学术论文网

  • 当前位置:主页 > 文学论文 > 正文>2020年学术会议综述:从这些优秀论文管窥研究趋势

    2020年学术会议综述:从这些优秀论文管窥研究趋势

    发布日期:2021-02-12 18:13 文学论文

    2020年是充满变化的一年。人工智能学术会议也不例外,如在线举办、改革评价体系、增加重现性要求、伦理要求等。不变的是大家对学术会议的热情,我们总能通过这些会议探索学术前沿的发展趋势。

    介绍:维诺格拉图式挑战:WSC)是一个常识推理的基准测试。该测试有273个由专家撰写的问题,专门处理依赖于选择偏好和单词联想的统计模型。但是最近很多模型在这个基准测试中的性能都达到了90%。因此,研究人员想知道这些模型是否真的获得了强大的常识能力。

    因此,研究人员提出了WINOGRANDE,一个44k问题的大规模数据集。这个数据集比以前的数据集规模更大,难度更大。该数据集的构建包括两个步骤:首先通过众包的方式设计问题,然后使用一种新的AFLITE算法来减少系统偏差,使人类可以感知的词汇关联转化为机器可以检测的嵌入关联。目前最好的SOTA模型可以达到59.479.1%的性能,比人脸的性能水平(94%)低15-35%(绝对值)。这种性能波动取决于训练数据量(2%到100%)。

    此外,研究人员还对5个相关的基准数据集进行了测试,获得了以下结果:WSC ( 90.1%)、DPR ( 93.1%)、COPA( 90.6%)、Knowlef ( 85.6%)和Winogender ( 97.1%)。这说明,一方面,WINOGRANDE是迁移学习的良好资源;另一方面说明我们高估了模型的常识推理能力。研究人员希望通过这项研究,学者们能够注意减少算法偏差。

    简介:在过去的几年里,新的双向启发式搜索算法取得了很大的成功。这些算法的创新之处在于,降低了从G值中双向获取信息的成本。Kaindl和坎因茨(1997)和Sadhukhan (2013)都在这一领域做出了贡献,但仍有一些问题有待解决。本文中,研究者在相关领域做了更多的拓展。

    引言:本研究提出了一种新的基于原始单目图像的三维可变形物体类的学习方法。这种方法基于自编码器,它将每个输入图像分解为深度、反射率、视点和照明(这四个分量可以组合起来重建输入图像)。在训练过程中,模型仅使用重建损失,没有任何外部监督。为了在不使用监督信号的情况下分解这些组件,研究人员使用了许多对象类的属性——对称结构。这项研究表明,关于照明的推理可以帮助我们利用物体潜在的对称性,即使物体看起来不是由于阴影等因素而不对称。此外,该研究还使用模型的其他组件以端到端的方式学习对称概率图,并通过预测概率图来建模可能的和不对称的对象。实验表明,该方法能够在没有任何监督和先验形状模型的情况下,准确恢复单目图像中人脸、猫脸和车辆的三维形状。与使用2D图像对应监督的另一种方法相比,该方法在基准数据集上具有更好的性能。

    简介:虽然测量坚持精度是评价模型泛化性能的主要方法,但它通常高估了NLP模型的性能,而其他评价模型的替代方法要么专注于单个任务,要么只关注特定行为。受软件工程中行为测试原理的启发,本研究提出了一种任务无关的NLP模型测试方法——CheckList。核对表不仅包含一些通用语言能力和测试类型来促进全面测试,还包括一个软件工具,可以快速生成大量不同的测试用例。研究人员在三个任务中测试了核对表的有效性,发现商业模型和SOTA模型都存在严重问题。根据一项用户调查,负责情感分析模型商业化的团队在一个经过大量测试的模型中发现了新的缺陷。在另一项用户调查中,使用核对表的NLP从业者创建的测试是不使用核对表的两倍,发现的错误是不使用核对表的三倍。

    引言:无序集合学习是一种基本的学习设置,近年来受到越来越多的关注。该领域的研究主要集中在用特征向量表示集合元素的情况,很少关注集合元素本身遵循自身对称性的普遍情况。后者涉及到大量的应用,如图像去噪、多视图三维形状识别和重建。

    本文提出了一种学习一般对称元素集合的原则性方法。首先,研究者描述了线性层的空间。线性层相当于元素的重新排序和元素的内部对称。研究进一步表明,由对称元素层的深集组成的网络是不变函数和等变函数的通用逼近器。另外,


    网友转发请注明出处转载请保留链接:2020年学术会议综述:从这些优秀论文管窥研究趋势本文链接http://www.yule868.com/wenxuelunwen/28184.html,谢谢合作!868学术论文网


    上一篇:语言文学毕业论文   下一篇:蒙古族人才的摇篮——内蒙古大学简介


    论主学术论文网 学术论文网专业指导写论文的要点和技巧,指导如何写论文,本科毕业论文,写作大学毕业论文,专为工程类,医学类,教育类,经理类,管理类,会计类,艺术类等原创毕业论文如何写,值得信赖值得靠谱的毕业论文写作网站.
  • 文章总数
  • 3490798访问次数
  • 建站天数
  • XML地图 XML_1地图 备案蜀ICP备16030853号