新一代移動端深度學習推理框架TNN，通過底層技術(shù)優(yōu)化實現(xiàn)在多個不同平臺的輕量部署落地，性能優(yōu)異、簡單易用。騰訊方面稱，基于TNN，開發(fā)者能夠輕松將深度學習算法移植到手機端G效的執(zhí)行，開發(fā)出人工智能 App，真正將 AI 帶到指尖
新加坡國立大學NExT中心的王翔博士分析了知識圖譜在個性化推薦L域的應用背景，并詳細介紹了課題組在個性化推薦中的相關研究技術(shù)和進展，包括基于路徑、基于表征學習、基于圖神經(jīng)網(wǎng)絡等知識圖譜在推薦系統(tǒng)中的融合技術(shù)
根據(jù)各種指法的具體特點,對時頻網(wǎng)格圖、時域網(wǎng)格圖、頻域網(wǎng)格圖劃分出若干個不同的計算區(qū)域,并以每個計算區(qū)域的均值與標準差作為指法自動識別的特征使用，用于基于機器學習方法的指法自動識別
Tube Feature Aggregation Network（TFAN）新方法，即利用時序信息來輔助當前幀的遮擋行人檢測，目前該方法已在 Caltech 和 NightOwls 兩個數(shù)據(jù)集取得了業(yè)界L先的準確率
姚霆指出，當前的多模態(tài)技術(shù)還是屬于狹隘的單任務學習，整個訓練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進行，這就和真實世界中開放動態(tài)的應用場景存在一定的差異性
優(yōu)酷智能檔突破“傳統(tǒng)自適應碼率算法”的局限，解決視頻觀看體驗中G清和流暢的矛盾
通過使用仿真和量化指標，使基準測試能夠通用于許多操作L域，但又足夠具體，能夠提供系統(tǒng)的有關信息
基于內(nèi)容圖譜結(jié)構(gòu)化特征與索引更新平臺，在結(jié)構(gòu)化方面打破傳統(tǒng)的數(shù)倉建模方式，以知識化、業(yè)務化、服務化為視角進行數(shù)據(jù)平臺化建設，來沉淀內(nèi)容、行為、關系圖譜，目前在優(yōu)酷搜索、票票、大麥等場景開始進行應用
NVIDIA解決方案架構(gòu)師王閃閃講解了BERT模型原理及其成就，NVIDIA開發(fā)的Megatron-BERT
自然語言處理技術(shù)的應用和研究L域發(fā)生了許多有意義的標志性事件，技術(shù)進展方面主要體現(xiàn)在預訓練語言模型、跨語言 NLP/無監(jiān)督機器翻譯、知識圖譜發(fā)展 + 對話技術(shù)融合、智能人機交互、平臺廠商整合AI產(chǎn)品線
下一個十年，智能人機交互、多模態(tài)融合、結(jié)合L域需求的 NLP 解決方案建設、知識圖譜結(jié)合落地場景等將會有突破性變化
中國移動聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內(nèi)定位白皮書》，對室內(nèi)定位產(chǎn)業(yè)發(fā)展現(xiàn)狀及面臨的挑戰(zhàn)，深入分析了垂直行業(yè)的室內(nèi)定位需求，并詳細闡述了實現(xiàn)室內(nèi)定位的技術(shù)原理， 及室內(nèi)定位評測體系
