AI最前沿 | 大规模多模态预训练模型、机器翻译、联邦学习…… (机器智能研究MIR)

Machine Intelligence Research目录
Vol.20, No.4

MIR第四期已于8月正式出版，其中包括4篇综述，分别来自北京大学高文院士团队、悉尼大学冯大淦团队、自动化所宗成庆团队及西安电子科技大学公茂果团队，涵盖大规模多模态预训练模型、机器翻译、联邦学习等前沿内容；本期同时出版了4篇研究论文，其中包括京东探索研究院陶大程院士团队和中国人民大学卢志武团队的最新成果，全文免费下载，文末提供纸刊免费邮寄服务，欢迎阅读！

综述 | 北京大学高文院士团队

Large-scale Multi-modal Pre-trained Models: A Comprehensive Survey

Xiao Wang, Guangyao Chen, Guangwu Qian, Pengcheng Gao, Xiao-Yong Wei, Yaowei Wang, Yonghong Tian, Wen Gao

https://link.springer.com/article/10.1007/s11633-022-1410-8

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1410-8

中文导读：

高文院士团队 | 综述: 大规模多模态预训练模型 

综述 | 悉尼大学冯大淦团队

A Review of Predictive and Contrastive Self-supervised Learning for Medical Images

Wei-Chien Wang, Euijoon Ahn, Dagan Feng, Jinman Kim

https://link.springer.com/article/10.1007/s11633-022-1406-4

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1406-4

综述 | 自动化所宗成庆团队

Transformer: A General Framework from Machine Translation to Others

Yang Zhao, Jiajun Zhang, Chengqing Zong

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1393-5

https://link.springer.com/article/10.1007/s11633-022-1393-5

中文导读：

自动化所宗成庆团队 | 综述: Transformer模型-从机器翻译到其他任务的通用框架 

综述 | 西电公茂果团队

Federated Learning on Multimodal Data: A Comprehensive Survey

Yi-Ming Lin, Yuan Gao, Mao-Guo Gong, Si-Jia Zhang, Yuan-Qiao Zhang, Zhi-Yuan Li

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1398-0

https://link.springer.com/article/10.1007/s11633-022-1398-0

中文导读：

西电公茂果团队 | 综述: 多模态数据的联邦学习 

研究论文 | 京东探索研究院陶大程院士团队

Region-adaptive Concept Aggregation for Few-shot Visual Recognition

Mengya Han, Yibing Zhan, Baosheng Yu, Yong Luo, Han Hu, Bo Du, Yonggang Wen, Dacheng Tao

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1358-8

https://link.springer.com/article/10.1007/s11633-022-1358-8

研究论文 | 中国人民大学卢志武团队

Cross-modal Contrastive Learning for Generalizable and Efficient Image-text Retrieval

Haoyu Lu, Yuqi Huo, Mingyu Ding, Nanyi Fei, Zhiwu Lu

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1386-4

https://link.springer.com/article/10.1007/s11633-022-1386-4

研究论文 | 自动化所徐德团队

A New Diagnosis Method with Few-shot Learning Based on a Class-rebalance Strategy for Scarce Faults in Industrial Processes

Xinyao Xu, De Xu, Fangbo Qin

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1363-y

https://link.springer.com/article/10.1007/s11633-022-1363-y

研究论文 | 青岛科技大学赵振团队

Speech Emotion Recognition Using Cascaded Attention Network with Joint Loss for Discrimination of Confusions

Yang Liu, Haoqin Sun, Wenbo Guan, Yuqi Xia, Zhen Zhao

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1356-x

https://link.springer.com/article/10.1007/s11633-022-1356-x

纸刊免费寄送Machine Intelligence Research

MIR为所有读者提供免费寄送纸刊服务，如您对本篇文章感兴趣，请点击下方链接填写收件地址，编辑部将尽快为您免费寄送纸版全文！

说明：如遇特殊原因无法寄达的，将推迟邮寄时间，咨询电话010-82544737

收件信息登记：

https://www.wjx.cn‍/vm/eIyIAAI.aspx#  

∨

关于Machine Intelligence Research

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选”中国科技期刊卓越行动计划”，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等数据库收录。

▼好文推荐▼乔红院士团队 | 类脑智能机器人：理论分析与系统应用 （机器智能研究MIR）西电公茂果团队 | 综述: 多模态数据的联邦学习
高文院士团队 | 综述: 大规模多模态预训练模型
前沿观点 | 谷歌BARD的视觉理解能力如何？对开放挑战的实证研究
港中文黄锦辉团队 | 综述: 任务型对话对话策略学习的强化学习方法
南航张道强教授团队 | 综述：用于脑影像基因组学的机器学习方法ETHZ团队 | 一种基于深度梯度学习的高效伪装目标检测方法 （机器智能研究MIR）Luc Van Gool团队 | 深度学习视角下的视频息肉分割专题综述 | 高效的视觉识别: 最新进展及类脑方法综述北大黄铁军团队 | 专题综述：视觉信息的神经解码
专题综述 | 迈向脑启发计算机视觉的新范式
专题好文 | 新型类脑去噪内源生成模型: 解决复杂噪音下的手写数字识别问题戴琼海院士团队 | 用以图像去遮挡的基于事件增强的多模态融合混合网络ETH Zurich重磅综述 | 人脸-素描合成：一个新的挑战华南理工詹志辉团队 | 综述: 面向昂贵优化的进化计算东南大学张敏灵团队 | 基于选择性特征增广的多维分类方法联想CTO芮勇团队 | 知识挖掘：跨领域的综述复旦邱锡鹏团队 | 综述：自然语言处理中的范式转换

▼MIR资讯▼2022影响因子发布！人工智能领域最新SCI & ESCI期刊一览主编谭铁牛院士主持，MIR第二次国内编委会议圆满召开喜报 | MIR入选图像图形领域 T2级 “知名期刊”！2023年人工智能领域国际学术会议参考列表 | 机器智能研究MIR恭喜！MIR 2022年度优秀编委双喜！MIR入选”2022中国科技核心期刊”，并被DBLP收录 | 机器智能研究MIR报喜！MIR入选2022年国际影响力TOP期刊榜单
喜报 | MIR被 ESCI 收录！喜报 | MIR 被 EI 与 Scopus 数据库收录

点击”阅读原文”下载全文