清華力壓CMU再奪CSRankings高校AI排行王座;圖神經網絡ImageNet

2021-01-05 松寶寫代碼

【註：本文圖片均來源於網際網路，文章未經授權禁止轉載！部分圖片與本文無關，只為方便讀者理解，關注我們每天閱讀更多精彩內容】

1.【今日資訊頭條 | 蟬聯AI專業全球冠軍！清華力壓CMU再奪CSRankings高校AI排行王座】

來源：CSRanking

蟬聯AI專業全球冠軍

近日，CSRankings對全世界計算機科學機構的排名進行了更新。在AI板塊，清華大學排名第1，北京大學排名第3，中國科學院排名第4，上海交通大學排名第6；進入前20名的中國機構還有：南京大學、復旦大學、香港科技大學、浙江大學。

松寶有話說：蟬聯AI專業全球冠軍！清華力壓CMU再奪CSRankings高校AI排行王座。

2.【業界 | 波士頓動力CEO：不排斥軍方訂單，就想你粗暴地對待機器狗】

來源：量子位

就想你粗暴地對待機器狗

自從波士頓動力宣布機器狗Spot商業化以來，就牽動了不少人的心。波士頓動力商務副總裁說，他們已經收到了「洪水般」的購買意向。但在價格上，波士頓動力一直守口如瓶。現在，CEO終於透露出了更多的信息，不給出標價是因為交易都是定製化的，看客戶的需求收錢。至於現在的情況，是每個月幾千美元的價格出租。

松寶有話說：波士頓動力CEO：不排斥軍方訂單，就想你粗暴地對待機器狗。

3.【新聞 | 亞馬遜Alexa突然發瘋，讀著論文教主人自殺：你活著地球人口會過剩】

來源：新智元

亞馬遜Alexa突然發瘋

近日，一向以智能貼心著稱的亞馬遜Alexa數字助理竟然成了驚悚故事的主角。據多家英媒報導，一位用戶在使用Alexa時，後者突然失控，稱人類的存在對地球有害，並教唆用戶用刀戳刺自己的心臟自殺。亞馬遜事後回應稱，這是個錯誤，目前已經修復。

松寶有話說：亞馬遜Alexa突然發瘋，讀著論文教主人自殺：你活著地球人口會過剩。

4.【新聞 | 圖神經網絡的ImageNet？史丹福大學等開源百萬量級OGB基準測試數據集】

來源：機器之心

圖神經網絡的ImageNet？

在滿是「MNIST」這樣的小數據裡，圖神經網絡也需要「ImageNet」這樣的大基準？近日，史丹福大學的 Jure Leskovec 教授在 NeurlPS 2019 大會演講中宣布開源 Open Graph Benchmark，這是邁向圖神經網絡建模統一基準的重要一步。

松寶有話說：圖神經網絡的ImageNet？

關注我們每天閱讀更多精彩內容

相關焦點

  • 蟬聯AI專業全球冠軍!清華力壓CMU再奪CSRankings高校AI排行王座
    、量子信息等方向的專業教育多方位的國際學術交流平臺建立長效海外高校聯合培養機制：大三年級學生 100% 赴海外一流高校交換學習一學期每年選送部分大四優秀學生前往美國 Harvard、Princeton、MIT、Upenn、Michigan 等知名大學以及 MSRA、Google、百度等知名研究機構進行研究實踐選拔具有特殊潛力的優秀學生，加入 " 預研班 " 進行個性化培養，並派至歐美、
  • ...計算機科學實力排名:清華再登頂高校AI排行 北大居第二力壓CMU
    2019全球院校計算機科學實力排名：清華再登頂高校AI排行 北大居第二力壓CMU  Evelyn Zhang • 2019-12-25 16:35:50　來源：前瞻網　E2997G0
  • 權威性排名CSrankings更新數據,清華北大等國內高校AI實力「扎眼」
    日前，全球計算機科學專業排名CSrankings進行了數據更新。這一排名由美國麻薩諸塞大學安姆斯特分校的Emery Berger教授發起，他希望能夠建立一個透明且有意義的排名體系。
  • 一圖抵千言:帶你了解最直觀的神經網絡架構可視化
    （圖源：《ImageNet Classification with Deep Convolutional Neural Networks》http://www.cs.toronto.edu/~fritz/absps/imagenet.pdf）不需費力也能看出這張圖的上半部分被意外裁掉了，而這張圖會貫穿後續所有的幻燈片、參考文獻等。
  • 「全球人工智慧學科高校排名」CMU居榜首,清華大學第4
    CSRankings.org 的計算機科學高校排名（Computer Science Rankings）就是完全基於量化的，以顯示院校在計算機科學各領域的投入和實力。它所依據的是院校在計算機科學各領域頂級會議發表的論文數量。這種方式既考慮了「動機」（院校「瞄準」在頂會上發表論文），又反映了「難度」（因為在頂會上發表論文並不容易）。
  • 斯坦福CS231n(李飛飛):卷積神經網絡視覺識別課程講義(完整版)
    神經網絡（又稱「深度學習」）方法的最新進展大大提高了這些最先進的視覺識別系統的性能。本課程深入了解深入學習架構的細節，重點是學習這些任務的端到端模型，特別是圖像分類。在10周的課程中，學生將學習實施，訓練和調試自己的神經網絡，並詳細了解計算機視覺的尖端研究。最終的任務將涉及到數百萬個參數卷積神經網絡的訓練，並將其應用於最大的圖像分類數據集（ImageNet）。
  • 百度登頂圖神經網絡權威榜單三項榜首
    ，提出融合標籤傳遞和圖神經網絡的統一模型UniMP（Unified Message Passing），在圖神經網絡權威榜單OGB（Open Graph Benchmark）取得多項榜首。奪榜激烈：OGB吸引了包括斯坦福、紐約大學、加州大學洛杉磯分校、康奈爾大學、亞馬遜等多個機構參與打榜；榜單上也誕生了層出不窮的新穎圖神經網絡結構，如堆積112層的深度圖卷積網絡
  • CMU大佬分享三類優質數據集:綜合、CV和NLP
    CMU - ML和AI數據 地址：https://guides.library.cmu.edu/machine-learning/home CMU的一個ML/AI指南，不僅包括了如何找ML/AI的數據集，還包括了找ML/AI相關的書籍、文章以及文獻管理、研究可重複性的相關資源。
  • 圖神經網絡快速爆發，最新進展都在這裡了
    譯者 | 劉暢出品 | AI科技大本營（rgznai100）近年來，圖神經網絡什麼是圖神經網絡？圖是一種包含節點（頂點）的數據類型，這些節點（頂點）通過邊相互連接，邊可以是有向的，也可以是無向的。每個節點都有一組特徵（這些特徵可以表示節點的屬性，也可以是一個熱編碼（One-hot）信息），而邊定義了節點之間的關係。在典型的GNN中，消息傳遞是由邊在相鄰節點之間上執行的。直觀地說，消息是信息的神經編碼，它從一個節點傳遞到與其連接的鄰居節點。
  • 百度飛槳登頂圖神經網絡權威榜單3項榜首，推出大殺器UniMP
    9月18日，百度正式公布在圖神經網絡領域取得新突破，提出融合標籤傳遞和圖神經網絡的統一模型 UniMP（Unified Message Passing），在圖神經網絡權威榜單 OGB（Open Graph Benchmark）取得多項榜首，引發業界關注。
  • 圖神經網絡最新論文總結(附源碼)
    來自網絡圖神經網絡（GNN）是深度學習領域最新的研究成果，在生物信息學、化學信息學、社會網絡、自然語言處理和計算機視覺等多學科領域有著廣泛的應用。這一塊的研究也吸引了像騰訊這樣的巨頭參與。圖神經網絡是一種有效的圖表示學習框架。 Gnn 遵循一個鄰域聚合方案，其中一個節點的表示向量是通過遞歸聚合和轉換相鄰節點的表示向量來計算的。 圖分類問題在許多不同的領域也都有實際的應用。 本文總結了近一年來圖神經網絡在深度學習方面的應用，文中論文都有原始碼，供大家參考。
  • Google展示AI新實力:讓神經網絡設計神經網絡
    核心要點：第二代TPU發布，以及TPU研究云為行動裝置優化的TensorFlowLiteAutoML強化算法，讓神經網絡設計神經網絡Google.ai上線，所有AI成果都在這裡展示相關數據：月活安卓設備已達20億部5億活躍的Google相冊用戶Google地圖每日導航超過10
  • 結合神經網絡,提升ImageNet分類準確率且可解釋
    如上圖所示，這個決策樹不只是給出輸入數據 x 的預測結果（是「超級漢堡」還是「華夫薯條」），還會輸出一系列導致最終預測的中間決策。我們可以對這些中間決策進行驗證或質疑。然而，在圖像分類數據集上，決策樹的準確率要落後神經網絡 40%。
  • 重磅| CS 294 2018 今日開課!雙語字幕獨家上線!
    請掃描下方二維碼，加入官方學習小組或者直接點擊連結：https://ai.yanxishe.com/page/groupDetail/30即可觀看  完整視頻↓↓↓不過這門課並不是零門檻，需要上過機器學習課程，最好是還上過深度學習（比如cmu deeplearning），最最好用過tensorflow（因為作業的官方基礎代碼只有tensorflow版本）。@朱海浩側重於增強學習與深度學習相結合，應用在機器人方面的例子比較多，翻譯的話老師語速挺快的，雖然語氣詞比較多，整體邏輯很清晰。
  • NYU、AWS聯合推出:全新圖神經網絡框架DGL正式發布
    早在 2014 年，Kai Sheng Tai 等人就研究了能在文本語法樹上訓練的樹神經網絡模型 TreeLSTM。這個工作在一定程度上衝擊了大家用 RNN 處理文本的範式，並且用樹型結構看待文本數據開創了很多新的研究可能。從鍊表到樹，從樹到圖：近年來，對於圖神經網絡（Graph Neural Network）的研究熱潮使得神經網絡的應用領域大大增加。
  • 2020年Payscal全球大學計算機CS專業排名
    日前，業內權威的全球計算機科學學術機構排行榜之一 CSrankings 發布了2019-2020最新世界計算機科學機構排名。該排名主要參考CS領域各高校和機構的出版物和教師數據進行的評分。在這份最新榜單中，CS領域全球前30名校中有一半來自美國。 卡耐基梅隆大學穩居綜合榜第一
  • 與神經網絡相比,你對P圖一無所知
    我們不一樣於是，這群大神覺得，他們需要搭建局部風格化的神經網絡。大的方略就是，把畫作相關部分 (神經元響應) 的特徵統計，遷移到外來物體的對應位置上——關鍵在於選擇，哪些東西才是應該遷移的。要在神經網絡的每一層，分別找到相鄰最近的神經補丁，和粘貼部分的神經元響應匹配起來。卷福麗莎，迷人的眼神退一步，海闊憑魚躍。先不需要太糾纏圖像的質量，因為一定程度上犧牲品質，團隊就可以設計出一個強大的算法，適應多種多樣的畫風。用Gram矩陣來計算風格重建損失，便可以將粗略協調的版本優化一下。
  • Bengio 團隊力作:GNN 對比基準橫空出世,圖神經網絡的「ImageNet...
    然而，正如計算機視覺的崛起有賴於 ImageNet 的誕生，圖神經網絡也急需一個全球學者公認的統一對比基準。近日，Bengio 大神帶領其團隊發布了新的圖神經網絡對比基準測試框架以及附帶的 6 個標準化數據集。大家可以開始盡情刷榜了！
  • 從零開始:教你如何訓練神經網絡
    一個簡單的神經網絡。　　上圖定義的神經網絡具有 5 個神經元。　　定義一個神經網絡的函數。w 的上標代表神經元的索引，下標代表輸入的索引。做這件事的最直覺的辦法就是，對每一個訓練樣本，都沿著神經網絡傳遞得到一個數字，然後將這個數字與我們想要得到的實際數字做差再求平方，這樣計算出來的就是預測值與真實值之間的距離，而訓練神經網絡就是希望將這個距離或損失函數減小。
  • 最新全球計算機科學排名:清華力壓CMU排名第一
    清華在Artificial intelligence細分領域排名第一，中國高校在AI領域數量較多 下面進入正式的排名環節（數據截止到2018年5月4日）。首先是全球大排名。在4大類、26項細分領域中，排名前三的是CUM、MIT和加州大學伯克利分校，清華大學排名第九。