AMiner会议论文推荐第二十二期：AAAI2021,IJCAI2020,NeurIPS2020论文

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification

IJCAI 2020 论文推荐：
论文名称：Toward A Neuro-inspired Creative Decoder
推荐理由：造力，是一个产生新颖和有价值的想法的过程，它涉及到大脑中任务正激活（控制）和任务负激活（默认）网络之间的关联增强。受这一重要发现的启发，作者提出了一种创意解码器，它可以直接调控神经元激活模式，同时从学习隐空间（learned latent space）中采样。该研究所提出的方法是完全无监督的并能够作为现成的方法使用。作者在三个不同的图像数据集（MNIST，FMNIST，CELEBA）上进行实验，揭示了在深度神经网络解码过程中任务正激活和任务负激活神经元之间的共同激活能够生成新的伪影（artifacts）。作者进一步确定了几个新颖度量指标的充分条件，用来衡量生成样本的创造力。
论文链接：https://www.aminer.cn/pub/5cede0eeda562983788ccf73/r?conf=ijcai2020
会议链接：https://www.aminer.cn/conf/ijcai2020

NeurIPS 2020 论文推荐：
论文名称：Multi-Task Reinforcement Learning with Soft Modularization
推荐理由：多任务学习（multi-task learning）是强化学习中一个非常具有挑战性的问题。虽然联合训练多个任务可以让策略在不同的任务中共享参数，但优化问题会变得非平凡：网络中的哪些参数应该在不同任务中重用是不清楚的，而且来自不同任务的梯度可能会相互干扰。因此，作者在策略表示上引入了一种显式模块化技术来缓解这一优化问题，而不是单纯地在不同任务间共享参数。在给定的基础策略网络下，作者设计一个路由网络，该网络用于估计不同的路由策略，而为每个任务重新配置基础网络。同时，该工作中特定任务策略不是为每个任务创建一个具体的路由，而是用所有可能的路由的软组合来表示。作者将这种方法命名为软模块化（soft modularization）。作者在模拟中对多个机器人操纵任务进行了实验，表明了该方法较基线提高了显著的样本效率和性能。
论文链接：https://www.aminer.cn/pub/5efe617adfae548d33e5d7f1/?conf=neurips2020
会议链接：https://www.aminer.cn/conf/neurips2020

AAAI 2021 论文推荐：
论文名称：An Attention Mechanism using Multiple Knowledge Sources for COVID-19 Detection from CT Images
推荐理由：截至目前，冠状病毒SARS-CoV-2已在120多个国家造成超过85万人死亡，感染人数超过2700万。除了主聚合酶链反应（PCR）检测外，基于计算机断层扫描（CT）自动识别阳性样本的方法对于COVID-19的早期诊断而言是一种有前景的选择。最近，越来越多的研究开始利用深度神经网络进行基于CT扫描的COVID-19诊断。这些方法大多专注于引入新型架构、转移学习技术或大规模数据的构建上，而作者提出了一种新的策略：利用与医生诊断相关的多个有用信息源来提高诊断表现。具体来说，作者从学习网络中提取的感染区域和热图特征，将其它们在学习过程中通过一种注意力机制与全局图像进行整合。这个过程使该研究中的系统对噪声影响更加健壮，并引导网络聚焦于局部病变区域。广泛的实验证明该方法较近期基线方法具有优越的性能。此外，该研究中的学习网络指导能够帮助医生理解灰箱模型中输入和输出之间的联系。
论文链接：https://www.aminer.cn/pub/5fc99d899e795e122ad20f82/?conf=aaai2021
会议链接：https://www.aminer.cn/conf/aaai2021

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification

标签：www,AMiner,AAAI2021,论文,任务,https,aminer,cn
来源： https://blog.csdn.net/AI_Conf/article/details/111563449