时间序列建模是一个成熟的问题，通常需要方法（1）表达复杂的依赖关系，（2）预测长期的走势，（3）高效地训练长序列。状态空间模型（SSMs）是时间序列的传统模型，之前的研究将SSMs…
Read More量子机器学习中的挑战和机遇
在机器学习和量子计算的交叉处，量子机器学习（QML）具有加速数据分析的潜力，尤其是对于量子数据，并且具有应用于量子材料、生物化学和高能物理学的应用。然而，QML模型的可训练性仍然存…
Read More基于限制训练多教师模型的知识蒸馏技术，用于自适应MRI前列腺分割
在许多医学任务中，深度模型的表现最近有了显著的改进。这些模型通常是熟练的学习者。然而，它们错综复杂的架构设计和高计算复杂性使得在临床环境中部署它们具有挑战性，特别是在资源有限的设备…
Read More《Among Us：通过共识实现对抗鲁棒的协作感知》。
多个机器人能够更好地协作感知场景（例如，检测物体），但使用深度学习时容易受到对抗性攻击的影响。虽然对抗性防御可以解决这个问题，但其训练需要攻击机制，而攻击机制通常是未知的。与此不同…
Read More光滑二次曲面的线性轨道
一个度数为$d$的超曲面在$\mathbb{P}^n$中的线性轨道是它在$\binom{n+d}{d} – 1$维度量化这种超曲面的投影空间中，沿用$PGL(n+1)$…
Read More基于Hilbert-Schmidt独立准则的门循环单元网络用于状态健康估计
健康状态（SOH）估计是确保电池安全可靠运行的关键步骤。由于不同循环中数据分布和序列长度的差异等问题，大多数现有方法需要健康特征提取技术，这可能是耗时和劳动密集的。GRU由于结构简…
Read More衡量解释偏见的影响：推荐系统自然语言解释的研究
尽管解释对于决策有潜在的影响，但缺乏研究来量化它们对用户选择的影响。本文提出了一种实验协议，用于测量积极或消极偏见的解释在多大程度上会导致用户选择次优的推荐。该协议的关键要素包括偏…
Read More在市场均衡计算中实现基于一阶梯度的学习
了解并分析市场至关重要，但分析均衡解决方案仍然很难实现。最近均衡计算的突破依赖于零阶策略梯度估计。这些方法通常存在高方差，并且计算成本很高。使用全可微模拟器将使梯度估计更加高效。然…
Read More英特尔神经形态DNS挑战赛
神经形态计算研究的关键推动因素是能够透明地评估重要任务的不同神经形态解决方案，并将它们与现有的传统解决方案进行比较。受到微软 DNS 挑战的启发，英特尔神经形态深度降噪抑制挑战（I…
Read MoreLDMVFI：利用潜在扩散模型进行视频帧插值
现有的关于视频帧插值（VFI）的研究多数采用深度神经网络，通过训练最小化其输出与实际帧之间的L1或L2距离。尽管近年来有所进展，现有的VFI方法往往会产生感性上较差的结果，特别是对…
Read More