为用户和项目学习有效的潜在表示是推荐系统的基石。传统方法依靠用户项目的交互数据将用户和项目映射到共享的潜在空间中，但是交互的稀疏通常会带来挑战。尽管利用用户评论可以减轻这种稀疏性，但现有的评论意见推荐模型通常显示出两个关键局限性 ...

各种现实世界的应用程序都依靠未来的信息来做出决策，因此要求有效，准确的长序列多元时间序列序列预测。尽管最近基于注意力的预测模型在捕获长期依赖方面表现出强大的能力，但它们仍然受到两个关键局限性。首先，规范的自我注意力具有二次复杂性w ...

在长期时间序列预测（LTSF）任务中，越来越多的模型承认离散时间序列源于连续动态系统，并尝试对其动态结构进行建模。认识到现实世界数据的混沌本质，我们的模型 \textbf{\textit{Attraos}} 将混沌理论纳入 LTSF，将现实世界时间序列视为来自未知高维混沌动态系统的观察结果。在吸引子不变性的概念下，Attraos利用非参数相空间重构嵌入和提出的多尺度动态记忆单元来记忆历史动态结构并 ...

基于云的软件系统日益复杂，导致事件管理成为软件开发生命周期中不可或缺的一部分。根本原因分析（rca）是事件管理流程的关键部分，对于待命工程师来说是一项艰巨的任务，需要深厚的领域知识和团队特定服务的丰富经验。rca自动化可以显着节省时间，并减轻待命工程师的事件管理负担... ...

IT运营人工智能（aiops）旨在将人工智能的力量与（Aiops）生成的大数据相结合），以提供可操作的见解，其主要目标是最大限度地提高可用性。有各种各样的问题需要解决，并且有多种用例，可以利用人工智能功能来提高运营效率。在这里，我们回顾了 ...

尽管端到端的自主驾驶已经大大提高，但在感知和计划中，普遍的方法与人类认知原则保持不对。在本文中，我们提出了COGAD，这是一种新型的端到端自主驾驶模型，该模型模仿了人类驾驶员的等级认知机制。 Cogad实现了双分层机制：针对人类感知和意图条件的多模式轨迹生成的全球到本地上下文处理，用于认知启发的计划 ...

高保真3D对象的合成比2D图像生成更具挑战性，这是由于网格数据的非结构化性质和密集体积网格的立方复杂性。现有的两阶段管道压缩的网格与VAE（使用2D或3D监督），然后是潜在扩散采样，通常受到VAE中引入的效率低下的表述和模态失配造成的严重细节损失。我们介绍了SPARC，这是一个统一的框架，结合了稀疏的可变形立方体表示Sparsecubes和新颖的编码器Sparconv-Vae ...

在肉眼上，股票价格被认为是混乱，动态和不可预测的。的确，这是数亿零售商人和全球专业交易者的最困难预测任务之一，甚至在市场开放之前就每秒都要做。随着机器学习的开发以及市场多年来产生的数据量的最新进展，不可避免地应用机器学习技术，例如深度学习神经网络 ...