热门期刊
中国成人教育 职教论坛 传媒 建筑工程与设计 电力技术 电工文摘 房地产导刊 建筑工程技术与设计 四川水泥 江西建材 才智 北方音乐 中学生数理化 新课程 文体用品与科技 吉林教育 中国实验诊断学 吉林医学 青春期健康 东方企业文化期刊百科
引文、引文分析与学术论文评价 学术论文的规范与创新 学术论文的写作方法 对文科研究生学位论文选题和写作的几点认识 学术规范 学术论文如何体现学术精神 论文定稿之前要修改哪几方面 谈学术论文写作 如何写经济学论文 学术期刊论文发表过程中的利益冲突及其处理论文发表
华文期刊网专注论文发表十余年，与国内数千家期刊杂志社有合作关系，独家内部绿色通道快速发表论文。
发表咨询：
快速发表：
加急发表：
在线编辑：
省级期刊审稿1-3天，1-3个月发表
国家级期刊审稿1-3天,1-3个月发表
大学学报7-15天审稿，2-6个月发表
核心期刊2天-1个月审稿,1-6个月发表
服务热线：13182189808
论文发表：国家级期刊审稿1-3天,1-3个月发表
大学学报7-15天审稿，2-6个月发表
核心期刊2天-1个月审稿,1-6个月发表
服务热线：13182189808
发表咨询：
快速发表：
加急发表：
在线编辑：
评审职称
腾讯优图两篇学术论文被IJCAI录用(1)
10余年职称评审 职称论文发表经验- 华文期刊网- 客服热线13182189808, QQ398089779
【IT168 资讯】基于腾讯优图团队和厦门大学纪荣嵘教授团队在深度合作项目中所产出的学术论文 “基于全局误差重构的深度卷积神经网络压缩方法”(Towards Convolutional Neural Networks Compression via Global ErrorReconstruction)和 “面向跨模态哈希的监督矩阵分解方法”(Supervised Matrix Factorization forCross-modality Hashing)两篇论文同时被人工智能领域的顶级会议IJCAI录用为长文，这是继去年11月所撰写的论文被另一国际顶级学术会议AAAI 2016接受后，优图在人工智能领域创下的又一佳绩。IJCAI(International Joint Conference on Artificial Intelligence)始于1969年，每两年一次，涵盖了自然语言处理、机器学习、人工智能理论与架构、机器人科学等领域。会议具有很高的学术水平和影响力，受到学术界和产业界的高度关注，因此IJCAI和ICCV、CVPR、ICML、AAAI等会议被中国计算机学会(CCF)认定为级别最高的A类会议。本届会议中，腾讯优图的两篇学术论文同时录取，说明了团队在人工智能领域又迈向了新的高度。
腾讯优图与厦门大学纪荣嵘团队从2015年初开始密切的高校合作，不仅专注于算法的深度学习及研究，同时也致力于将先进的人工智能技术应用到腾讯的产品中。此次合作的学术论文正是双方取得的又一突破，主题涵盖了机器学习当前研究的两大热门领域：深度学习领域与信息检索领域。
Paper 1 :【深度学习领域】基于全局误差重构的深度卷积神经网络压缩方法
项目背景：
随着深度学习技术在移动端智能业务应用中的逐步铺开，云端服务的方式越来越依赖用户上传的大量数据，比如本地照片分类管理。因此服务质量受限于网络环境、后台服务能力、用户隐私等因素。一个解决的思路是把云端的深度学习放到手机本地运行，然而云端的深度网络模型往往过于庞大，动辄上百兆，不利于SDK的本地部署。因此，如何把庞大的深度模型进行瘦身并装进手机本地运行，让更多用户充分享受技术进步的红利，成为摆在优图深度学习研究人员面前的一大挑战。
深度学习网络的移动端本地运行离不开两个因素，运行环境与网络模型。为此，优图深度学习团队一方面通过自主创新搭建了深度学习在手机端的运行环境 MiniCNN框架，具备小巧、内存占用低、模型兼容性高等特点(当前正在天天P图、手机管家等产品中落地)。另一方面，优图在移动端深度网络压缩的经验，通过和厦大纪荣嵘教授团队深入合作，共同探索出网络模型压缩的学术界和产业界的创新算法方案，并取得了丰硕的技术成果。这标志着优图已经具备了将深度学习网络运行于移动端的技术能力。
技术创新：
业界流行的模型压缩方案通常为： 基于SVD的low-rank近似算法粗略地对卷积网络模型中的全连接层进行压缩，以大幅减少模型参数规模。然而通过这种基于layer-wise初始化的压缩势必会造成大量误差累计。优图深度学习团队与厦大合作伙伴一起经过不断尝试和优化，创新性地提出了GlobalError Reconstruction (GER)算法，减少此类误差累计，提高压缩网络准确率。实验结果表示GER算法能够取得较好的rate-distortion，该算法能压缩业界知名的网络AlexNet和VGG模型(NIPS2012，ICLR2015)接近15倍而不失准确率。
联系方式：0515- 83271735 13182189808
QQ：398089779
【IT168 资讯】基于腾讯优图团队和厦门大学纪荣嵘教授团队在深度合作项目中所产出的学术论文 “基于全局误差重构的深度卷积神经网络压缩方法”(Towards Convolutional Neural Networks Compression via Global ErrorReconstruction)和 “面向跨模态哈希的监督矩阵分解方法”(Supervised Matrix Factorization forCross-modality Hashing)两篇论文同时被人工智能领域的顶级会议IJCAI录用为长文，这是继去年11月所撰写的论文被另一国际顶级学术会议AAAI 2016接受后，优图在人工智能领域创下的又一佳绩。IJCAI(International Joint Conference on Artificial Intelligence)始于1969年，每两年一次，涵盖了自然语言处理、机器学习、人工智能理论与架构、机器人科学等领域。会议具有很高的学术水平和影响力，受到学术界和产业界的高度关注，因此IJCAI和ICCV、CVPR、ICML、AAAI等会议被中国计算机学会(CCF)认定为级别最高的A类会议。本届会议中，腾讯优图的两篇学术论文同时录取，说明了团队在人工智能领域又迈向了新的高度。
腾讯优图与厦门大学纪荣嵘团队从2015年初开始密切的高校合作，不仅专注于算法的深度学习及研究，同时也致力于将先进的人工智能技术应用到腾讯的产品中。此次合作的学术论文正是双方取得的又一突破，主题涵盖了机器学习当前研究的两大热门领域：深度学习领域与信息检索领域。
Paper 1 :【深度学习领域】基于全局误差重构的深度卷积神经网络压缩方法
项目背景：
随着深度学习技术在移动端智能业务应用中的逐步铺开，云端服务的方式越来越依赖用户上传的大量数据，比如本地照片分类管理。因此服务质量受限于网络环境、后台服务能力、用户隐私等因素。一个解决的思路是把云端的深度学习放到手机本地运行，然而云端的深度网络模型往往过于庞大，动辄上百兆，不利于SDK的本地部署。因此，如何把庞大的深度模型进行瘦身并装进手机本地运行，让更多用户充分享受技术进步的红利，成为摆在优图深度学习研究人员面前的一大挑战。
深度学习网络的移动端本地运行离不开两个因素，运行环境与网络模型。为此，优图深度学习团队一方面通过自主创新搭建了深度学习在手机端的运行环境 MiniCNN框架，具备小巧、内存占用低、模型兼容性高等特点(当前正在天天P图、手机管家等产品中落地)。另一方面，优图在移动端深度网络压缩的经验，通过和厦大纪荣嵘教授团队深入合作，共同探索出网络模型压缩的学术界和产业界的创新算法方案，并取得了丰硕的技术成果。这标志着优图已经具备了将深度学习网络运行于移动端的技术能力。
技术创新：
业界流行的模型压缩方案通常为： 基于SVD的low-rank近似算法粗略地对卷积网络模型中的全连接层进行压缩，以大幅减少模型参数规模。然而通过这种基于layer-wise初始化的压缩势必会造成大量误差累计。优图深度学习团队与厦大合作伙伴一起经过不断尝试和优化，创新性地提出了GlobalError Reconstruction (GER)算法，减少此类误差累计，提高压缩网络准确率。实验结果表示GER算法能够取得较好的rate-distortion，该算法能压缩业界知名的网络AlexNet和VGG模型(NIPS2012，ICLR2015)接近15倍而不失准确率。
联系方式：0515- 83271735 13182189808
QQ：398089779
认准华文期刊网 可信 保障 安全 快速 客户见证 退款保证
1、推荐正刊 职称评审可用
华文期刊网所有推荐刊物均为正刊，绝不推荐假刊、增刊、副刊。所有刊物均可用于职称评审！2、最快当天审稿 快则30天出刊
华文期刊网合作杂志社多，内部绿色通道帮您快速发表（部分刊物可加急）！3、十余年服务客户遍及全国各地
华文期刊网专业从事论文发表服务十余年年，十余年服务客户遍及全国各地4、发表不成功 全额退款
华文期刊网的期刊成功录用率高，对于核心期刊的审稿严格，若未能发表，全额退款！
