《中国人工智能学会通讯》—

11.21 结束语

本文针对交通流的网络性、异质性和动态性特点，结合当前多任务学习方法的不足提出了相应的解决方案。然而，在实际的应用场景中还存在更多的挑战，需要进一步深入的研究方向包括：① 高维任务的共同学习方法。在高维数据场景下，任务也体现出高维的特点，其中的难点在于高维任务中所蕴含的关系模式更为复杂，这种关系可能是聚类模式，甚至层次模式无法刻画的。如何解决高维任务场景下的多任务共同学习的问题是未来需要深入研究的方向之一。② 数据延迟或缺失下的多任务学习。在交通应用场景中，交通流采集数据由于上传不及时或数据包丢失等原因，常常造成数据延迟或缺失的情况，这对高速公路交通决策支持系统的分析带来极大的挑战。当数据延迟或缺失较为严重时，多任务学习的精度将大幅受损，模型甚至无法使用。因此，如何能够对具有延迟和缺失特点的数据进行多任务学习建模是未来需要深入研究的另一个方向。

《中国人工智能学会通讯》——11.21 结束语相关推荐

中国人工智能学会通讯——基于视频的行为识别技术 1.7 视频的深度分段网络...
1.7 视频的深度分段网络下面介绍另外一个工作,是我们和 CUHK.ETH 联合开展的,这个工作考虑视频的分段特性,我们知道视频可以分成很多段,每一段有不同的内容.我们开发了一个深度模型,对不 ...
中国人工智能学会通讯——智能系统测评：挑战和机遇
上面的四个报告从四个维度讨论了智能系统测评的不同方面--产业.基础.基础和伦理.我受中国人工智能学会的委托,组织这次分论坛,为此对这个领域做了一些调研和思考,从现状和挑战这两个方面做了一些初步总结. ...
中国人工智能学会通讯——无智能，不驾驶——面向未来的智能驾驶时代 ( 下 )...
到目前为止似乎比较完美,而实际还存在着一些问题.我们现在看到很多道路上面,交通标志牌它的分布非常稀疏, 可能每过一两公里才能够检测出来一个交通标志牌,因为毕竟这个深度学习算法是目前最完美的,它 ...
中国人工智能学会通讯——深蓝、沃森与AlphaGo
在 2016 年 3 月份,正当李世石与AlphaGo 进行人机大战的时候,我曾经写过一篇< 人工智能的里程碑: 从深蓝到AlphaGo>,自从 1997 年深 ...
《中国人工智能学会通讯》——11.72 结束语
11.72 结束语视觉目标跟踪是计算机视觉和模式识别领域的热点问题.其中,表观建模是实现鲁棒跟踪的先决条件.尽管国内外研究学者对视觉目标跟踪中的表观建模进行了一些研究,由于受复杂背景.光照变化.非刚 ...
《中国人工智能学会通讯》——9.21 基于任务规划的资源卫星智能管控模式
9.21 基于任务规划的资源卫星智能管控模式我国目前已建成包括高分.遥感.环境减灾.测绘和试验等多系列资源卫星系统,在轨运行的卫星 20 多颗.随着成像卫星的发展,成像卫星任务规划问题也逐渐引起重视 ...
《中国人工智能学会通讯》——11.40 面向知识库的实体链接
11.40 面向知识库的实体链接近年来,万维网上的数据量飞速增长,万维网已经成为世界上最大.最丰富的数据仓库之一.万维网上的数据大多是以自然语言的形式而存在,比如新闻网页.个人主页.微博.论坛等.自 ...
《中国人工智能学会通讯》——11.52 基于直推式学习的异质人脸图像合成
11.52 基于直推式学习的异质人脸图像合成前面介绍的方法都是基于归纳式学习(InductiveLearning) 的,这些方法取得了不错的效果,但是它们也使得测试样本风险误差增加,进而可能影响合 ...
《中国人工智能学会通讯》——11.66 结构属性表示及其在脑影像分析中的应用...
11.66 结构属性表示及其在脑影像分析中的应用传统属性表示方法主要集中在视觉属性.部件属性和相似属性.由于现实问题的复杂性和多样性,现有的属性表示方法无法对具有明显结构信息的图像进行有效表达.例如 ...

《中国人工智能学会通讯》——11.21 结束语

11.21 结束语

《中国人工智能学会通讯》——11.21 结束语相关推荐

最新文章

热门文章