报告预览

人工智能之机器学习2020年第1期（203页）.pdf

编号：17712

PDF 200页 10MB 下载积分：VIP专享

下载报告请您先登录！

人工智能之机器学习2020年第1期（203页）.pdf

1、人工智能之机器学习 Artificial Intelligence Report of Machine Learning 2020 年第 1 期顾问：朱军，唐杰 2020 年 1 月 1 概概述篇述篇 . 1 1.1 机器学习的概念 . 1 1.2 机器学习的发展历史 . 2 2 技术篇技术篇 . 5 2.1 机器学习算法分类 . 5 2.2 机器学习的经典代表算法 . 10 2.3 生成对抗网络及对抗机器学习 . 19 2.4 自动机器学习 . 29 2.5 可解释性机器学习 . 36 2.6 在线学习 . 41 2.7 BERT . 45 2.8 卷积与图卷积 . 56 2.9 隐私保护

2、 . 61 3 深度学习篇深度学习篇 . 67 3.1 卷积神经网络 . 69 3.2 AutoEncoder . 71 3.3 循环神经网络 RNN . 73 3.4 网络表示学习与图神经网络 GNN . 74 3.5 增强学习 . 76 3.6 生成对抗网络 . 78 3.7 老虎机 . 79 3.8 图神经网络 . 80 3.9 深度学习近期重要进展 . 82 4 论文解读篇论文解读篇 . 89 4.1 ICML 历年最佳论文解读 . 91 4.2 NeurlPS 历年最佳论文解读 . 99 4.3 专利解读 . 112 5 人才篇人才篇 . 119 5.1 学者情况概览 . 119 5

3、.2 代表性学者简介 . 121 5.3 NeurIPS 十年高引学者 . 145 6 应用篇应用篇 . 151 6.1 算法应用场景 . 151 6.2 行业应用 . 154 6.3 企业应用 . 161 6.4 北京智谱华章科技有限公司介绍 . 174 7 趋势篇趋势篇 . 178 8 资源篇资源篇 . 182 8.1 开源代码 . 182 8.2 预训练 . 183 8.3 课程 . 183 8.4 数据集 . 184 8.5 机器学习知识树 . 185 参考文献参考文献 . 187 图目录图目录图 1-1 机器学习相关概念的辨识 . 2 图 1-2 机器学习基本过程 . 2 图 1-

4、3 机器学习的发展历程（1956-1995） . 3 图 1-4 机器学习的发展历程（2010-2016） . 4 图 2-1 机器学习分类 . 5 图 2-2 监督学习的基本流程 . 6 图 2-3 非监督学习的基本流程 . 7 图 2-4 一个典型的监督学习和非监督学习对比 . 8 图 2-5 强化学习的基本框架 . 8 图 2-6 强化学习的基本学习流程 . 10 图 2-7 数据集的绘制 x 和 y 值 . 11 图 2-8 一个简单的随机森林算法示意 . 12 图 2-9 逻辑函数曲线图 . 13 图 2-10 kNN 算法简单示例 . 14 图 2-11 AdaBoost 执行 .

5、 15 图 2-12 K-均值算法图示 . 16 图 2-13 SVM 的决策平面 . 17 图 2-14 SVM 的核函数 . 17 图 2-15 感知机 . 18 图 2-16 典型的人工神经网络结构 . 18 图 2-17 GAN 发展脉络 . 19 图 2-18 GAN 网络的架构 . 20 图 2-19 BigGAN 生成的图像 . 21 图 2-20 StackGAN 生成的图像 . 22 图 2-21 CycleGAN 生成的图像 . 22 图 2-22 Pix2pix 生成的图像 . 23 图 2-23 Age-cGAN 生成的图像 . 23 图 2-24 GAN 创作的 Ed

6、mond de Belamy . 24 图 2-25 Deep Fakes 换脸 . 24 图 2-26 标签操纵的分类准确率 . 26 图 2-27 对输入进行操纵导致的结果 . 26 图 2-28 建立影子模型 . 29 图 2-29 AutoML 基本过程 . 30 图 2-30 从 ML 角度看 AutoML . 30 图 2-31 从自动化角度看 AutoML . 30 图 2-32 网格搜索与随机搜索 . 31 图 2-33 神经结构搜索方法示意图 . 33 图 2-34 ATMSeer 自动机器学习定制化工具的用户友好型交互界面 . 34 图 2-35 Online Learni

7、ng 流程 . 43 图 2-36 Transformer 的网络架构 . 46 图 2-37 BERT 的模型结构 . 46 图 2-38 GPT 与 ELMo 的对比 . 47 图 2-39 BERT 模型输入 . 47 图 2-40 BERT 在不同任务中的模型 . 49 图 2-41 XLNet 模型框架图 . 51 图 2-42 Two-Stream Self-Attention 机制 . 52 图 2-43 Recurrence Mechanism 机制 . 53 图 2-44 XLNet 与 BERT 的区别示例 . 53 图 2-45 panBER 模型框架以及在 GLUE 中

8、的实验结果 . 54 图 2-46 MT-DNN 模型框架以及训练算法 . 55 图 2-47 使用知识蒸馏对 MT-DNN 模型进行优化 . 56 图 2-48 骰子点数示意图 . 57 图 2-49 点数和为 4 的卷积示意图 . 58 图 2-50 点数和为 n 的卷积示意图 . 58 图 2-51 图卷积示意图 . 59 图 2-52 一个图的度矩阵、邻接矩阵和拉普拉斯矩阵 . 60 图 3-1 深度学习模型最近若干年的重要进展 . 67 图 3-2 卷积神经网络的重要进展 . 70 图 3-3 Auto-Encoder 的重要进展 . 72 图 3-4 循环神经网络 RNN 的重要进

9、展 . 73 图 3-5 网络表示学习与图神经网络的重要进展 . 75 图 3-6 增强学习的重要进展 . 77 图 3-7 生成对抗网络的重要进展 . 78 图 3-8 老虎机的重要进展 . 79 图 3-9 Video to Video Synthesis 生成的城市风景图 . 83 图 3-10 图网络模型 . 84 图 3-11 MoCo 训练编码器 . 85 图 3-12 三种对比损失机制的概念比较 . 85 图 3-13 基于双通道处理理论的认知系统框架 . 88 图 5-1 机器学习领域全球学者分布 . 119 图 5-2 机器学习领域学者 h-index 分布 . 120 图 5-3 机器学习领域中国学者分布 . 120 图 6-1 自动驾驶目标识别、运动预测 . 157 图 7-1 机器学习技术趋势 . 178 图 7-2 机器学习国家趋势 . 180 图 7-3 机器学习机构趋势 . 180 图 7-4 机器学习学者趋势 . 181 图 8-1 机器学习三级知识树 . 186 表目录表目录表 4-1 ICML 近 10 年 best paper . 89 表 4-2 NeurIPS 近 10 年 best paper . 90 表 5-1 机器学习领域中国与各国合作论文情况 .

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（人工智能之机器学习2020年第1期（203页）.pdf）为本站（孔明）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。

上海品茶

人工智能之机器学习2020年第1期（203页）.pdf

人工智能之机器学习2020年第1期（203页）.pdf