可扩展的多模态表示学习网络

学术背景 在人工智能领域,多模态表示学习(Multi-modal Representation Learning, MMRL)是一种强大的范式,旨在将来自不同模态的输入映射到一个共享的表示空间中。例如,在社交网络中,用户通常会同时分享图像和文本信息。通过多模态表示学习,模型可以更好地理解文本中的某些词汇或概念与图像中的视觉模式之间的关系。这种范式在医疗保健、情感识别等多个领域得到了广泛应用,因为数据通常以多种形式存在,而多模态信息的融合可以增强系统的整体理解和决策能力。 然而,现有的多模态表示学习方法面临两个主要挑战:高阶信息保留和样本外数据泛化。首先,现有的方法主要考虑成对的标准图结构,忽略了高阶关系可能带来的潜在洞察。其次,大多数现有的图基于多模态表示学习框架假设在推理阶段已经收集了完整...

多视图数据的一步聚类与双重表示学习方法

在现实世界的应用中,多视图数据(multi-view data)广泛存在。多视图数据指的是从多个来源或通过多种表示方式收集的数据,例如同一新闻故事的不同语言版本或通过不同医学检测手段获得的疾病数据。多视图学习(multi-view learning)是挖掘多视图数据的有效方法,而多视图聚类(multi-view clustering)作为多视图学习的重要组成部分,近年来受到越来越多的关注。然而,如何设计一种有效的多视图数据挖掘方法,并使其更具针对性,仍然是一个具有挑战性的任务。 传统多视图聚类方法主要分为两类:基于原始视图的方法(original views-based methods)和基于共同潜在视图的方法(common latent view-based methods)。前者通常通过...

深度学习中的损失函数与性能指标:全面综述

深度学习(Deep Learning)作为人工智能领域的重要分支,近年来在计算机视觉、自然语言处理等多个领域取得了显著进展。然而,深度学习的成功在很大程度上依赖于损失函数(Loss Function)和性能指标(Performance Metrics)的选择。损失函数用于衡量模型预测与真实值之间的差异,并指导模型的优化过程;而性能指标则用于评估模型在未见数据上的表现。尽管损失函数和性能指标在深度学习中至关重要,但面对众多的选择,研究者和从业者往往难以确定最适合其特定任务的方法。 为此,本文旨在对深度学习中最常用的损失函数和性能指标进行全面回顾,帮助研究者和从业者更好地理解和选择适合其任务的工具。文章不仅涵盖了经典的回归和分类任务,还深入探讨了计算机视觉、自然语言处理(NLP)以及检索增强生成...

人工智能驱动的云计算作业调度:全面综述

学术背景 随着云计算技术的快速发展,动态和异构的云环境对高效的作业调度需求日益增长。传统的调度算法在简单系统中表现良好,但在现代复杂的云基础设施中已无法满足需求。云环境的资源异构性、能源消耗和实时适应性等问题,促使研究者探索基于人工智能(AI)的解决方案。AI驱动的作业调度技术通过机器学习、优化技术、启发式技术和混合AI模型,提供了更高的适应性、可扩展性和能源效率。本文旨在全面回顾AI驱动的作业调度技术,分析现有方法的优缺点,并探讨如何通过AI克服传统算法的不足。 论文来源 本文由Yousef Sanjalawe、Salam Al-E’mari、Salam Fraihat和Sharif Makhadmeh共同撰写,发表在《Artificial Intelligence Review》期刊上,...

基于毕达哥拉斯语言信息的绿色供应商选择:量子群体决策与MULTIMOORA方法

随着全球环境问题的日益严峻,企业在供应链管理中越来越重视绿色和可持续的发展。绿色供应链管理(Green Supply Chain Management, GSCM)已成为企业提升竞争力和实现可持续发展的重要手段。然而,绿色供应商的选择(Green Supplier Selection, GSS)是一个复杂的多准则群体决策问题(Multicriteria Group Decision-Making, MCGDM),涉及多个决策者的不同意见和不确定性。传统的MCGDM方法在处理专家意见的信任度和模糊性方面存在不足,难以准确反映现实中的复杂情况。 为了解决这一问题,Prasenjit Mandal等学者提出了一种基于毕达哥拉斯语言信息(Pythagorean Linguistic Informat...

机器学习在纳米物联网中的应用:挑战与未来方向

学术背景 近年来,纳米技术和物联网(IoT)的快速发展催生了一个革命性的领域——纳米物联网(IoNT)。纳米物联网将纳米级设备与互联网连接,使其能够在农业、军事、多媒体和医疗等领域中发挥重要作用。然而,尽管纳米物联网和机器学习(ML)都取得了显著进展,但关于两者如何结合的全面研究却相对缺乏。现有的研究主要集中在纳米物联网的架构、通信方法和特定领域的应用上,而忽略了机器学习在数据处理、异常检测和安全方面的潜力。因此,本文旨在填补这一空白,通过深入分析纳米物联网与机器学习的结合,探讨机器学习在纳米物联网中的最新应用,并系统地讨论这一结合所面临的挑战。 论文来源 本文由Aryan Rana、Deepika Gautam、Pankaj Kumar、Kranti Kumar、Athanasios V....

人工智能在对话中识别语音情感的系统综述与元分析

学术背景 情感识别(Emotion Recognition)是人工智能(AI)和情感计算(Affective Computing)领域中的一个重要研究方向,尤其在医疗、教育和人机交互(HCI)等领域具有广泛的应用前景。语音作为情感表达的重要载体,能够通过声调、语速、音量等特征传递丰富的情感信息。然而,语音情感识别(Speech Emotion Recognition, SER)在对话场景中的应用仍面临诸多挑战,如情感的动态性、多模态数据的融合以及情感标注的准确性等。 为了更好地理解AI在对话中识别语音情感(Speech Emotion Recognition in Conversation, SERC)的最新进展和存在的问题,本文作者进行了一项系统综述和元分析(Meta-Analysis)。...

Web of Things (Wot) 安全威胁检测的挑战与深度学习技术应用

随着物联网(Internet of Things, IoT)和Web of Things (Wot)的快速发展,安全问题日益凸显。尤其是拒绝服务攻击(Denial of Service, DoS)的频发,使得Wot系统的安全性成为亟待解决的问题。Wot通过将物联网设备与Web技术集成,实现了设备与互联网的无缝连接,但这也带来了新的安全挑战。由于Wot设备的异构性和开放性,传统的安全机制难以应对复杂的攻击场景。因此,本文旨在通过系统文献综述(Systematic Literature Review, SLR),探讨Wot系统中的安全威胁,特别是DoS攻击的检测与防御机制,并分析深度学习(Deep Learning, DL)技术在这一领域的应用。 论文来源 本文由Ruhma Sardar、Tay...

包含Ag135铜60纳米团簇的结构和光学性质研究

金属纳米团簇(metal nanoclusters)是介于分子和金属之间的纳米尺度材料,具有独特的物理化学性质,尤其是在原子结构与物理性质之间的关系研究中扮演着重要角色。近年来,研究者们对有机配体保护的金属纳米团簇产生了浓厚兴趣,因其精确的原子结构、迷人的几何特征以及潜在的应用前景。特别是具有富勒烯拓扑结构的多壳层金属纳米团簇,因其高度对称性和稳定性,成为研究的热点。然而,非碳元素构成的富勒烯结构往往因稳定性问题难以合成,这使得相关研究进展缓慢。 本文的研究旨在解决这一难题,通过合成一种新型的银铜纳米团簇 Ag135Cu60,探索其结构与光学特性,并揭示其在纳米科学与材料科学中的潜在应用价值。该团簇具有类似巴克明斯特富勒烯(Buckminsterfullerene)的拓扑结构,为研究金属纳米...

卡车电气化对美国空气污染差异的影响

学术背景 随着全球气候变化的加剧和空气污染问题的日益严重,减少交通运输领域的碳排放和污染物排放成为各国政府和研究机构的关注重点。重型卡车(Class 8)作为美国货运的主要工具,贡献了大量的柴油尾气排放,尤其是细颗粒物(PM2.5)和氮氧化物(NOx)。这些排放不仅加剧了气候变化,还对公众健康,尤其是弱势社区和少数族裔群体,造成了不成比例的影响。尽管电气化被视为减少卡车尾气排放的有效手段,但其对电网的依赖可能导致电力生产设施的污染物排放增加,从而可能转移污染负担。因此,评估卡车电气化对空气污染差异的影响,尤其是对弱势社区和少数族裔群体的影响,具有重要的现实意义。 美国《通货膨胀削减法案》(Inflation Reduction Act, IRA)旨在通过投资清洁能源和电网脱碳来推动公平的能源...