| 查看: 5848 | 回复: 34 | |||
swangirl金虫 (正式写手)
|
[交流]
National Science Review 2018年专题：机器学习（特约编辑：周志华） 已有6人参与
|
|
《国家科学评论》（National Science Review, NSR）是我国第一份英文版自然科学综述性学术期刊，报道范围涵盖数理科学、化学科学、生命科学、地球科学、材料科学、信息科学等六大领域。基于科睿唯安发布的2016年度的期刊引证报告（Journal Citation Reports，JCR），NSR的最新影响因子达到8.843，稳居全球多学科综合类期刊的第五名（8%，Q1）。NSR发表的所有论文全文可以在线免费阅读和下载：https://academic.oup.com/nsr/issue 当前，人工智能热潮的核心驱动力是机器学习所取得的巨大进步。《国家科学评论》特邀南京大学周志华教授担任编辑组织了“Machine Learning”专题。该专题包括6篇文章和1个访谈，内容覆盖了机器学习中深度学习、多任务学习、弱监督学习、因果学习、图学习等多个重要研究方向。专题作者均为领域内知名专家，且在撰写过程中尽可能考虑到本刊读者的广泛性，很值得一读。 该专题已于2018年第1期正式出版，所有文章可免费下载，https://academic.oup.com/nsr/issue/5/1 专题的pdf文件请见附件 专题简介 GUEST EDITORIAL 机器学习已成为人工智能发展的重要驱动力。机器学习的焦点是学习和构造能够从数据中建立预测或描述模型的学习算法。 Machine learning: recent progress in China and beyond Zhi-Hua Zhou Natl Sci Rev (2018) 5 (1): 20. https://doi.org/10.1093/nsr/nwx132 RESEARCH HIGHLIGHT 清华大学朱军教授介绍了佐治亚理工学院宋乐教授在图数据表示学习方面的重要进展。 Learning representations on graphs Jun Zhu Natl Sci Rev (2018) 5 (1): 21. https://doi.org/10.1093/nsr/nwx147 PERSPECTIVES 西安交通大学徐宗本教授和孙剑教授对有理论基础的深度神经网络结构设计进行了探讨。 Model-driven deep-learning Zongben Xu and Jian Sun Natl Sci Rev (2018) 5 (1): 22–24. https://doi.org/10.1093/nsr/nwx099 前华为诺亚方舟实验室主任、现今日头条人工智能实验室主任李航博士对深度学习在自然语言处理中的优势和挑战进行了讨论。 Deep learning for natural language processing: advantages and challenges Hang Li Natl Sci Rev (2018) 5 (1): 24–26. https://doi.org/10.1093/nsr/nwx110 卡内基梅隆大学张坤博士与欧洲机器学习代表性人物、德国马普研究所 Bernhard Schölkopf 教授等人介绍了因果学习方面的研究进展。 Learning causality and causality-related learning: some recent progress Kun Zhang, Bernhard Schölkopf, Peter Spirtes and Clark Glymour Natl Sci Rev (2018) 5 (1): 26–29. https://doi.org/10.1093/nsr/nwx137 REVIEWS 香港科技大学张宇博士和杨强教授综述了“多任务学习”的研究进展。 An overview of multi-task learning Yu Zhang and Qiang Yang Natl Sci Rev (2018) 5 (1): 30–43. https://doi.org/10.1093/nsr/nwx105 NSR还邀请客座编辑周志华教授贡献了一篇关于“弱监督学习”的综述。 A brief introduction to weakly supervised learning Zhi-Hua Zhou Natl Sci Rev (2018) 5 (1): 44–53. https://doi.org/10.1093/nsr/nwx106 INTERVIEW 国际机器学习学会创始人、国际人工智能学会前任主席 Thomas Dietterich 教授接受了本刊关于机器学习与人工智能的访谈。 Machine learning challenges and impact: an interview with Thomas Dietterich Zhi-Hua Zhou Natl Sci Rev (2018) 5 (1): 54–58. https://doi.org/10.1093/nsr/nwx045 |
回复此楼» 本帖附件资源列表
-
欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com - 附件 1 : NSR_Special_Topic-Machine_Learning.pdf
2018-03-01 13:16:31, 819.74 K
» 本帖已获得的红花（最新10朵）
二逼小饭饭» 猜你喜欢
323求调剂
已经有6人回复
-
一志愿北京化工大学 070300 学硕 336分 求调剂
已经有4人回复
-
352求调剂
已经有3人回复
-
一志愿东华大学化学070300，求调剂
已经有8人回复
-
277材料科学与工程080500求调剂
已经有7人回复
-
317求调剂
已经有18人回复
-
293求调剂
已经有5人回复
-
280分求调剂 一志愿085802
已经有7人回复
-
0854电子信息求调剂
已经有3人回复
-
263求调剂
已经有4人回复
» 本主题相关商家推荐: (我也要在这里推广)
0.8
| 顶一下，感谢分享！ |
2楼2018-03-01 16:06:20
baiyy_q
铜虫 (初入文坛)
- 应助: 0 (幼儿园)
- 金币: 92.3
- 帖子: 18
- 在线: 14.4小时
- 虫号: 3146178
- 注册: 2014-04-18
- 性别: MM
- 专业: 信息处理方法与技术
3楼2018-03-09 11:11:57
swangirl
金虫 (正式写手)
- 应助: 1 (幼儿园)
- 金币: 1102.8
- 红花: 5
- 帖子: 754
- 在线: 52.9小时
- 虫号: 782110
- 注册: 2009-05-29
- 性别: MM
- 专业: 高分子合成化学
4楼2018-03-15 10:12:20
|
本帖内容被屏蔽 |
5楼2018-03-16 07:01:28
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
小木虫: 金币+0.5, 给个红包，谢谢回帖
|
本帖内容被屏蔽 |
6楼2018-03-16 10:04:45
swangirl
金虫 (正式写手)
- 应助: 1 (幼儿园)
- 金币: 1102.8
- 红花: 5
- 帖子: 754
- 在线: 52.9小时
- 虫号: 782110
- 注册: 2009-05-29
- 性别: MM
- 专业: 高分子合成化学
7楼2018-03-28 13:07:34
swangirl
金虫 (正式写手)
- 应助: 1 (幼儿园)
- 金币: 1102.8
- 红花: 5
- 帖子: 754
- 在线: 52.9小时
- 虫号: 782110
- 注册: 2009-05-29
- 性别: MM
- 专业: 高分子合成化学
8楼2018-03-29 11:33:45
swangirl
金虫 (正式写手)
- 应助: 1 (幼儿园)
- 金币: 1102.8
- 红花: 5
- 帖子: 754
- 在线: 52.9小时
- 虫号: 782110
- 注册: 2009-05-29
- 性别: MM
- 专业: 高分子合成化学
9楼2018-04-12 08:41:47
swangirl
金虫 (正式写手)
- 应助: 1 (幼儿园)
- 金币: 1102.8
- 红花: 5
- 帖子: 754
- 在线: 52.9小时
- 虫号: 782110
- 注册: 2009-05-29
- 性别: MM
- 专业: 高分子合成化学
10楼2018-04-13 12:38:35
40