活。

对话系统和聊天机...]]></description><category></category></item><item><title><![CDATA[必读论文|信息检索与推荐必读论文10篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105893001</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105893001</guid><author>Arnetminer</author><pubDate>Sat, 02 May 2020 17:37:52 +0800</pubDate><description><![CDATA[AMiner研究团队开发出一款利用人工智能（AI）技术、帮助科研工作者阅读论文的智能论文搜索工具。该工具可以展示出该领域的必读论文，并且对所选论文进行“智能”阅读，反馈给你该论文的综述、研究方法及主要结论，即帮你快速阅读文献，大大地节省了时间和精力。

信息检索与推荐Topic必读论文

信息检索（Information Retrieval，IR）是指信息的表示、存储、组织和访问。信息推荐（Inf...]]></description><category></category></item><item><title><![CDATA[必读论文|机器学习必读论文20篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105892974</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105892974</guid><author>Arnetminer</author><pubDate>Sat, 02 May 2020 17:36:27 +0800</pubDate><description><![CDATA[机器学习Topic必读论文

学术文献代表着研究热点与技术前沿，过去10多年间，学术文献出现了爆炸式增长。对很多初学者来说，如何正确找到自己研究领域的切入点成了一件非常痛苦的事儿。不必苦恼，小编这里有神奇推荐辣！拥有AI赋能的科技大数据检索平台AMiner新推出的必读论文模块，将会不让你为了不知道读什么论文而秃头，美貌与才华兼可得也。

以下是小编整理搜索得到的，近五年来有关机器学习的20篇必读论...]]></description><category></category></item><item><title><![CDATA[必读论文|知识图谱必读论文10篇]]></title><link>https://blog.youkuaiyun.com/Arnetminer/article/details/105892948</link><guid>https://blog.youkuaiyun.com/Arnetminer/article/details/105892948</guid><author>Arnetminer</author><pubDate>Sat, 02 May 2020 17:34:56 +0800</pubDate><description><![CDATA[知识图谱Topic必读论文

知识图谱的概念最早起源于Google在2012年提出的Knowledge Graph。知识图谱本质上是一种语义网络。其结点代表实体（entity）或者概念（concept），边代表实体/概念之间的各种语义关系。知识图谱的直接推动力来自于一系列实际应用，包括语义搜索、机器问答、情报检索、电子阅读、在线学习等。

人工智能正由感知智能向认知智能演化，让机器具备认知智能，其...]]></description><category></category></item></channel></rss>