×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
知识图谱
新闻&公告
在结果中检索
研究单元&专题
多模态人工智能系统全... [7]
作者
王飞跃 [7]
吕宜生 [2]
张杰 [1]
朱凤华 [1]
魏庆来 [1]
叶佩军 [1]
更多...
文献类型
期刊论文 [7]
发表日期
2023 [2]
2022 [3]
2021 [2]
语种
英语 [7]
出处
IEEE TRANS... [3]
IEEE TRANS... [1]
IEEE TRANS... [1]
IEEE Trans... [1]
NEURAL NET... [1]
资助项目
National K... [3]
National N... [2]
China Rail... [1]
China Rail... [1]
National D... [1]
National K... [1]
更多...
收录类别
SCI [7]
导师
资助机构
National K... [7]
National N... [3]
China Rail... [1]
National D... [1]
National N... [1]
Science an... [1]
更多...
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
(本次检索基于用户作品认领结果)
浏览/检索结果:
共7条,第1-7条
帮助
限定条件
资助机构:National Key Research and Development Program of China
作者:王飞跃
第一作者
专题:多模态人工智能系统全国重点实验室
第一作者的第一单位
第一作者单位
通讯作者单位
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
期刊影响因子升序
期刊影响因子降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
作者升序
作者降序
WOS被引频次升序
WOS被引频次降序
题名升序
题名降序
Robust Multitask Learning With Sample Gradient Similarity
期刊论文
IEEE TRANSACTIONS ON SYSTEMS MAN CYBERNETICS-SYSTEMS, 2023, 页码: 10
作者:
Peng, Xinyu
;
Chang, Cheng
;
Wang, Fei-Yue
;
Li, Li
收藏
  |  
浏览/下载:107/0
  |  
提交时间:2023/12/21
Deep learning
Automation
multitask learning
sample gradient
sample reweighting
task reweighting
MixGradient: A gradient-based re-weighting scheme with mixup for imbalanced data streams
期刊论文
NEURAL NETWORKS, 2023, 卷号: 161, 页码: 525-534
作者:
Peng, Xinyu
;
Wang, Fei-Yue
;
Li, Li
收藏
  |  
浏览/下载:72/0
  |  
提交时间:2023/11/17
Deep learning
Imbalanced data streams
Sample gradient
Typical samples
Mixup
VGN: Value Decomposition With Graph Attention Networks for Multiagent Reinforcement Learning
期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2022, 页码: 14
作者:
Wei, Qinglai
;
Li, Yugu
;
Zhang, Jie
;
Wang, Fei-Yue
收藏
  |  
浏览/下载:242/0
  |  
提交时间:2022/07/25
Mathematical models
Task analysis
Games
Q-learning
Neural networks
Behavioral sciences
Training
Deep learning
graph attention networks (GATs)
multiagent systems
reinforcement learning
A GAN-Based Short-Term Link Traffic Prediction Approach for Urban Road Networks Under a Parallel Learning Framework
期刊论文
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 2022, 页码: 12
作者:
Jin, Junchen
;
Rong, Dingding
;
Zhang, Tong
;
Ji, Qingyuan
;
Guo, Haifeng
;
Lv, Yisheng
;
Ma, Xiaoliang
;
Wang, Fei-Yue
收藏
  |  
浏览/下载:275/0
  |  
提交时间:2022/06/06
Roads
Predictive models
Data models
Recurrent neural networks
Generators
Computer architecture
Deep learning
Short-term link speed prediction
signalized urban networks
Wasserstein generative adversarial network
Towards Better Generalization of Deep Neural Networks via Non-Typicality Sampling Scheme
期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2022, 页码: 11
作者:
Peng, Xinyu
;
Wang, Fei-Yue
;
Li, Li
收藏
  |  
浏览/下载:193/0
  |  
提交时间:2022/06/06
Training
Estimation
Deep learning
Standards
Optimization
Noise measurement
Convergence
Deep learning
generalization performance
nontypicality sampling scheme
stochastic gradient descent (SGD)
Drill the Cork of Information Bottleneck by Inputting the Most Important Data
期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2021, 页码: 13
作者:
Peng, Xinyu
;
Zhang, Jiawei
;
Wang, Fei-Yue
;
Li, Li
收藏
  |  
浏览/下载:221/0
  |  
提交时间:2022/01/27
Training
Signal to noise ratio
Mutual information
Optimization
Convergence
Deep learning
Tools
Information bottleneck (IB) theory
machine learning
minibatch stochastic gradient descent (SGD)
typicality sampling
MLRNN: Taxi Demand Prediction Based on Multi-Level Deep Learning and Regional Heterogeneity Analysis
期刊论文
IEEE Transactions on Intelligent Transportation Systems, 2021, 卷号: 0, 期号: 0, 页码: 0
作者:
Chizhan Zhang
;
Fenghua Zhu
;
Yisheng Lv
;
Peijun Ye
;
Feiyue Wang
Adobe PDF(4431Kb)
  |  
收藏
  |  
浏览/下载:252/60
  |  
提交时间:2021/06/16
Taxi demand prediction
taxi zone clustering
heterogeneity analysis
deep learning