博文
- 置顶 · 挺进Q1区全球前10名！MIR首个影响因子发布
- 今日，科睿唯安(Clarivate Analytics)发布最新《期刊引证报告》(Journal Citation Reports)。由中国科学院自动化研究所主办、Springer全球发行的英文学术期刊Machine Intelligence Research(简称MIR，中文名《机器智能研究(英文)》)获得 首个影响因子(Impact Factor)： 6.4 ，在两个所属领域均位列 Q1区，领域最佳排 ...
- MIR高被引Top10文章集锦 (2024-2025年)
- 自2022年出版以来，在主编的悉心引领、编委会的鼎力支持，以及广大作者与读者的信任下，MIR期刊稿源质量稳步提升，国际影响力持续攀升！过去两年间刊发论文的质量再上新阶， 单篇最高被引达292次，单篇最高下载量突破3万次，且呈持续上涨态势。 现整理推出2024~2025年MIR高被引TOP10文章，敬请品读，后续将发布高下载量 ...
- 上海交通大学夏泽洋教授团队 | 基于半监督学习的心脏磁共振影像动态特征分类
- 心血管疾病是全球首位致死原因，准确及时的诊断至关重要。磁共振电影成像(cine MRI)在心脏疾病诊断中发挥着重要作用。传统的基于监督学习的心脏磁共振影像疾病诊断和病理分类方法需要大量的标注数据，但临床上标注的心脏影像极其有限。半监督学习方法对标注数据的需求较少，但尚未有结合影像分割和运动参数估计的方法。 ...
- 精选好文 | 基于多模态学习的非酒精性脂肪肝病预测
- 非酒精性脂肪肝病(NAFLD)是慢性肝病最常见的病因，如果能够准确预测，可以防止其发展为严重肝纤维化和肝硬化。虽然肝活检是诊断NAFLD的金标准，但其具有侵入性、成本高昂且易出现采样误差。无创研究极具前景，但由于缺乏全面的研究数据和成熟的多模态数据方法，目前仍处于起步阶段。 来自中国科学院自动化研究所、山 ...
- 南京大学Kai Ming Ting团队 | 综述：基于孤立机制的异常检测研究
- 异常检测是一个长期活跃的研究领域，在金融、安全和制造等诸多领域有着广泛的应用。然而，在大数据时代，大规模、高维度和异构数据普遍存在，这对异常检测算法的效率和性能提出了挑战。基于孤立机制的无监督异常检测(Isolation-based unsupervised anomaly detection)是一种新颖且有效的数据异常识别方法。其核心思想 ...
- 南洋理工大学肖佳平 等 | 基于深度强化学习的异构机器人系统目标搜索与导航
- 协作式异构机器人系统可以极大提高目标搜索与导航任务的效率。 本文 设计了一个由无人机(UAV)和无人地面车辆(UGV)组成的异构机器人系统，用于在未知环境中的搜救任务。文章第一作者为美国阿拉巴马大学陈昀博士，通讯作者为新加坡南洋理工大学肖佳平研究员。 该为所提系统能够通过深度强化学习算法学习策略，在类 ...
- 南开大学程明明团队 | MCANet：基于多尺度交叉轴注意力的医学图像分割
- 高效捕获多尺度局部信息并在像素间建立长程依赖关系对于医学图像分割至关重要，因为病变区域或器官的尺寸和形状多种多样。 南开大学程明明教授团队 提出了多尺度交叉轴注意力(MCA)机制，通过增强的轴向注意力来解决这些挑战，文章第一作者为南开大学博士生邵昊、通讯作者为南开大学副教授侯淇彬。为了 ...
- 自动化所吴书 等 | GraphFM: 用于特征交互建模的图因子分解机
- 因子分解机(FM)是一种常用于处理高维稀疏数据中成对(二阶)特征交互的建模方法。然而，一方面，因子分解机(FM)因组合爆炸问题而无法捕捉更高阶的特征交互；另一方面，不加区分地考虑每对特征之间的交互可能会引入噪声、降低预测精度。为了解决以上问题， 中国科学院自动化研究所吴书等 提出了一种新颖的方法——图因子 ...
- 香港理工大学周立培团队等 | 综述: 面向以物体为中心的机器人操作的具身学习
- 面向以物体为中心的机器人操作的具身学习是具身智能中一个快速发展且充满挑战的领域。它对于推动下一代智能机器人的发展至关重要，并于近年来引起了极大的关注。与数据驱动的机器学习方法不同，具身学习侧重于机器人通过与环境的物理交互和感知反馈进行学习，这使得它特别适用于机器人操作任务。 香港理工大学周立 ...
- 精选综述 | 宾夕法尼亚州立大学等: 图反事实学习研究综述
- 图结构数据在现实世界中广泛存在，如社交网络、分子图和交易网络等。图神经网络(GNN)在图表征学习领域取得了显著成功，为各类下游任务提供了便利。然而，GNN仍存在诸多局限，包括缺乏可解释性、易继承数据偏差以及无法对因果关系进行建模等。近年来，图反事实学习为解决这些问题提供了新思路，在反事实公平性、可解释 ...
- 精选好文 | 大语言模型创造力的评估与理解
- 在自然语言处理领域，大语言模型（LLM）的快速发展日益受到关注。大语言模型在各种任务中都展现出了较强的创造力。然而，评估这种创造力的方法尚不完善。对大语言模型创造力的评估需考虑模型与人类的差异，要求兼顾准确性与效率，同时进行多维度衡量。 来自中国科学技术大学与中国科学院计算技术研究所的研究 ...
