女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

圖神經(jīng)網(wǎng)絡(luò)方面論文入選國際頂級(jí)會(huì)議

倩倩 ? 來源:砍柴網(wǎng) ? 2020-04-17 09:00 ? 次閱讀

上周在世界知識(shí)產(chǎn)權(quán)組織(WIPO)公布的2019PCT專利排行榜上,平安科技以1691件的申請(qǐng)量排名全球第八位。在此之前由零壹財(cái)經(jīng)發(fā)布的《2009-2018年金融科技專利趨勢(shì)報(bào)告》上平安科技排名第一。作為平安的高科技內(nèi)核,平安科技緣何頻頻在專利方面獲得業(yè)界權(quán)威認(rèn)可?答案或許可以從近日發(fā)表的論文中找到案。

神經(jīng)網(wǎng)絡(luò)方面論文入選國際頂級(jí)會(huì)議

近日,平安科技聯(lián)邦學(xué)習(xí)技術(shù)團(tuán)隊(duì)的論文《GraphTTS: Graph-to-Sequence Modelling in Neural Text-to-Speech》被第45屆國際聲學(xué)、語音與信號(hào)處理會(huì)議(ICASSP 2020)接收。這是業(yè)內(nèi)首次將圖神經(jīng)網(wǎng)絡(luò)應(yīng)用到端到端的語音合成領(lǐng)域,證明了繼加入國家科技部重點(diǎn)研發(fā)計(jì)劃“云計(jì)算和大數(shù)據(jù)”重點(diǎn)專項(xiàng)后,平安科技”國家隊(duì)“在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究成果再一次得到了全球?qū)<业恼J(rèn)可和肯定。

深度圖領(lǐng)域持續(xù)發(fā)力 平安“國家隊(duì)”碩果累累

ICASSP是語音領(lǐng)域最頂級(jí)的國際會(huì)議,是中國計(jì)算學(xué)會(huì)推薦的B類會(huì)議,在語音識(shí)別、語音合成等方向匯集了全球最為領(lǐng)先的理論研究與技術(shù)應(yīng)用成果,能夠被其接收的論文,代表著國際語音領(lǐng)域研究的頂尖水平。

論文展現(xiàn)了平安科技首創(chuàng)的GNN+TTS端到端語音識(shí)別模型。GraphTTS針對(duì)語音合成中韻律建模的問題,創(chuàng)造性地提出采用圖神經(jīng)網(wǎng)絡(luò)來構(gòu)建文本序列的韻律關(guān)系,讓模型能夠更好的學(xué)習(xí)文本韻律與語音特征之間的關(guān)系,以提升語音合成系統(tǒng)的擬人效果。

論文最大的創(chuàng)新之處在于系統(tǒng)框架的設(shè)計(jì)上利用圖神經(jīng)網(wǎng)絡(luò)來構(gòu)建文本韻律模型,全局化表征韻律信息,在保證模型快速收斂的同時(shí),可以進(jìn)一步提升模型性能。值得一提的是,GraphTTS已經(jīng)被成功應(yīng)用賦能在平安科技多個(gè)語音合成機(jī)器人項(xiàng)目中,合成語音的擬人化效果得到顯著提高。

論文成果背后 專利城墻筑起護(hù)城河

論文入選背后是平安在知識(shí)產(chǎn)權(quán)領(lǐng)域的縝密布局和爆發(fā)式積累。在深度圖領(lǐng)域平安科技申請(qǐng)了多項(xiàng)專利。

名稱為“基于圖計(jì)算技術(shù)的理賠反欺詐方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)”的專利,在金融領(lǐng)域應(yīng)用價(jià)值可觀。在金融社保領(lǐng)域的數(shù)據(jù)量龐大,且數(shù)據(jù)復(fù)雜性很高。相對(duì)于傳統(tǒng)數(shù)據(jù)庫技術(shù),圖計(jì)算技術(shù)能更加高效地挖掘數(shù)據(jù)之間的關(guān)聯(lián)價(jià)值。本專利實(shí)現(xiàn)了快速發(fā)現(xiàn)可疑個(gè)體屬性、個(gè)體之間可疑關(guān)系、異常關(guān)系網(wǎng)絡(luò)結(jié)構(gòu),利用子圖融合構(gòu)建了金融社保領(lǐng)域的關(guān)聯(lián)關(guān)系大圖,并充分結(jié)合圖計(jì)算方法在關(guān)系大圖上充分挖掘不同的欺詐模式,如患者團(tuán)伙騙保作案、醫(yī)生(科室)團(tuán)伙騙保作案等,取得了非常好的成效。

專利的積累為前線的技術(shù)突破提供了保護(hù)和軟實(shí)力的證明。此次研究論文入選ICASSP,是平安科技自2018年加入“圖計(jì)算國家隊(duì)”后又一項(xiàng)重大成果。去年,在圖計(jì)算領(lǐng)域全球規(guī)格最高挑戰(zhàn)比賽——Graph Challenge稀疏神經(jīng)網(wǎng)絡(luò)圖挑戰(zhàn)賽道中,平安科技聯(lián)邦學(xué)習(xí)團(tuán)隊(duì)和課題合作單位上海交大聯(lián)合戰(zhàn)隊(duì)一舉進(jìn)入決賽,并且名列稀疏神經(jīng)網(wǎng)絡(luò)圖挑戰(zhàn)賽道的前三名位置(http://graphchallenge.mit.edu/champions),成為整個(gè)名單上唯一入榜的中國本土團(tuán)隊(duì)。

平安科技聯(lián)邦學(xué)習(xí)團(tuán)隊(duì)位列Graph Challenge稀疏神經(jīng)網(wǎng)絡(luò)圖挑戰(zhàn)賽道前三

專利是自主創(chuàng)新的脊梁,可以成就一個(gè)企業(yè),甚至帶動(dòng)一個(gè)產(chǎn)業(yè)。在科技成為當(dāng)下競爭核心要素的金融業(yè),技術(shù)專利的申請(qǐng)數(shù)成為企業(yè)創(chuàng)新能力的重要參考指標(biāo)。

持續(xù)化的專利研發(fā),必將為企業(yè)發(fā)展注入無限動(dòng)能。在平安集團(tuán)強(qiáng)大的業(yè)務(wù)背景支撐下,平安科技的戰(zhàn)略還將持續(xù)發(fā)力,迎來專利領(lǐng)域爆發(fā)式的增長。

關(guān)于平安科技聯(lián)邦學(xué)習(xí)技術(shù)團(tuán)隊(duì)

平安科技聯(lián)邦學(xué)習(xí)技術(shù)團(tuán)隊(duì)是全球首個(gè)聯(lián)邦學(xué)習(xí)團(tuán)隊(duì),由平安集團(tuán)首席科學(xué)家肖京博士指導(dǎo),平安科技副總工程師王健宗博士帶領(lǐng),匯集了來自國內(nèi)外頂尖院校畢業(yè)的碩博人才,致力于推動(dòng)聯(lián)邦學(xué)習(xí)和深度圖領(lǐng)域的生態(tài)發(fā)展,深度融合前沿AI技術(shù)。團(tuán)隊(duì)從金融、教育、醫(yī)療、公共安全等領(lǐng)域的真實(shí)痛點(diǎn)出發(fā),自主研發(fā)蜂巢聯(lián)邦學(xué)習(xí)平臺(tái),打破“數(shù)據(jù)孤島”,保護(hù)數(shù)據(jù)隱私。作為國家隊(duì)成員,平安科技聯(lián)邦學(xué)習(xí)技術(shù)團(tuán)隊(duì)在深度圖領(lǐng)域深耕圖計(jì)算和圖神經(jīng)網(wǎng)絡(luò)等技術(shù),挖掘圖的力量賦能金融科技,突破人工智能的邊界,深度構(gòu)建大規(guī)模圖網(wǎng)絡(luò),用最領(lǐng)先、最科學(xué)的技術(shù)助力實(shí)業(yè)發(fā)展,最大化創(chuàng)造價(jià)值。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    睿創(chuàng)微納AI芯片技術(shù)登上國際計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域頂級(jí)會(huì)議

    近日,國際計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域頂級(jí)會(huì)議HPCA 2025(International Symposium on High-Performance Computer Architecture)在美國召開。會(huì)議共收到534篇來自全球頂
    的頭像 發(fā)表于 05-19 15:57 ?194次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋
    的頭像 發(fā)表于 02-12 15:53 ?488次閱讀

    Nullmax視覺感知能力再獲國際頂級(jí)學(xué)術(shù)會(huì)議認(rèn)可

    日前,歐洲計(jì)算機(jī)視覺國際會(huì)議 ECCV 2024公布論文錄用結(jié)果,Nullmax感知團(tuán)隊(duì)的目標(biāo)檢測論文《SimPB: A Single Model for 2D and 3D Object Detection from Mult
    的頭像 發(fā)表于 09-02 14:07 ?672次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。它們各自具有獨(dú)特的特點(diǎn)和優(yōu)勢(shì),并在不同的應(yīng)用場景中發(fā)揮著重要作用。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)關(guān)系的詳細(xì)探討,內(nèi)容將涵蓋兩者的定義、原理、區(qū)別、聯(lián)系以及應(yīng)用等方面
    的頭像 發(fā)表于 07-10 15:24 ?2262次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)
    的頭像 發(fā)表于 07-10 15:20 ?2067次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?938次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實(shí)際上是同一個(gè)概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?1399次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    結(jié)構(gòu)。它們?cè)谔幚聿煌愋偷臄?shù)據(jù)和解決不同問題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
    的頭像 發(fā)表于 07-04 14:24 ?1919次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?1647次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別在哪

    結(jié)構(gòu)、原理、應(yīng)用場景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的詳細(xì)比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),由輸入層、隱藏層和輸出層組成。每個(gè)
    的頭像 發(fā)表于 07-04 09:49 ?1.8w次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    網(wǎng)絡(luò)結(jié)構(gòu),分別適用于不同的應(yīng)用場景。本文將從基本概念、結(jié)構(gòu)組成、工作原理及應(yīng)用領(lǐng)域等方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行深入解讀。
    的頭像 發(fā)表于 07-03 16:12 ?5308次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
    的頭像 發(fā)表于 07-03 11:00 ?1146次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種常見的前饋神經(jīng)網(wǎng)絡(luò),它使用反向傳播算法來訓(xùn)練網(wǎng)絡(luò)。雖然BP神經(jīng)網(wǎng)絡(luò)在某些
    的頭像 發(fā)表于 07-03 10:14 ?1291次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    結(jié)構(gòu)、原理、應(yīng)用場景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),由輸入層、隱藏層和輸出層組成。每個(gè)
    的頭像 發(fā)表于 07-03 10:12 ?2438次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們?cè)诮Y(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個(gè)方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一
    的頭像 發(fā)表于 07-02 14:24 ?5867次閱讀