博文
Top综述集锦 | 进化计算、知识挖掘、自然语言处理、人脸素描合成、机器人辅助手术...
||
自今年正式出版以来，MIR吸引了国内外众多知名学者的高质量综述，其中包括华南理工大学詹志辉教授团队的"面向昂贵优化的进化计算"；联想集团CTO芮勇团队的"知识挖掘：跨领域的综述"；复旦大学邱锡鹏教授团队的"自然语言处理中的范式转换"；苏黎世联邦理工大学Luc Van Gool教授团队的"人脸-素描合成：一个新的挑战"；华南理工大学刘江教授团队的"用于白内障分级/分类的机器学习技术"；以及布里斯托机器人实验室张丹丹博士团队的"从远程操作到自动机器人辅助显微手术"。以上综述全部开放获取！
华南理工大学詹志辉教授团队
Evolutionary Computation for Expensive Optimization: A Survey
Jian-Yu Li, Zhi-Hui Zhan, Jun Zhang
昂贵优化问题(Expensive Optimization Problem，EOP)是指在评估待选解决方案时，需要付出昂贵甚至难以承担的成本的一类最优化问题。随着社会的不断进步，以及智慧城市、物联网、大数据时代等带来的新兴挑战，更高效地解决EOP问题正成为推动各领域繁荣发展的必要条件。进化计算是一种模拟自然进化现象和生物群体智能行为来求解问题的启发式优化方法，被广泛应用于求解EOP问题。华南理工大学詹志辉教授团队系统全面地综述了面向昂贵优化的进化计算方法，充分回顾和分析如何发展与利用进化计算方法，以高效解决复杂的EOP问题。
中文导读：
全文下载：
https://link.springer.com/article/10.1007/s11633-022-1317-4
Knowledge Mining: A Cross-disciplinary Survey Yong Rui, Vicente Ivan Sanchez Carmona, Mohsen Pourvali, Yun Xing, Wei-Wen Yi, Hui-Bin Ruan, Yu Zhang 知识挖掘是一项融合了自然语言处理、数据挖掘和机器学习等领域的热门研究方向。通过从数据源中提取知识，知识挖掘能够创建一种结构化的表示，帮助研究人员更好地理解此类数据，并在其基础之上进行操作和处理以构建各种应用。在涉及知识挖掘的各个领域中，学者们已经开展了大量的研究综述工作。与之前的众多研究不同，联想集团首席技术官、高级副总裁、欧洲科学院外籍院士、Fellow of ACM, IEEE, IAPR, SPIE芮勇博士带领研究院团队首次进行了一次跨领域的研究综述，探索了知识挖掘在自然语言处理，数据挖掘和机器学习等三大领域中呈现出的不同特点，以激发更多的研究灵感和想法，进而在这些领域间搭建起沟通的桥梁。 中文导读： 全文下载： https://link.springer.com/article/10.1007/s11633-022-1323-6 复旦大学邱锡鹏教授团队 Paradigm Shift in Natural Language Processing Tian-Xiang Sun, Xiang-Yang Liu, Xi-Peng Qiu, Xuan-Jing Huang 在深度学习的时代，多数自然语言处理(NLP)任务的建模已经融合到几种主流范式中。然而，分散在不同自然语言处理任务中的范式转换尚未得到系统的综述和分析。复旦大学邱锡鹏教授团队试图总结这一研究领域的最新进展和趋势，即范式转换或范式转移。文章回顾了近年来这种范式转换的现象，并重点介绍了几种有可能解决不同NLP任务的范式。 中文导读： 全文下载： https://link.springer.com/article/10.1007/s11633-022-1331-6 苏黎世联邦理工大学Luc Van Gool教授团队 Facial-sketch Synthesis: A New Challenge Deng-Ping Fan, Ziling Huang, Peng Zheng, Hong Liu, Xuebin Qin, Luc Van Gool MIR第四期发表苏黎世联邦理工大学研究团队重磅综述，第一作者为苏黎世联邦理工大学(ETH Zurich)博士后研究员范登平。文章旨在对人脸素描合成(FSS)进行全面研究，首次构建了一个高质量的FSS数据集，通过回顾89种经典方法从而展示了最大规模的FSS研究。此外，文章对现有的19个前沿模型进行了综合实验，同时提出了一个简单的FSS基线模型，命名为FSGAN。最后总结了过去几年的经验教训，并指出了几个未解决的挑战。全文免费下载，并提供源代码及中文译本。 中文导读： ETH Zurich重磅综述 | 人脸-素描合成：一个新的挑战 全文下载： https://link.springer.com/article/10.1007/s11633-022-1349-9 华南理工大学刘江教授团队 Machine Learning for Cataract Classification/Grading on Ophthalmic Imaging Modalities: A Survey Xiao-Qing Zhang, Yan Hu, Zun-Jie Xiao, Jian-Sheng Fang, Risa Higashita, Jiang Liu 全球范围内，白内障是造成视力受损和失明的主要原因。多年来，研究人员在开发最先进的白内障自动分类和分级机器学习技术方面取得了重大进展，旨在早期预防白内障，提高临床医生的诊断效率。来自南方科技大学的研究团队全面综述了基于眼科图像的白内障分类/分级机器学习技术的最新进展。文章从传统的机器学习方法和深度学习方法两个方向总结了现有文献，并深入分析了现有研究的优点和局限性。此外，文章还讨论了基于机器学习技术的白内障自动分类/分级技术所面临的一些挑战，并为未来的研究提出了可能的解决方案。 中文导读： 全文下载： https://link.springer.com/article/10.1007/s11633-022-1329-0 布里斯托机器人实验室 From Teleoperation to Autonomous Robot-assisted Microsurgery: A Survey Dandan Zhang, Weiyong Si, Wen Fan, Yuan Guan, Chenguang Yang 与传统的显微手术相比，机器人辅助显微手术(Robot-assisted microsurgery, RAMS)具有很多优势。为进一步提升RAMS的医疗成果产出，应大力发展集成先进控制策略，成像技术及微型传感器的显微手术平台。仅过去的几十年间，显微手术机器人已经变成一个迅速发展的研究领域，吸引着全世界的目光。尽管优势明显，但其仍然面临诸多尚未解决的挑战。本文综述了RAMS相关的新兴概念和成果，并介绍了RAMS从远程控制到自动系统的发展趋势，RAMS未来发展离不开工程师和临床医生紧密合作。 中文导读： 全文下载： https://link.springer.com/article/10.1007/s11633-022-1332-5 纸刊免费寄送 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，请点击下方链接或扫描下方二维码填写收件地址，编辑部将在7个工作日内为您免费寄送纸版全文！ 收件信息登记： https://www.wjx.cn/vm/rfQWEKc.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。 往期目录 数据库收录信息
https://m.sciencenet.cn/blog-749317-1355304.html
上一篇：AI最前沿 | 来自苏黎世联邦理工学院Luc Van Gool教授团队、清华大学戴琼海院士团队等
下一篇：智能科学创新讲堂 | 北科大殷绪成: 开放环境下的模式识别与文字识别技术
