疫情影响下的MWC：赞助商退出、湖北人员被禁止入场、参与者“不握手”
06-17
近日，第36届国际机器学习会议（International Conference on Machine Learning）在美国长滩会议中心隆重召开。
本次会议是机器学习和人工智能领域的一次重要会议。
两大顶级赛事之一，代表了热门科学研究领域的前沿，具有广泛而深远的国际影响力。
ICML今年共录取20篇论文，录取率仅为22.6%。
Moshi Intelligence 与澳大利亚国立大学、莫纳什大学、NEC 美国实验室的 研究员 一起完成了一篇名为 NeuralCollaborative Subspace Clustering 的论文，解决了谱聚类在子空间聚类上的局限性。
，这为未来将子空间聚类扩展到大规模数据集迈出了第一步。
Moshi Intelligence团队在ICML会议上发表的论文表明，聚类是无监督学习的核心。
目标是根据损失函数自动对样本进行分类，子空间聚类更有效地实现高维数据聚类。
该方法是高维数据空间中传统聚类的延伸。
如今大规模数据和神经网络大行其道，高维数据空间的表示学习成为当前最主流的问题。
子空间聚类是一种基于谱聚类的子空间聚类方法。
其基本思想是假设高维空间中的数据本质上属于某个低维子空间，并且可以在该低维子空间中线性表示。
反过来，高维数据的低维表示可以揭示数据所在的本质子空间，有利于数据聚类。
论文网络的基本框架图。
为了克服传统工作总是需要对所有数据建立拉普拉斯矩阵和谱聚类，内存消耗和计算量较大的缺点。
该方法主要受益于基于神经网络的分类的建立。
判断任意两个数据是否在同一个子空间中。
该算法更本质的部分是构造两个归属矩阵：一个基于分类器，另一个基于子空间自表达；并使用这两个归属矩阵进行协作监督训练。
本文将该算法的实验结果与当前最好的聚类方法（包括深度子空间的聚类方法）进行了完整的比较，验证了该方法的有效性。
该方法在图像分割领域可以更准确地分割运动物体的位置。
同时，它可以用于语义SLAM中无监督的图像分割，减少手动校准成本。
本次ICML会议上，陌希智能再次展示了其在机器学习领域的高水平研究成果和前沿算法开发能力。
在机器学习、计算机视觉等人工智能前沿核心领域，漠视智能始终保持国际领先的研发水平。
迄今为止，墨时智能核心专家团队已在CVPR/ICCV/NIPS/ECCV/TPAMI上发表多篇顶级学术论文，引用次数高达2次（Google Scholar Citation，截至4月）。
分别两次获得CVPR和ICCV最佳论文奖和大奖提名。
还多次在CITYSCAPES、KITTI等国际权威算法竞赛中获得全球第一。
陌希智能持续致力于将最前沿的人工智能技术落地汽车行业，推动自动驾驶技术的进步。
雷锋网版权文章未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-17
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态