博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
直播预告: NeurlPS 2020 专场一| AI TIME PhD
阅读量:2242 次
发布时间:2019-05-09

本文共 1716 字,大约阅读时间需要 5 分钟。

⬆⬆⬆              点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入!

12月9日晚7:30-8:30

AI TIME特别邀请了2位优秀的讲者跟大家共同开启NeurlPS 2020专场一!

哔哩哔哩直播通道

扫码关注AITIME哔哩哔哩官方账号

观看直播

链接:https://live.bilibili.com/21813994

★ 邀请嘉宾 ★

坑易澎:清华大学交叉信息研究院博士生,导师是Gerard de Melo教授。主要研究方向是自然语言处理。

报告题目:

将语用学推理融合进语言涌现

摘要:

语言涌现和语用学是两个语言学分支,它们从不同的时间尺度和智能层级研究语言交流这个动态系统。从多体强化学习的角度看,它们分别相当于随机博弈和阶段博弈。我们的工作将二者的计算模型结合起来,分别在两个不同的场景(即物体指代游戏和星际争霸2)里,评估了将不同语用推理模型融合进涌现的语言系统所带来的额外好处。结果表明这种融合带来了更自然流畅、精确、鲁棒、精细化和简洁的表达方式。

周易:本科和硕士毕业于上海交通大学,导师是肖双九,2020年博士毕业于南加州大学,导师是黎颢(Hao Li)。主要研究3D虚拟人类合成。现就职于Adobe  Research。

报告题目:

设计一个适合三维网格重建的卷积神经网络

摘要:

三维网格广泛应用于几何建模和动画渲染中。在许多场景下,我们都需要对三维网格做诸如压缩、重建、分割和识别之类的操作。如果想利用深度学习的方式完成这些操作,就需要设计一个可以用在三维网格上的神经网络。

普通的神经网络不适用于比较大的网格(因为参数会过多),而传统的卷积神经网络又没法应用在拥有不规则结构的三维网格上。因此呢,我们把传统的卷积神经网络加以改进,使其可以拓展到任意结构的网格上。和近年来出现的许多其他的网格(图)卷积神经网络相比,我们的网络能更好地重建全局和局部信息,拥有更强大的生成能力,并且支持所有诸如上下采样的传统卷积神经网络所拥有的操作。

直播结束后我们会邀请讲者在微信群中与大家答疑交流,请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“nips”,将拉您进“NeurIPS 2020 交流群”!

AI TIME微信小助手

主       办:AI TIME 、AMiner

联合支持:智源社区、中国工程院知领直播、学堂在线、CSDN

合作伙伴:智谱·AI、学术头条、biendata、大数据文摘、数据派、 Ever链动、机器学习算法与自然语言处理

AMiner是学术搜索和社会网络挖掘研究的重要数据和实验平台,由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万。        

1)AMiner平台:https://www.aminer.cn

2)会议专题页面:https://www.aminer.cn/conf/emnlp2020

AI TIME欢迎AI领域学者投稿,期待大家剖析学科历史发展和前沿技术。针对热门话题,我们将邀请专家一起论道。同时,我们也长期招募优质的撰稿人,顶级的平台需要顶级的你,请将简历等信息发至yun.he@aminer.cn!

微信联系:AITIME_HY

清华情怀·AITIME基地

1911主题餐厅

AI TIME期待与你线下相聚!

AI TIME欢迎AI领域学者投稿,期待大家剖析学科历史发展和前沿技术。针对热门话题,我们将邀请专家一起论道。同时,我们也长期招募优质的撰稿人,顶级的平台需要顶级的你,

请将简历等信息发至yun.he@aminer.cn!

微信联系:AITIME_HY

AI TIME是清华大学计算机系一群关注人工智能发展,并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造一个知识分享的聚集地。

更多资讯请扫码关注

转载地址:http://nrgbb.baihongyu.com/

你可能感兴趣的文章
RNN与机器翻译
查看>>
用 Recursive Neural Networks 得到分析树
查看>>
RNN的高级应用
查看>>
TensorFlow-7-TensorBoard Embedding可视化
查看>>
轻松看懂机器学习十大常用算法
查看>>
一个框架解决几乎所有机器学习问题
查看>>
特征工程怎么做
查看>>
机器学习算法应用中常用技巧-1
查看>>
决策树的python实现
查看>>
了解 Sklearn 的数据集
查看>>
如何选择优化器 optimizer
查看>>
一文了解强化学习
查看>>
CART 分类与回归树
查看>>
seq2seq 的 keras 实现
查看>>
seq2seq 入门
查看>>
什么是 Dropout
查看>>
用 LSTM 做时间序列预测的一个小例子
查看>>
用 LSTM 来做一个分类小问题
查看>>
详解 LSTM
查看>>
按时间轴简述九大卷积神经网络
查看>>