XiaoMi-AI文件搜索系统
World File Search SystemJMLR
CS 598：生成AI
- AE：Pierre Baldi。自动编码器，无监督的学习和深度体系结构。在ICML关于无监督和转移学习的研讨会上，第37-49页。JMLR研讨会和会议记录，2012年。URL http://proceedings.mlr.press/v27/baldi12a/baldi12a.pdf - vae-paper：Diederik P. Kingma和Max Welling。 自动编码变分贝叶斯。 在Yoshua Bengio和Yann Lecun，编辑，第二届国际学习代表会议，ICLR 2014，2014年，AB，加拿大AB，2014年4月14日至16日，2014年会议赛道诉讼，2014年。 url http：// arxiv.org/abs/1312.6114 - vae-tutorial：Diederik P Kingma，Max Welling等。 变分自动编码器的简介。 基金会和趋势®在机器学习中，12（4）：307–392，2019。 url https：// www。 nowpublishers.com/article/downloadsummary/mal-056 - 重要性 - 智慧：Yuri Burda，Roger Grosse和Ruslan Salakhutdinov。 重要的加权自动编码器。 ARXIV预印ARXIV：1509.00519，2015。 URL https://arxiv.org/pdf/1509.00519URL http://proceedings.mlr.press/v27/baldi12a/baldi12a.pdf - vae-paper：Diederik P. Kingma和Max Welling。自动编码变分贝叶斯。在Yoshua Bengio和Yann Lecun，编辑，第二届国际学习代表会议，ICLR 2014，2014年，AB，加拿大AB，2014年4月14日至16日，2014年会议赛道诉讼，2014年。url http：// arxiv.org/abs/1312.6114 - vae-tutorial：Diederik P Kingma，Max Welling等。变分自动编码器的简介。基金会和趋势®在机器学习中，12（4）：307–392，2019。url https：// www。nowpublishers.com/article/downloadsummary/mal-056 - 重要性 - 智慧：Yuri Burda，Roger Grosse和Ruslan Salakhutdinov。重要的加权自动编码器。ARXIV预印ARXIV：1509.00519，2015。URL https://arxiv.org/pdf/1509.00519URL https://arxiv.org/pdf/1509.00519
“在医学成像中部署大型模型”的特刊
Fenglei Fan博士目前是香港中文大学数学系的研究助理教授。 他将在2025年春季加入香港城市大学担任终身助理助理教授。 他的主要研究兴趣在于NeuroAI及其在模型压缩和医学成像中的应用。 他在旗舰AI和医学成像场所中撰写了26篇论文，例如JMLR，TNNLS，TMI，CVPR，TCI和TRPMS。 他是IBM AI Horizon奖学金的接受者。 他还被选为2021年国际神经网络协会博士学位论文奖的获得者。 他的主要作品论文被选为2024名CVPR最佳纸张奖候选人之一（在1W+提交中有26个），分别赢得了IEEE核和等离子社会最佳纸张奖。 Fenglei Fan博士的以下工作与此特刊建议直接相关：F。L. Fan，J。 Fan，D。Wang，J。Zhang，Z。Dong，S。Zhang，S.，G。Wang和T. Zeng，《超压力：通过超功能的模型压缩》。 ARXIV预印arxiv：2409.00592，2024。Fenglei Fan博士目前是香港中文大学数学系的研究助理教授。他将在2025年春季加入香港城市大学担任终身助理助理教授。他的主要研究兴趣在于NeuroAI及其在模型压缩和医学成像中的应用。他在旗舰AI和医学成像场所中撰写了26篇论文，例如JMLR，TNNLS，TMI，CVPR，TCI和TRPMS。他是IBM AI Horizon奖学金的接受者。他还被选为2021年国际神经网络协会博士学位论文奖的获得者。他的主要作品论文被选为2024名CVPR最佳纸张奖候选人之一（在1W+提交中有26个），分别赢得了IEEE核和等离子社会最佳纸张奖。Fenglei Fan博士的以下工作与此特刊建议直接相关：F。L. Fan，J。Fan，D。Wang，J。Zhang，Z。Dong，S。Zhang，S.，G。Wang和T. Zeng，《超压力：通过超功能的模型压缩》。ARXIV预印arxiv：2409.00592，2024。
亚洲可信赖的机器学习（ATML）奖学金
大学和Riken AIP的Baiho访问科学家，他的研究重点是机器学习，深度学习，基础模型及其应用。他是MBZUAI MLD的访问研究学者，Microsoft Research和Alibaba Damo Academy的客座研究员，Riken AIP的博士后研究员。他撰写了MIT Press，Springer自然以及基金会和趋势的三本机器学习专着。他曾担任Neurips的高级主席，以及神经，ICML和ICLR的区域主席。他还曾担任IEEE TPAMI，MLJ和JAIR的副编辑，以及JMLR和MLJ的编辑委员会成员。他在Neurips获得了杰出的纸质奖，在Neurips的最有影响力的论文，著名的Neurips的区域主席，ICLR的杰出地区主席以及IEEE TNNLS的杰出副编辑。他获得了RGC早期职业计划，NSFC总体计划，IJCAI早期职业聚光灯，Riken Baiho奖，Dean杰出成就奖，Microsoft Research Startrack计划以及来自Bytedance，Baidu，Baidu，Alibaba and Tencent的教师研究奖。2。Tongliang Liu教授是悉尼大学悉尼AI中心的主任，Tongliang Liu教授是悉尼大学悉尼AI中心的主任，
基于图形的大脑结构连通性分析
分析大脑连通性旨在研究大脑的每个区域如何相互关系。在过去的几十年中，对非侵入性获取技术的改进已经大大扩展了我们捕获有关大脑中的物理或功能连接的精细细节的能力。研究中心之间的扩散使连接性分析使神经科学研究的负责人之一是神经科学研究的负责人。希望更好地理解大脑的行为。我将在ǻ节中介绍不同的连接性概念，以及它们的分析所带来的挑战。我的作品的目的是开发一个新的指标，以比较跨主题的连通性。为此，我将在第ǻ节中介绍图形信号处理的框架。它已经在复杂网络分析的更广泛领域中找到了有希望的应用程序。我们将最近提出的指标调整为我们的设置，结合了图形信号处理和最佳运输理论的想法（我根据需要根据需要介绍最佳运输工具，但是在附录中为感兴趣的读者提供了更全面的介绍）。i提出了该指标的扩展，通过利用Barycenter的概念，该概念允许比较队列而不是个人。i应用了我适应和设计的方法，以用于研究抑郁症的数据。此数据是从患有情绪抑郁症的患者的雷恩（Rennes）中收集的，以研究病理对大脑的长期影响以及疾病临床方面的生物标志物，例如药物抗性。在本报告中，我将参考患者患有抑郁症的受试者和健康组的控制。i然后研究了另一个概念图曲率，该曲线提供了一种揭示图的结构信息的新方法。我在ǽ节中描述了其基础，我讨论了我们如何在上下文中调整它。i提出了一个新想法，该想法是使用扩散距离的计算，以及上述数据获得的一些初步结果。我在此期间生产的大多数实现都可以在线 *。我也有机会为我用于某些实施的Python Optimal Transport Library做出了贡献，并且我一直是JMLR的论文提交的一部分，作为该库的贡献者。
质疑人工智能预测：影响力驱动的第二意见推荐
[1] Gagan Bansal、Besmira Nushi、Ece Kamar、Dan Weld、Walter Lasecki 和 Eric Horvitz。2019 年。人机协作团队向后兼容的案例。ICML 人机协作学习研讨会 (2019)。[2] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 CHI 计算机系统人为因素会议论文集上。1-16。 [3] Umang Bhatt、Javier Antorán、Yunfeng Zhang、Q Vera Liao、Prasanna Sattigeri、Riccardo Fogliato、Gabrielle Gauthier Melançon、Ranganath Krishnan、Jason Stanley、Omesh Tickoo 等人。2020 年。不确定性作为透明度的一种形式：测量、传达和使用不确定性。arXiv 预印本 arXiv:2011.07586 (2020)。[4] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。 [5] Rich Caruana、Yin Lou、Johannes Gehrke、Paul Koch、Marc Sturm 和 Noemie Elhadad。2015 年。医疗保健的可理解模型：预测肺炎风险和 30 天内住院率。第 21 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集。1721–1730。[6] R Dennis Cook。1986 年。局部影响力评估。皇家统计学会杂志：B 系列（方法论）48，2（1986 年），133–155。[7] Maria De-Arteaga、Artur Dubrawski 和 Alexandra Chouldechova。2021 年。利用专家一致性改进算法决策支持。arXiv 预印本 arXiv:2101.09648（2021 年）。 [8] Maria De-Arteaga、Riccardo Fogliato 和 Alexandra Chouldechova。2020 年。《人机交互案例：在存在错误算法评分的情况下做出决策》。2020 年 CHI 计算机系统人为因素会议论文集。1-12。[9] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法错误后会错误地避开算法》。《实验心理学杂志：综合》144, 1 (2015)，114。[10] Kelwin Fernandes、Jaime S Cardoso 和 Jessica Fernandes。2017 年。《具有部分可观测性的迁移学习应用于宫颈癌筛查》。《伊比利亚模式识别与图像分析会议》。Springer，243-250。 [11] Yarin Gal 和 Zoubin Ghahramani。2016 年。Dropout 作为贝叶斯近似：表示深度学习中的模型不确定性。在国际机器学习会议 (ICML) 中。1050–1059。[12] Ruijiang Gao、Maytal Saar-Tsechansky、Maria De-Arteaga、Ligong Han、Min Kyung Lee 和 Matthew Lease。2021 年。通过 Bandit 反馈实现人机协作。IJCAI (2021)。[13] Pang Wei Koh 和 Percy Liang。2017 年。通过影响函数理解黑盒预测。在第 34 届国际机器学习会议论文集-第 70 卷中。JMLR。org，1885–1894 年。[14] Himabindu Lakkaraju、Jon Kleinberg、Jure Leskovec、Jens Ludwig 和 Sendhil Mullainathan。2017 年。选择性标签问题：在存在不可观测因素的情况下评估算法预测。第 23 届 ACM SIGKDD 国际知识发现与数据挖掘会议论文集。ACM，275–284。