机器之心报道机器之心编辑部来自 Mata AI、法国索邦大学、巴黎高师的研究者成功让 Transformer 直接预测出完整的数学表达式。符号回归，即根据观察函数值来预测函数数学表达式的任务，通常涉及
选自getrevue.co作者：Jean de Dieu Nyandwi机器之心编译机器之心编辑部这篇文章从感知机开始，按照时间顺序回顾了深度学习的历史。1958 年：感知机的兴起1958 年，弗兰克
机器之心报道机器之心编辑部在这篇论文中，来自苹果的研究者提出了一种用于移动设备的轻量级通用视觉 transformer——MobileViT。该网络在 ImageNet-1k 数据集上实现了 78.4
选自 Quanta Magazine机器之心编译作者：Stephen Ornes机器之心编辑部从自然语言处理任务起家，又在图像分类和生成领域大放异彩，所向披靡的 Transformer 会成为下一个神
丰色 发自 凹非寺量子位 | 公众号 QbitAI都说Transformer适合处理多模态任务。这不，在视频目标分割领域，就有人用它同时处理文本和视帧，提出了一个结构更简单、处理速度更快（每秒76帧）
机器之心报道编辑：杜伟、陈萍来自商汤、上海人工智能实验室等机构的研究者用线性 COSFORMER 来取代 transformer 中的 softmax 注意力机制，在多项任务上达到最优。Transfo
新智元报道 编辑：LRS【新智元导读】Transformer在图像分类任务上经过充分训练已经足以完全超越CNN模型，但GAN仍然是Transformer无法踏足的领域。最近港中文博士提出首个基于
选自DeepMind Blog作者：Žiga Avsec机器之心编译继蛋白质结构预测之后，一路领跑的 DeepMind 又将 AI 的触角伸向了 DNA。当人类基因组计划成功地绘制出人类基因组的 DN
大数据文摘转载自微软研究院AI头条编者按：近一年来，Transformer 在计算机视觉领域所带来的革命性提升，引起了学术界的广泛关注，有越来越多的研究人员投入其中。Transformer 的特点和优
机器之心报道机器之心编辑部Transformer 开始进军决策领域了，它能否替代离线强化学习呢？近日，UC 伯克利、FAIR 和谷歌大脑的研究者提出了一种通过序列建模进行强化学习的 Transform
