新闻中心 
-
02-01伯克利开源高质量大型机器人操控基准，面对复杂自主操控任务不再犯难随着人工智能和机器人技术的迅速发展，功能操控（FunctionalManipulation）在机器人学中的重要性愈加突出。传统的基准测试已无法满足目前机器人对复...
-
01-24代价敏感学习的概念及其方法解析代价敏感学习是一种机器学习方法，它考虑到不同类型错误的代价不同。相比于简单地最小化错误率，代价敏感学习的目标是最小化不正确分类所带来的代价。这种方法常用于处理不...
-
01-23识别多元回归模型中关键参数的方法多元回归是一种扩展了线性回归模型的方法，用于预测具有多个自变量的系统。它可以创建一个包含单个因变量和多个自变量的回归模型。在多元回归模型中，参数对结果的影响至关...
-
01-23权重初始化在全卷积神经网络中的应用在全卷积神经网络(FCN)中，基本上对于每一层，都有一个随机的权重初始化。并且有两点要注意：全卷积神经网络(FCN)在反向传播过程中不会使用0作为权重。这是因为...
-
01-14GPT-4的智能水平下降的新诠释GPT-4，自其发布以来被视为全球最强大的语言模型之一，却也不幸经历了一系列的信任危机。如果我们将今年早些时候的"间歇式降智"事件与Open...
-
10-05谷歌：非等频采样时间序列表示学习新方法在时间序列问题中，有一种类型的时间序列不是等频采样的，即每组相邻两个观测值的时间间隔不一样。时间序列表示学习在等频采样的时间序列中已经进行了比较多的研究，但是在...
