最近看到了一篇比较有意思的文章，希望来交流分享一波。最近的自监督学习技术已大大缩小了ImageNet分类的监督学习和无监督学习之间的差距。

最近在知乎上看到这样一个问题：基于对比学习(Contrastive Learning)的文本表示模型为什么能学到语义相似度？

自监督学习（Self-supervised learning）最近获得了很多关注，因为其可以避免对数据集进行大量的标签标注。它可以把自己定义的伪标签当作训练的信号，然后把学习到的表示（representation）用作下游任务里。最近，对比学习被当作自...

今天我们来聊一聊推荐系统中不得不学的Contrastive Learning方法，近年来Contrastive Learning在CV和NLP领域的应用越来越广泛，在推荐系统中当然也不例外。我想大家将对比学习与推荐系统结合主要有以下四个原因：...

目前NLP领域的经验，自监督预训练使用的数据量越大，模型越复杂，那么模型能够吸收的知识越多，对下游任务效果来说越好。这可能是自从Bert出现以来，一再被反复证明。...

假期时我曾看过电影《模仿游戏》，对阿兰·麦席森·图灵的故事产生了浓厚的兴趣。而现在在大学里，无论是在走近数据科学、信息处理基础的课堂上，还是在这几次的专题讲座报告中，我都经常地能够听到图灵的名字。我想，不妨就把...

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...

经典的概率无监督学习通过最大化对数似然 从数据分布 中拟合一组简单的概率分布 。深度无监督学习的最新进展能够显著提高能够拟合数据的分布 的复杂度。这些进展给很多领域带来了一些引人注目的应用，例...

深度神经网络最近在机器学习方面取得了显著的成功，这就对其成功背后的理论原理提出了深刻的问题。例如，这样的深层网络可以计算什么？我们如何训练他们？信息是如何通过它们传播的？为什么他们泛化能力很好？我们怎么能教他们想...

量子计算使用量子系统来处理信息。在最流行的基于门的量子计算框架（Nielsen和Chuang，2002年）中，一种量子算法描述了通过离散变换将个两级系统（称为量子比特）的量子系统的初始状态演化为最终状态的过程。门通常仅作用于少量...