会员服务
登录查看更多
0

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议，是模型驱动软件和系统工程的首要会议系列，由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来，模型涵盖了建模的各个方面，从语言和方法到工具和应用程序。模特的参加者来自不同的背景，包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛，参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会，并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接：http://www.modelsconference.org/
【经典书】贝叶斯编程，378页pdf，Bayesian Programming
【经典书】贝叶斯编程，378页pdf，Bayesian Programming
专知会员服务
243+阅读 · 2020年5月18日
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
106+阅读 · 2020年5月15日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
176+阅读 · 2020年2月1日
【UAI 2019 Tutorials】深度学习数学（Mathematics of Deep Learning）
【UAI 2019 Tutorials】深度学习数学（Mathematics of Deep Learning）
专知会员服务
41+阅读 · 2019年11月16日
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
专知会员服务
253+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
167+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
人脸相关文献代码集锦：人脸检测、人脸识别、人脸生成等
人脸相关文献代码集锦：人脸检测、人脸识别、人脸生成等
专知
15+阅读 · 2019年5月20日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【OpenAI】深度强化学习关键论文列表
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Arxiv
14+阅读 · 2019年12月27日
Deep Universal Graph Embedding Neural Network
Arxiv
5+阅读 · 2019年9月25日
Do Transformer Attention Heads Provide Transparency in Abstractive Summarization?
Do Transformer Attention Heads Provide Transparency in Abstractive Summarization?
Arxiv
3+阅读 · 2019年7月8日
Nonparametric Topic Modeling with Neural Inference
Arxiv
3+阅读 · 2018年6月18日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
Differentiable Dynamic Programming for Structured Prediction and Attention
Arxiv
56+阅读 · 2018年2月20日
Learning beyond datasets: Knowledge Graph Augmented Neural Networks for Natural language Processing
Arxiv
11+阅读 · 2018年2月16日
Face Detection Using Improved Faster RCNN
Arxiv
6+阅读 · 2018年2月6日
Experience-driven Networking: A Deep Reinforcement Learning based Approach
Arxiv
9+阅读 · 2018年1月17日
Being Robust (in High Dimensions) Can Be Practical
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关主题
MoDELS
向量空间
深度学习框架
块
缩放
推断
计算学习理论
编程语言
机器学习
相关VIP内容
【经典书】贝叶斯编程，378页pdf，Bayesian Programming
【经典书】贝叶斯编程，378页pdf，Bayesian Programming
专知会员服务
243+阅读 · 2020年5月18日
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
106+阅读 · 2020年5月15日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
176+阅读 · 2020年2月1日
【UAI 2019 Tutorials】深度学习数学（Mathematics of Deep Learning）
【UAI 2019 Tutorials】深度学习数学（Mathematics of Deep Learning）
专知会员服务
41+阅读 · 2019年11月16日
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》（Machine Learning: a Probabilistic Perspective）第二版Python代码，附1098页pdf下载
专知会员服务
253+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
167+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
MIT新书《强化学习与最优控制》
专知会员服务
270+阅读 · 2019年10月9日
热门VIP内容
相关资讯
人脸相关文献代码集锦：人脸检测、人脸识别、人脸生成等
人脸相关文献代码集锦：人脸检测、人脸识别、人脸生成等
专知
15+阅读 · 2019年5月20日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【OpenAI】深度强化学习关键论文列表
【OpenAI】深度强化学习关键论文列表
专知
11+阅读 · 2018年11月10日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关论文
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Robust breast cancer detection in mammography and digital breast tomosynthesis using annotation-efficient deep learning approach
Arxiv
14+阅读 · 2019年12月27日
Deep Universal Graph Embedding Neural Network
Arxiv
5+阅读 · 2019年9月25日
Do Transformer Attention Heads Provide Transparency in Abstractive Summarization?
Do Transformer Attention Heads Provide Transparency in Abstractive Summarization?
Arxiv
3+阅读 · 2019年7月8日
Nonparametric Topic Modeling with Neural Inference
Arxiv
3+阅读 · 2018年6月18日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
Differentiable Dynamic Programming for Structured Prediction and Attention
Arxiv
56+阅读 · 2018年2月20日
Learning beyond datasets: Knowledge Graph Augmented Neural Networks for Natural language Processing
Arxiv
11+阅读 · 2018年2月16日
Face Detection Using Improved Faster RCNN
Arxiv
6+阅读 · 2018年2月6日
Experience-driven Networking: A Deep Reinforcement Learning based Approach
Arxiv
9+阅读 · 2018年1月17日
Being Robust (in High Dimensions) Can Be Practical
Arxiv
3+阅读 · 2017年12月14日
大家都在搜
  1. 电力电子
  2. 李清照词作
  3. 无人地面车辆
  4. 生成式人工智能
  5. MIT博士论文
  6. 智能仓储
  7. 无人艇
  8. 精益管理体系
  9. TDGN
  10. 谭铁牛院士深度解析：人工智能是天使还是魔鬼？（内含PPT）
    11.
Top
微信扫码咨询专知VIP会员
Top