神经计算

在特定时间产生复杂模式对大多数形式的学习和行为至关重要，这些学习和行为是通过纹状体中多巴胺调节的可塑性获得的。然而，这种基于奖励的时空神经机制。。。

贝叶斯神经网络利用贝叶斯推理的能力，提供了一种神经学习方法，不仅注重准确性，还注重不确定性量化。马尔可夫链蒙特卡罗（MCMC）方法实现了贝叶斯。。。

近年来，基于场景图的图像生成已成为高级多实例生成任务的一个重要研究方向。场景布局生成，生成实例级视觉表示并维护。。。

由于对提高资源利用率和降低拥有成本的需求，多个工作负载之间的资源共享已成为云服务提供商的一种重要做法。然而，有效的资源共享仍然是一个开放的。。。

本文研究机密网络物理系统中面临重放攻击的安全状态估计问题。配备能量采集器的智能传感器通过无线网络将关键测量值传输给远程估计器。。。

安全关键领域中基于机器学习的决策系统对底层模型的准确性和泛化能力提出了很高的要求。处理不确定性和可能的错误的通用策略是。。。

• XAI面临的新挑战：解释模型不确定性和拒绝选项
• 基于局部代理的反事实解释的高效实现。
• 基准的开源实施和评估。

本研究的目的是使用连续时间神经网络来解决稀疏投资组合问题，其中目标函数包含一个不可微的▽1-范数正则化项。为了解决不可区分的问题，我们。。。

自然语言生成（NLG）模型由于与强大的深度学习技术相结合而引起了广泛的关注和应用。许多NLG模型封装在为商业组织服务的云API中，这些云API。。。

忽略的显示

研究了维数不匹配的分数阶混合耦合神经网络的输出投影同步问题。与传统的投影同步不同的是，OPS的概念适用于。。。

BERT和ALBERT等大型预训练语言模型的工业应用受到微调过程中计算概率问题和推理过程中过度思考问题的限制。PF-BERxiT已被提议。。。

丰富的人工智能AI算法和不断增长的计算能力给智能医疗行业带来了一场颠覆性的革命。其强大的数据抽象和表示功能使数百个。。。

• 多模式医疗人工智能旨在处理和链接各种数据类型，以造福医疗和社会。
• 概述了各种数据预处理方法，以准备模型训练的多模态数据。
• 多模式数据融合。。。

光流估计算法当前的两大局限性是在遮挡区域内和附近以及边界外区域进行不准确的光流估计。最新最先进的光流估计算法包括两个。。。

多元时间序列（MTS）预测在各种现实应用中发挥着至关重要的作用，但时间序列变量之间的复杂相关性（即序列间相关性）使得这项任务极为艰巨。虽然大多数。。。

近年来，由于动态图网络（如社交网络、医学网络、引文网络和流量网络）的普遍存在，出现了许多动态图表示学习方法。许多研究人员只考虑。。。

少热点云语义分割由于其适用于每个新类仅包含少量标记数据的真实场景，因此吸引了越来越多的关注。虽然现有的方法已经取得了很大的进展，但仍需进一步改进。。。

本文提出了一种基于强化学习（RL）的新方法来控制生成模型以适应样本有限的新领域。为了避免过拟合问题，该方法结合了最大似然估计（MLE）。。。

文本情感分析（TEA）旨在从文本中提取和评估用户的情感状态。各种深度学习（DL）算法迅速涌现，并在许多学科中取得了成功，包括音频、图像和。。。

在卷积神经网络（CNN）中学习可解释滤波器是一种有助于构建具有更好泛化能力的模型的方法。可解释过滤器可以揭示任务的一些隐藏方面，并有助于改进模型。。。

正如最近的研究所观察到的那样，结合先验知识被认为是一种很有希望的方法，可以增强cloze-style机器阅读中现有的预训练模型。尽管使用了外部知识图（KG）和变压器。。。

实体对齐（EA）旨在发现不同知识图（KG）中具有相同意义的唯一等价实体对，这是扩展KG规模的关键步骤。现有的EA方法通常利用图神经网络。。。

与2D核磁共振成像（MRI）相比，3D MRI在生成高分辨率图像和可视化小解剖结构方面更为强大。然而，由于三维MRI的数据量要大得多，因此采集时间要长得多。。。

准确的类别和属性识别是将非结构化产品图像数据转换为结构化知识库的关键技术，为未来的产品设计提供有力支持。然而，不同的对象。。。

演示学习（LfD）作为一种方便的机器人学习方法，已经得到了广泛的研究。在LfD范式中，机器人需要从人类演示中学习相关的运动模式，并将其应用于各种情况。许多。。。

知识图（KG）由于其丰富的语义信息和外部结构，被广泛用于推荐任务。当前的知识图推荐模型也不足以学习用户-项目交互行为。。。

图像分解的主要目标是将观察到的图像分解为几个独立的组件，这些组件可以进一步操作以有效地执行更复杂的任务。现有的图像分解方法应用了。。。

• 提出了一种彩色图像分解模型。
• 该模型由基本层和细节层分离算法和颜色层分离的空间变换方法组成。
• 该模型用于对比度增强。。。