XiaoMi-AI文件搜索系统
World File Search SystemLearn
双曲线与欧几里得的嵌入在几次学习中
最新的表示学习研究表明，层次数据将自己带入双曲线空间中的低维和高度信息的表示。但是，即使双曲线嵌入在图像识别方面也收集了，它们的优化也容易出现数值障碍。此外，与传统的Eu-Clidean特征相比，尚不清楚哪种应用将受益于双曲线的隐性偏见最大。在本文中，我们专注于原型双曲神经网络。尤其是，双曲线嵌入的趋势会在高维度收敛到庞加尔e球的边界，并且对这对几乎没有的分类具有影响。我们表明，在常见的双曲半径上获得双曲线嵌入的最佳射击效果。与先前的基准结果相反，我们证明了配备有欧几里德指标的固定radius编码器可以实现更好的性能，而与嵌入式维度无关。
使用交叉注意信号对大型语言模型进行微调模型的一种自我监督的强化学习方法
我们为不依赖于人类反馈的大型语言模型（LLMS）提出了一种新颖的增强学习（RL）框架。相反，我们的方法使用模型本身中的交叉注意信号来获得自我监督的奖励，从而指导对模型策略的迭代微调。通过分析模型在生成过程中如何“参加”输入提示，我们构建了及时的覆盖，重点和连贯性的度量。然后，我们使用这些措施来对候选响应进行排名或评分，提供了奖励信号，鼓励模型产生良好的一致，主题文本。在与标准策略梯度方法的经验比较和合成偏好模型的RL微调中，我们的方法在非RL基线的迅速相关性和一致性方面显示出显着的提高。虽然它尚未与完全监督的RLHF系统的性能相匹配，但它突出了使用最小的人类标记来扩展对齐的重要方向。我们提供了详细的分析，讨论潜在的局限性，并概述了将基于跨注意的信号与较少人类反馈相结合的未来工作。
学习有关糖尿病的饮食计划
随着碳水化合物的计数，您可以根据每种食物中的碳水化合物量计划餐。碳水化合物比任何其他营养素都更高，更快地增加血糖。它是在甜点，面包和谷物以及水果中发现的。也可以在淀粉状蔬菜中发现，例如土豆和玉米，谷物，例如米饭和意大利面，以及牛奶和酸奶。全天扩散碳水化合物有助于将血糖水平保持在目标范围内。
气候变化的机器学习
1月25日 - 气候变化的介绍和背景。关于能源效率和回归技术的讲座。分配的论文1。2月1日 - 讨论论文1。关于极端天气/灾难响应和计算机视觉/卷积神经网络的讲座。分配的论文2。分配了HW 1。2月8日 - 讨论论文2。关于全球气候变化和遥感/分割的讲座。分配的论文3。2月15日 - 讨论论文3。关于气候科学模型和无监督和生成模型的讲座。分配的论文4。HW 1应得。分配了HW 2。2月22日 - 讨论论文4。关于食品/农业和时间序列模型的讲座。分配的论文5。2月29日 - 讨论论文5。关于沟通/心理学和自然语言处理的讲座。分配的论文6。HW 2应得。分配了HW 3。3月7日 - 讨论论文6。职业日，项目信息和考试准备。3月14日 - 考试I.关于气候融资和推荐系统和遗传算法的讲座。分配的论文7。HW 3应得（星期五午夜）。分配了项目HW。春假3月28日 - 讨论论文7。关于运输和增强学习的讲座。分配的论文8。4月4日 - 讨论论文8。关于电网/可再生能源和图形神经网络的讲座。
使用机器学习的消费者评估用于消费者购买指标的预测分析
随着当前网络平台用于在线电子商务的快速开发，除了透明的价格竞争外，买方的反馈也对消费者的购买决策也有合理的影响。今天，我们可以看到，近年来，消费者在相关网站上的反馈行为，包括著名的在线购物平台，例如亚马逊购物，Shopee Shopping和Toobao，近年来逐渐得到了增强。消费者反馈的实质性建议是否有助于其他肤浅的消费者阅读他们以改善购物习惯。在这项研究中，我们使用机器学习自动对反馈注释进行分类，并监视购物交易量的增长趋势，从而选择Shopee购物平台作为实验案例。根据评论提供的客户提供的建议已融入情感单词管理分析中，并且单词和单词分数得到了加权。最后，建造了商店销售引擎，该引擎模拟消费者的行为，使用审核管理过滤可变因素，并优化了预测消费者购物的指标。
机器学习研究人员
最新出版物●Gohari，M.，Salvi，D.，Bestagini，P.，Adami，N。（2025）。音频功能调查用于唱歌的DeepFake检测，提交给ICASSP 2025。●Gohari，M.，Bestagini，P.，Benini，S.，Adami，N。（2024）。基于频谱图在音乐录音中自动调整人声的检测，在Wifs 2024接受。●Zanardelli，M.，Gohari，M.，Benini，S.，Adami，N。（2024）。基于PGNN的室外图像中鲁棒3D光方向估计的方法，在CBMI 2024接受。●Zanardelli，M.，Moghaddam，M.G。，Leonardi，R.，Benini，S。和N. Adami，2024年。Synthoutdoor：用于3D室外光估计的合成数据集。简要数据，第110700页。
人工智能与机器学习辅修
人工智能和机器学习 (AIML) 辅修课程是一个包含三门课程的辅修课程。它对所有 VSB 学生开放，课程包括构建原型智能系统、自然语言处理、专家系统、监督和无监督学习、机器人技术以及构成广泛 AI 领域的其他领域。