我们引入了一个将强化学习（RL）抽象为序列建模问题的框架。这使我们能够利用 Transformer 架构的简单性和可扩展性，以及 GPT-x 和 BERT 等语言建模的相关进步。特别是，我们提出了 Decision Transformer，这是一种将 RL 问题转化为条件序列建模的架构 ...

空间卷积广泛应用于众多深度视频模型中。它从根本上假设时空不变性，即 ...

现实世界的应用程序通常将图上的学习和优化问题结合起来。例如，我们的目标可能是对图进行聚类，以检测有意义的社区（或解决其他常见的图优化问题，例如设施位置、maxcut 等）。然而，图或相关属性通常只能被部分观察到，从而引入了必须在优化之前解决的学习问题，例如链接预测 ...

集成光电场传感器（IOES）在电场测量中发挥着至关重要的作用。本文介绍了IOES的原理，并定量评估了湿度对测量精度的影响。具有不同疏水性涂层和吸湿性外壳的传感器在 25% 至 95% 的相对湿度 (RH) 范围内进行制造和测试 ...

当前与类无关的计数方法可以推广到看不见的类，但通常需要参考图像来定义要计数的对象的类型，以及训练期间的实例注释。无参考的类不可知计数是一个新兴领域，它将计数的核心视为重复识别任务。此类方法有助于依赖变化的设定成分 ...

Transformers 在自然语言处理和计算机视觉的许多任务中取得了优越的性能，这也引发了时间序列社区的极大兴趣。在 Transformer 的众多优势中，捕获远程依赖关系和交互的能力对于时间序列建模尤其有吸引力，从而在各种时间序列应用中取得了令人兴奋的进展。在本文中，我们系统地回顾了用于时间序列建模的 Transformer 方案，强调了它们的优点和局限性 ...

众所周知，深度神经网络（DNN）很容易受到对抗性攻击。所谓的物理对抗示例通过将对抗补丁附加到真实对象来欺骗基于 DNN 的决策者。然而，大多数现有的物理对抗攻击工作都集中在静态物体上，例如玻璃框架、停车标志和附着在纸板上的图像 ...

视觉和语言多模态预训练和微调在视觉问答（VQA）方面取得了巨大成功。与一般领域 VQA 相比，生物医学 VQA 的性能受到数据有限的影响。在本文中，我们提出了一种用于生物医学 VQA 的检索增强预训练和微调范例 RAMM，以克服数据限制问题 ...