在实际流媒体推荐系统中,用户偏好通常会随着时间的流逝而动态变化(例如,用户在工作日和周末可能具有不同的偏好) ...
超参数调整是机器学习研究的活跃领域,其目的是确定在验证集中提供最佳性能的最佳超参数。通常使用幼稚的技术(例如随机搜索和网格搜索)来实现高参数调整。但是,这些方法中的大多数很少会导致一组最佳的超参数,并且通常会变得非常昂贵 ...
在过去的几年中,视觉变形金刚(VIT)在各种视觉识别任务中始终表现出出色的表现。但是,增强其鲁棒性的尝试取得了有限的成功,主要集中于不同的培训策略,输入补丁增加或网络结构增强功能。这些方法通常涉及广泛的培训和微调,这些培训是耗时且资源密集的 ...
在文本视频检索中,最近的作品从预先训练的文本图像基础模型(例如剪辑)的强大学习能力中受益,它通过使其适应视频域 ...
在复杂的自然环境中,人类在强大的两足动物行走方面表现出色。在每个步骤中,它们都充分调整了生物力学肌肉动力学和神经元信号的相互作用,以便在地面条件下不确定性。但是,考虑到稳定性,鲁棒性和能量效率,神经系统如何解决神经系统如何解决肌肉骨骼的冗余问题 ...
在Meituan Waimai的推荐系统中,我们正在处理持续延长的用户行为序列,这对有效建模用户偏好构成了越来越多的挑战。现有的顺序推荐模型通常无法捕获长期的依赖性或太复杂,这使满足Meituan Waimai独特的业务需求的满足感变得复杂。为了更好地建模用户兴趣,我们考虑根据用户的偏好从用户的广泛历史行为中选择相关的子序列 ...
增强学习(RL)与多模式大型语言模型(MLLM)的推理能力的整合已迅速成为变革性的研究方向。尽管MLLM大大扩展了大型语言模型(LLM),以处理视觉,音频和视频等各种模式,从而在多模式输入中实现强大的推理仍然是一个重大挑战。这项调查系统地回顾了基于RL的MLLM推理的最新进展,涵盖了关键算法设计,奖励机制创新和实际应用 ...
基于深度学习的预测模型利用电子健康记录(EHR)正在受到医疗保健的越来越多的关注。患者EHR的有效表示应分层涵盖历史访问与医疗事件之间的时间关系,以及这些元素中固有的结构信息。现有的患者表示方法可以大致分为顺序表示和图形表示 ...