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
33+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
《利用大语言模型增强多域作战兵棋推演》（报告）
《利用大语言模型增强多域作战兵棋推演》（报告）
专知会员服务
8+阅读 · 4月18日
《增强准备状态与战备水平：态势感知与数据驱动决策》报告
《增强准备状态与战备水平：态势感知与数据驱动决策》报告
专知会员服务
8+阅读 · 4月18日
中文版《可靠定位、导航与授时 (APNT)：美军相关研发项目》报告
中文版《可靠定位、导航与授时 (APNT)：美军相关研发项目》报告
专知会员服务
6+阅读 · 4月18日
《自主武器系统人类-AI指挥控制中的动态管理》（2026最新450页）
《自主武器系统人类-AI指挥控制中的动态管理》（2026最新450页）
专知会员服务
11+阅读 · 4月18日
美智库《实现空军战斗出动架次生成能力：对目标、差距、障碍与解决方案的审视》（报告）
美智库《实现空军战斗出动架次生成能力：对目标、差距、障碍与解决方案的审视》（报告）
专知会员服务
5+阅读 · 4月18日
《大规模作战行动中争夺情报优势：情报与电子战营-下一代角色探析》（报告）
《大规模作战行动中争夺情报优势：情报与电子战营-下一代角色探析》（报告）
专知会员服务
8+阅读 · 4月18日
人工智能在战场行动中的演进及伊朗案例
人工智能在战场行动中的演进及伊朗案例
专知会员服务
6+阅读 · 4月18日
美AI公司Anthropic推出网络安全模型“Mythos”
美AI公司Anthropic推出网络安全模型“Mythos”
专知会员服务
4+阅读 · 4月18日
【博士论文】面向城市环境的可解释计算机视觉
【博士论文】面向城市环境的可解释计算机视觉
专知会员服务
4+阅读 · 4月18日
【CVPR2026】SEATrack：一种简明、高效且具备自适应能力的多模态跟踪器
【CVPR2026】SEATrack：一种简明、高效且具备自适应能力的多模态跟踪器
专知会员服务
3+阅读 · 4月18日
大语言模型的自改进机制：技术综述与未来展望
大语言模型的自改进机制：技术综述与未来展望
专知会员服务
5+阅读 · 4月18日
《面向战术决策的广义智能：大语言模型驱动的动态武器-目标分配》
《面向战术决策的广义智能：大语言模型驱动的动态武器-目标分配》
专知会员服务
10+阅读 · 4月18日
《分布式军事人工智能理论：部分可观测与通信条件下的协调约束多智能体强化学习》
《分布式军事人工智能理论：部分可观测与通信条件下的协调约束多智能体强化学习》
专知会员服务
11+阅读 · 4月18日
《第四代军事特种作战部队选拔与评估》
《第四代军事特种作战部队选拔与评估》
专知会员服务
3+阅读 · 4月18日
《迈向可解释强化学习及面向战略决策的定制化学习基准》（70页）
《迈向可解释强化学习及面向战略决策的定制化学习基准》（70页）
专知会员服务
6+阅读 · 4月18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
33+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