会员服务
深度学习 · 贝叶斯理论 · 神经网络 · 机器学习 · NeurIPS 2019 ·
2019 年 12 月 19 日
【NeurIPS 2019的主要趋势】Key trends from NeurIPS 2019
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

目录：

  • 结构深度学习黑匣子
  • 深度学习的新方法
    • 使用贝叶斯原理进行深度学习
    • 图神经网络
    • 凸优化
  • 神经科学X机器学习
  • 关键字分析 -数字NeurIPS -结论
成为VIP会员查看完整内容
https://huyenchip.com/2019/12/18/key-trends-neurips-2019.html
12

相关内容

机器学习的一个分支，它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【经典回顾-Thomas Kipf报告】图神经网络无监督学习，32页ppt，Universiteit van Amsterdam
【经典回顾-Thomas Kipf报告】图神经网络无监督学习，32页ppt，Universiteit van Amsterdam
专知会员服务
45+阅读 · 2020年4月30日
【百度研究院】2020年10大人工智能科技趋势，Baidu Research: 10 Technological Trends in 2020
专知会员服务
34+阅读 · 2019年12月23日
不得不看！NeurIPS 2019三个关键研究热点趋势：贝叶斯、GNN、凸优化
不得不看！NeurIPS 2019三个关键研究热点趋势：贝叶斯、GNN、凸优化
专知会员服务
58+阅读 · 2019年12月19日
【图机器学习论文】图表示学习:方法与应用（Representation Learning on Graphs: Methods and Applications）
【图机器学习论文】图表示学习:方法与应用（Representation Learning on Graphs: Methods and Applications）
专知会员服务
147+阅读 · 2019年12月16日
【图机器学习论文】图神经网络：方法与应用综述（Graph Neural Networks: A Review of Methods and Applications）
【图机器学习论文】图神经网络：方法与应用综述（Graph Neural Networks: A Review of Methods and Applications）
专知会员服务
141+阅读 · 2019年12月16日
【NeurIPS2019】图变换网络：Graph Transformer Network
【NeurIPS2019】图变换网络：Graph Transformer Network
专知会员服务
112+阅读 · 2019年11月25日
【北京智源大会2019】 贝叶斯深度学习（ Bayesian Deep Learning ）， 清华大学| 朱军
【北京智源大会2019】 贝叶斯深度学习（ Bayesian Deep Learning ）， 清华大学| 朱军
专知会员服务
105+阅读 · 2019年11月22日
【报告推荐 | HEC-Montreal唐建博士】图神经网络推理，附27页ppt
【报告推荐 | HEC-Montreal唐建博士】图神经网络推理，附27页ppt
专知会员服务
78+阅读 · 2019年11月13日
【报告推荐】斯坦福大牛Jure Leskovec：图神经网络研究最新进展
【报告推荐】斯坦福大牛Jure Leskovec：图神经网络研究最新进展
专知会员服务
150+阅读 · 2019年11月12日
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
专知会员服务
67+阅读 · 2019年11月10日
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
专知
19+阅读 · 2019年12月17日
NeurIPS提前看 | 四篇论文，一窥元学习的最新研究进展
NeurIPS提前看 | 四篇论文，一窥元学习的最新研究进展
机器之心
12+阅读 · 2019年12月9日
【HEC-Montreal唐建博士】图神经网络推理，附27页ppt
【HEC-Montreal唐建博士】图神经网络推理，附27页ppt
专知
47+阅读 · 2019年10月30日
【南洋理工大学】图神经网络，Graph Neural Networks，附121页ppt
【南洋理工大学】图神经网络，Graph Neural Networks，附121页ppt
专知
134+阅读 · 2019年10月28日
荐文 | 时序预测中的深度学习：以电力负载预测为例
荐文 | 时序预测中的深度学习：以电力负载预测为例
德先生
32+阅读 · 2019年9月18日
【CVPR2019教程】视频理解中的图表示学习
【CVPR2019教程】视频理解中的图表示学习
专知
43+阅读 · 2019年6月20日
SFFAI 33 报名通知 | 图深度学习专题
SFFAI 33 报名通知 | 图深度学习专题
人工智能前沿讲习班
6+阅读 · 2019年6月12日
【WWW2018】网络表示学习Tutorial（附下载）
【WWW2018】网络表示学习Tutorial（附下载）
专知
12+阅读 · 2018年4月25日
【回顾】医学影像计算与分析
【回顾】医学影像计算与分析
AI研习社
5+阅读 · 2017年11月5日
【技术分享】基于双流递归神经网络的人体骨架行为识别
【技术分享】基于双流递归神经网络的人体骨架行为识别
机器学习研究会
5+阅读 · 2017年9月1日
Hierarchical Inter-Message Passing for Learning on Molecular Graphs
Arxiv
5+阅读 · 2020年6月22日
Speech2Action: Cross-modal Supervision for Action Recognition
Speech2Action: Cross-modal Supervision for Action Recognition
Arxiv
7+阅读 · 2020年3月30日
Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
Arxiv
4+阅读 · 2020年3月5日
Knowledge Distillation from Internal Representations
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Investigating Meta-Learning Algorithms for Low-Resource Natural Language Understanding Tasks
Arxiv
5+阅读 · 2019年8月27日
Graph Neural Networks: A Review of Methods and Applications
Graph Neural Networks: A Review of Methods and Applications
Arxiv
9+阅读 · 2019年3月7日
DeepTraffic: Crowdsourced Hyperparameter Tuning of Deep Reinforcement Learning Systems for Multi-Agent Dense Traffic Navigation
DeepTraffic: Crowdsourced Hyperparameter Tuning of Deep Reinforcement Learning Systems for Multi-Agent Dense Traffic Navigation
Arxiv
5+阅读 · 2019年1月3日
Learning with Interpretable Structure from RNN
Arxiv
20+阅读 · 2018年10月25日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
VIP会员
相关主题
深度学习
贝叶斯理论
神经网络
机器学习
NeurIPS 2019
最新内容
《反无人机蜂群：有人-无人协同防御场景下的编队重构分析》
《反无人机蜂群：有人-无人协同防御场景下的编队重构分析》
专知会员服务
4+阅读 · 今天12:53
《史诗怒火/咆哮雄狮行动：针对伊朗空中战役的战略分析》68页智库报告
《史诗怒火/咆哮雄狮行动：针对伊朗空中战役的战略分析》68页智库报告
专知会员服务
3+阅读 · 今天12:39
“愈演愈烈的欺骗与干扰博弈”：无人机与人工智能背景下俄乌强化以无人机为核心的电子战
“愈演愈烈的欺骗与干扰博弈”：无人机与人工智能背景下俄乌强化以无人机为核心的电子战
专知会员服务
2+阅读 · 今天12:32
乌克兰纵深打击如何重塑俄罗斯的战略选择
乌克兰纵深打击如何重塑俄罗斯的战略选择
专知会员服务
1+阅读 · 今天12:25
《分布式太空任务对比分析与综合建模及仿真环境》120页
《分布式太空任务对比分析与综合建模及仿真环境》120页
专知会员服务
1+阅读 · 今天12:14
俄乌战争中关于中程打击无人机部署的经验启示
俄乌战争中关于中程打击无人机部署的经验启示
专知会员服务
0+阅读 · 今天12:08
《远程自主系统可扩展态势感知的解决方案》32页2026最新报告
《远程自主系统可扩展态势感知的解决方案》32页2026最新报告
专知会员服务
4+阅读 · 7月23日
《基于强化学习的自动化红队测试》
《基于强化学习的自动化红队测试》
专知会员服务
4+阅读 · 7月23日
《下一代无人机-卫星通信：人工智能创新与未来展望》32页长综述
《下一代无人机-卫星通信：人工智能创新与未来展望》32页长综述
专知会员服务
6+阅读 · 7月23日
“天降毒雾”：无人机如何使化学战重返乌克兰战场
“天降毒雾”：无人机如何使化学战重返乌克兰战场
专知会员服务
2+阅读 · 7月23日
伊朗不对称防空战略的演进
伊朗不对称防空战略的演进
专知会员服务
4+阅读 · 7月23日
对抗环境下超视距目标打击的情报支援
对抗环境下超视距目标打击的情报支援
专知会员服务
10+阅读 · 7月22日
《面向复杂地形下无人机跟踪地面机器人（UAV–UGV）的自适应多滤波器扩展卡尔曼滤波框架》
《面向复杂地形下无人机跟踪地面机器人（UAV–UGV）的自适应多滤波器扩展卡尔曼滤波框架》
专知会员服务
4+阅读 · 7月22日
纵深侦察：大规模作战行动中远程侦察与监视之迫切需求
纵深侦察：大规模作战行动中远程侦察与监视之迫切需求
专知会员服务
8+阅读 · 7月22日
共享认知，分布式研判：复杂行动中的美国空军指挥控制（万字长文）
共享认知，分布式研判：复杂行动中的美国空军指挥控制（万字长文）
专知会员服务
11+阅读 · 7月22日
相关VIP内容
【经典回顾-Thomas Kipf报告】图神经网络无监督学习，32页ppt，Universiteit van Amsterdam
【经典回顾-Thomas Kipf报告】图神经网络无监督学习，32页ppt，Universiteit van Amsterdam
专知会员服务
45+阅读 · 2020年4月30日
【百度研究院】2020年10大人工智能科技趋势，Baidu Research: 10 Technological Trends in 2020
专知会员服务
34+阅读 · 2019年12月23日
不得不看！NeurIPS 2019三个关键研究热点趋势：贝叶斯、GNN、凸优化
不得不看！NeurIPS 2019三个关键研究热点趋势：贝叶斯、GNN、凸优化
专知会员服务
58+阅读 · 2019年12月19日
【图机器学习论文】图表示学习:方法与应用（Representation Learning on Graphs: Methods and Applications）
【图机器学习论文】图表示学习:方法与应用（Representation Learning on Graphs: Methods and Applications）
专知会员服务
147+阅读 · 2019年12月16日
【图机器学习论文】图神经网络：方法与应用综述（Graph Neural Networks: A Review of Methods and Applications）
【图机器学习论文】图神经网络：方法与应用综述（Graph Neural Networks: A Review of Methods and Applications）
专知会员服务
141+阅读 · 2019年12月16日
【NeurIPS2019】图变换网络：Graph Transformer Network
【NeurIPS2019】图变换网络：Graph Transformer Network
专知会员服务
112+阅读 · 2019年11月25日
【北京智源大会2019】 贝叶斯深度学习（ Bayesian Deep Learning ）， 清华大学| 朱军
【北京智源大会2019】 贝叶斯深度学习（ Bayesian Deep Learning ）， 清华大学| 朱军
专知会员服务
105+阅读 · 2019年11月22日
【报告推荐 | HEC-Montreal唐建博士】图神经网络推理，附27页ppt
【报告推荐 | HEC-Montreal唐建博士】图神经网络推理，附27页ppt
专知会员服务
78+阅读 · 2019年11月13日
【报告推荐】斯坦福大牛Jure Leskovec：图神经网络研究最新进展
【报告推荐】斯坦福大牛Jure Leskovec：图神经网络研究最新进展
专知会员服务
150+阅读 · 2019年11月12日
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
专知会员服务
67+阅读 · 2019年11月10日
热门VIP内容
相关资讯
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
【斯坦福大学Chelsea Finn-NeurIPS 2019】贝叶斯元学习
专知
19+阅读 · 2019年12月17日
NeurIPS提前看 | 四篇论文，一窥元学习的最新研究进展
NeurIPS提前看 | 四篇论文，一窥元学习的最新研究进展
机器之心
12+阅读 · 2019年12月9日
【HEC-Montreal唐建博士】图神经网络推理，附27页ppt
【HEC-Montreal唐建博士】图神经网络推理，附27页ppt
专知
47+阅读 · 2019年10月30日
【南洋理工大学】图神经网络，Graph Neural Networks，附121页ppt
【南洋理工大学】图神经网络，Graph Neural Networks，附121页ppt
专知
134+阅读 · 2019年10月28日
荐文 | 时序预测中的深度学习：以电力负载预测为例
荐文 | 时序预测中的深度学习：以电力负载预测为例
德先生
32+阅读 · 2019年9月18日
【CVPR2019教程】视频理解中的图表示学习
【CVPR2019教程】视频理解中的图表示学习
专知
43+阅读 · 2019年6月20日
SFFAI 33 报名通知 | 图深度学习专题
SFFAI 33 报名通知 | 图深度学习专题
人工智能前沿讲习班
6+阅读 · 2019年6月12日
【WWW2018】网络表示学习Tutorial（附下载）
【WWW2018】网络表示学习Tutorial（附下载）
专知
12+阅读 · 2018年4月25日
【回顾】医学影像计算与分析
【回顾】医学影像计算与分析
AI研习社
5+阅读 · 2017年11月5日
【技术分享】基于双流递归神经网络的人体骨架行为识别
【技术分享】基于双流递归神经网络的人体骨架行为识别
机器学习研究会
5+阅读 · 2017年9月1日
相关论文
Hierarchical Inter-Message Passing for Learning on Molecular Graphs
Arxiv
5+阅读 · 2020年6月22日
Speech2Action: Cross-modal Supervision for Action Recognition
Speech2Action: Cross-modal Supervision for Action Recognition
Arxiv
7+阅读 · 2020年3月30日
Factorized Graph Representations for Semi-Supervised Learning from Sparse Data
Arxiv
4+阅读 · 2020年3月5日
Knowledge Distillation from Internal Representations
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Investigating Meta-Learning Algorithms for Low-Resource Natural Language Understanding Tasks
Arxiv
5+阅读 · 2019年8月27日
Graph Neural Networks: A Review of Methods and Applications
Graph Neural Networks: A Review of Methods and Applications
Arxiv
9+阅读 · 2019年3月7日
DeepTraffic: Crowdsourced Hyperparameter Tuning of Deep Reinforcement Learning Systems for Multi-Agent Dense Traffic Navigation
DeepTraffic: Crowdsourced Hyperparameter Tuning of Deep Reinforcement Learning Systems for Multi-Agent Dense Traffic Navigation
Arxiv
5+阅读 · 2019年1月3日
Learning with Interpretable Structure from RNN
Arxiv
20+阅读 · 2018年10月25日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
微信扫码咨询专知VIP会员
Top