中科院自動(dòng)化所類腦信息處理研究獲進(jìn)展

中國(guó)科學(xué)院自動(dòng)化研究所的研究人員借鑒生物神經(jīng)結(jié)構(gòu)、認(rèn)知機(jī)制與學(xué)習(xí)特性，在“視聽(tīng)模態(tài)的生成、融合”，以及“智能體之間的知識(shí)遷移”方面取得了重大突破。在“視聽(tīng)模態(tài)的融合”問(wèn)題中，研究人員提出了有效將聽(tīng)覺(jué)信息融合在視頻描述生成框架中的特征融合策略，獲得了理想效果；在“視聽(tīng)模態(tài)的生成”問(wèn)題中，研究人員提出了一個(gè)跨模態(tài)循環(huán)對(duì)抗生成網(wǎng)絡(luò)、一個(gè)聯(lián)合對(duì)應(yīng)對(duì)抗損失函數(shù)和一個(gè)動(dòng)態(tài)多模態(tài)分類網(wǎng)絡(luò)，構(gòu)建出了更有效的視聽(tīng)跨模態(tài)相互生成模型；在“智能體之間的知識(shí)遷移”問(wèn)題中，研究人員將一種新類型的知識(shí)——交叉樣本相似性引入到深度度量學(xué)習(xí)中，將知識(shí)形式化成一個(gè)教師和學(xué)生網(wǎng)絡(luò)間的排序匹配問(wèn)題，將經(jīng)典的基于列的學(xué)習(xí)轉(zhuǎn)換成排序?qū)W習(xí)算法，大幅提高了學(xué)生網(wǎng)絡(luò)的性能，也可獲得較傳統(tǒng)方法更好的遷移性能。 (程 博)