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 ...
- 南航张道强团队 | 综述：基于脑电信号与机器学习的注意力检测研究
- 使用脑电图(EEG)信号进行注意力检测已成为研究热点。然而目前缺乏对EEG注意力检测中机器学习方法的系统性综述。 南京航空航天大学张道强教授团队 概述了过去五年中基于脑电图的注意力检测方面的最新进展，并重点关注听觉注意检测(AAD)和注意力水平分类。首先，文章简要概述了其常用范式、预处理技术与伪迹处理 ...
- 影响因子全球第6名！MIR稳步进军世界一流期刊行列
- 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)》)取得显著进步，其 最新影响因子(Impact Factor)达 8.7 ，在人 ...
- AI最前沿 | 大语言模型、医学图像分割、图像阴影去除、写作风格变化检测......
- MIR 2025年第3期已于6月正式出版，涵盖大语言模型、 医学图像分割、图像阴影去除、写作风格变化检测等领域， 12篇最新好文免费下载，欢迎阅读！如需纸质版期刊，请点击 此处 或文末纸刊登记链接免费领取。 综述 A Survey on Writing Style Change Detection: Current Literature and Future Direct ...
- 全球前2%！MIR最新CiteScore稳居Q1区前列
- 北京时间2025年6月3日，爱思唯尔正式发布2024年度CiteScore™(引用分)指标。Machine Intelligence Research (MIR) 2024年CiteScore达到 13.2分 ，在所属领域最佳排名挺进 全球前2% ，同时在全部所属领域均成功跻身 Q1区 。值得一提的是，MIR当前的实时CiteScore已攀升至 13.6 ，这预示着 ...
- 90s解读AI | 复旦邱锡鹏团队: MOSS-一个开源的对话式大语言模型
- 此前，ChatGPT一经发布，便迅速成为全球热点话题。但其技术细节未被公开，这也引发了公众对中美在人工智能领域技术差异的关注和担忧。 复旦大学邱锡鹏团队随后发布对话式大语言模型MOSS ，并公开其技术路线，引起了学术界和工业界的广泛关注。MOSS的发布是一个重要的里程碑，展示了在资源受限的情况下构建高效大型语 ...
- 90s解读AI | 自动化所黄凯奇团队: 分布式深度强化学习-综述与多玩家多智能体学习工具箱
- 随着AlphaGo的突破，深度强化学习已成为解决序列决策问题的一项公认技术。尽管深度强化学习声名远扬，由于其试错学习机制存在样本低效率问题，这项技术难以得到广泛应用。目前已经开发了许多用于高样本效率的深度强化学习方法，例如通过环境建模、经验迁移和分布式学习等。其中，分布式深度强化学习在诸多领域中展现出 ...
- 90s解读AI | 约翰霍普金斯大学Alan Yuille团队: 从时序和高维数据中定位肿瘤的弱标注方法
- 创建大规模且标注完善的数据集来训练人工智能算法，对于肿瘤的自动检测和定位至关重要。然而由于资源有限，确定最佳的标签类型来标注大量数据是一项挑战。为了解决这一难题， 约翰霍普金斯大学及苏黎世联邦理工学院的研究者们 聚焦于结肠镜检查视频中的息肉和腹部CT扫描中的胰腺肿瘤。由于这些数据在时间和空间层面的高 ...
- 王耀南院士团队 | 采摘机器人机器视觉的关键技术：综述与基准测试
- 精准农业的发展推动了采摘机器人技术的进步，其核心视觉识别系统对提升农业自动化水平具有关键作用。本文综述了采摘机器人视觉识别技术的进展，涵盖图像采集技术、目标检测算法、空间定位策略及场景理解等内容。文章首先阐述了采摘机器人视觉系统的基本结构与功能，强调在自然农业环境中实现高效率、高精度识别的重要 ...
- 90s解读AI | Meta AI最新SAM模型在不同真实场景中的应用调查
- 最近，Meta AI研究团队提出了一种通用的、基于提示的segment anything模型(SAM)，该模型在一个前所未有的大型分割数据集(SA-1B)上进行了预训练。毫无疑问，SAM的出现将为各种实际图像分割应用带来巨大的好处。来自 加拿大阿尔伯塔大学的研究者们 对SAM在各种应用领域，特别是自然图像、农业、制造业、遥感和医疗 ...
- AI最前沿 | 常识知识获取、图因子分解机、横向联邦学习、分层强化学习...
- MIR 2025年第二期已于4月正式出版，12篇最新好文免费下载，欢迎阅读！ 综述 A Survey of Recent Advances in Commonsense Knowledge Acquisition: Methods and Resources Chenhao Wang, Jiachun Li, Yubo Chen, Kang Liu, Jun Zhao https://link.springer.com/article/10.1007/s11633-023-1471-3 ...
