ml surveys

ml-surveys

Es ist schwer, mit dem neuesten und größten maschinellen Lernen Schritt zu halten. Hier ist eine Auswahl von Umfragetätern, die die Fortschritte vor Ort zusammenfassen .

Finden Sie heraus, wie Sie Ihr ML -Projekt implementieren können? Erfahren Sie, wie andere Organisationen es applied-ml

Inhaltsverzeichnis

• Empfehlung
• Tiefes Lernen
• Verarbeitung natürlicher Sprache
• Computer Vision
• Vision und Sprache
• Verstärkungslernen
• Graph
• Einbettungen
• Meta-Learning und wenige Schusslernen
• Andere

Empfehlung

• Algorithmen: Repection Systems Survey (2013)
• Algorithmen: Deep Learning Based Repection System: Eine Umfrage und neue Perspektiven (2019)
• Algorithmen: Machen wir wirklich Fortschritte? Eine Analyse neuronaler Empfehlungsansätze (2019)
• Serendipity: Eine Umfrage zur Serendipity in Repection Systems (2016)
• Vielfalt: Vielfalt in Empfehlungssystemen - Eine Umfrage (2017)
• Erklärungen: Eine Übersicht über Erklärungen in Empfehlungssystemen (2007)

Tiefes Lernen

• Architektur: Eine hochmoderne Umfrage zur Deep-Learning-Theorie und -architektur (2019)
• Wissensdestillation: Wissensdestillation: Eine Umfrage (2021)
• Modellkomprimierung: Komprimierung von Deep -Learning -Modellen für Text: Eine Umfrage (2020)
• Transferlernen: Eine Umfrage zum Deep Transfer Learning (2018)
• Suche nach neuronaler Architektur: Eine umfassende Übersicht über die Suche nach neuronalen Architektur (2021)
• Suche

Verarbeitung natürlicher Sprache

• Deep Learning: Jüngste Trends in der tiefen Lernbasierten natürlichen Sprachverarbeitung (2018)
• Klassifizierung: Deep Learning -basierte Textklassifizierung: Eine umfassende Übersicht (2021)
• Generierung: Übersicht über den SOTA in der Erzeugung der natürlichen Sprache: Kernaufgaben, Anwendungen und Bewertung (2018)
• Generation: Erzeugung der neuronalen Sprache: Formulierung, Methoden und Bewertung (2020)
• Übertragungslernen: Erforschen von Transferlernen mit T5: Der Transformator für Transformatoren von Text zu Text (2020)
• Transformatoren: Effiziente Transformatoren: Eine Umfrage (2020)
• Metriken: Über Genauigkeit hinaus: Verhaltenstests von NLP -Modellen mit Checkliste (2020)
• Metriken: Bewertung der Textgenerierung: Eine Umfrage (2020)

Computer Vision

• Objekterkennung: Objekterkennung in 20 Jahren (2019)
• Gegentliche Angriffe: Gefahr von kontroversen Angriffen auf das Deep -Lernen in Computer Vision (2018)
• Autonome Fahrzeuge: Computer Vision für autonome Fahrzeuge: Probleme, Datensätze und SOTA (2021)
• Bildunterschriften: Eine umfassende Übersicht über Deep Learning for Image Captioning (2018)
• Instanzsegmentierung: Eine Umfrage zur Instanzsegmentierung: Stand der Technik
• Vision Transformator: Eine Umfrage zum Vision -Transformator
• Architekturen: Überprüfung des Deep Learning: Konzepte, CNN -Architekturen, Herausforderungen, Anwendungen, zukünftige Anweisungen
• Transformatoren: Transformatoren in Vision: Eine Umfrage

Vision und Sprache

• Trends: Trends zur Integration von Vision und Sprachforschung: Aufgaben, Datensätze und Methoden (2021)
• Trends: Multimodale Forschung in Vision und Sprache: Aktuelle und aufkommende Trends (2020)

Verstärkungslernen

• Algorithmen: Eine kurze Übersicht über das Lernen von Deep verstärkten (2017)
• Transferlernen: Transferlernen für Verstärkungslerndomänen (2009)
• Wirtschaftswissenschaften: Überprüfung der Methoden und Anwendungen der Tiefenverstärkung in der Wirtschaft (2020)
• Entdeckung: Tiefes Verstärkungslernen für Suche, Empfehlung und Online -Werbung (2018)

Graph

• Umfrage: Eine umfassende Umfrage zu Grafik neuronalen Netzwerken (2019)
• Umfrage: Ein praktischer Leitfaden für neuronale Netzwerke von Grafiken (2020)
• Betrugserkennung: Eine systematische Literaturübersicht über graphbasierte Anomie-Erkennungsansätze (2020)
• Wissensgrafiken: Eine umfassende Einführung in Wissensgrafiken (2021)

Einbettungen

• Text: Von Wort zu Sinn Einbettungen: Eine Umfrage zu Vektordarstellungen der Bedeutung (2018)
• Text: Diachrisches Wort Einbettungen und semantische Verschiebungen (2018)
• Text: Wort Einbettungen: Eine Umfrage (2019)
• Text: Eine reproduzierbare Umfrage zu Worteinbettungen und auf Ontologie-basierten Methoden zur Wortähnlichkeit (2019)
• Grafik: Eine umfassende Untersuchung der Grafikeinbettung: Probleme, Techniken und Anwendungen (2017)

Meta-Learning und wenige Schusslernen

• NLP: Meta-Learning für die Verarbeitung natürlicher Sprache für wenige Schüsse: Eine Umfrage (2020)
• Domain Agnostic: Lernen aus wenigen Stichproben: Eine Umfrage (2020)
• Neuronale Netze: Meta-Learning in neuronalen Netzwerken: Eine Umfrage (2020)
• Domain Agnostic: Ein umfassender Überblick und Umfrage über die jüngsten Fortschritte im Meta-Learning (2020)
• Domain Agnostic: Baby Schritte in Richtung weniger Schusslernen mit mehreren Semantik (2020)
• Domain Agnostic: Meta-Learning: Eine Umfrage (2018)
• Domain Agnostic: Eine Perspektivansicht und Übersicht über Meta-Learning (2002)

Andere

• Transferlernen: Eine Umfrage zum Transferlernen (2009)