近期整理了2021年NIPS与推荐系统相关的几篇文章，涉及内容融合、冷启动迁移、跨平台推荐、多重嘈杂反馈下的推荐、AB实验、路线推荐、上下文推荐、社交推荐、迁移数据推荐等。一般来说，NIPS严格契合推荐系统的文章不多，但...

如果人工智能比作一块蛋糕，那么蛋糕的大部分是自监督学习，蛋糕上的糖衣是监督学习，蛋糕上的樱桃是强化学习。

来源：机器之心本文约4000字，建议阅读8分钟本文为你介绍一种叫做分层 JEPA（联合嵌入预测架构）的架构。 LeCun 认为，构造自主 AI 需要预测世界模型，而世界模型必须能够执行多模态预测，对应的解决方案是一种叫做分层 JEPA（联合嵌...

本教程对基于模型的强化学习（MBRL）领域进行了广泛的概述，特别强调了深层次的方法。MBRL方法利用一个环境模型来做出决策，而不是把环境当作一个黑盒子来处理，它提供了超越无模型RL的独特机遇和挑战。我们讨论了学习转移模型...

在 ITS 的其他应用中引入了几种有用的 deep RL 机制。智能交通系统中 AI 的一个主要应用领域是自动驾驶，其中深度强化学习在该领域起到了非常关键的作用。Deep RL 方法能够应用到自主控制问题的多个方面，包括匝道计量、...

这是arxiv上最新发表的一篇前沿交叉综述报告。主要讨论了如何使用深度强化学习方法解决智能交通系统问题，特别是智能信号灯控制问题。本公众号将分4次发布本综述报告的翻译，仅供大家参考学习。获取英文原论文请在本公众...

到目前为止，我们已经讨论了 AI 对交通系统的重要性以及强化学习的理论背景。Deep DL 在智能交通系统中的一个主要应用领域之一为交叉口信号控制。大部分已有工作都是面向应用的，因此提出的方法在许多方面会有所不同，例如...

随着城市化进程的加快和自动技术的最新发展，交通研究逐渐向智能化方向发展，称为智能交通系统（ITS）。人工智能（AI）试图用最少的人工干预来控制系统。智能交通系统与人工智能的结合为21世纪的交通研究提供了有效的解决方案。I...

本文介绍健康医疗的深度学习技术，重点讨论了计算机视觉、自然语言处理、强化学习和广义方法的深度学习。我们描述这些计算技术如何影响医学的几个关键领域，并探索如何构建端到端系统。计算机视觉的讨论主要集中在医学成...

机器学习包含用于大量数据处理任务的广泛算法和建模工具，这些已进入近年来最科学的学科。我们以选择性的方式回顾了有关机器学习与物理科学之间的交叉领域的最新研究。这包括以物理见解为动力的机器学习（ML）的概念性发展...