人類(lèi)可以通過(guò)視覺(jué)和觸覺(jué)融合感知快速確定抓取可變形物體所需力的大小，以防止其發(fā)生滑動(dòng)或過(guò)度形變，但這對(duì)于機(jī)器人來(lái)說(shuō)仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題。為了提升機(jī)器人通用抓取能力，準(zhǔn)確而G效的抓取狀態(tài)評(píng)估是其中十分關(guān)鍵的一環(huán)。傳統(tǒng)意義上的抓取狀態(tài)評(píng)估更加關(guān)注抓取過(guò)程是否穩(wěn)定[1]（左下圖）以及是否發(fā)生滑動(dòng)[2]（右下圖）。
能快速將現(xiàn)有算法在實(shí)際生產(chǎn)環(huán)境落地，并能利用GPU加速實(shí)現(xiàn)大規(guī)模計(jì)算，我們自己搭建了一個(gè)GPU加速的大規(guī)模分布式機(jī)器學(xué)習(xí)系統(tǒng)，取名小諸葛
杜克大學(xué)的一種 AI 算法PULSE可以將模糊、無(wú)法識(shí)別的人臉圖像轉(zhuǎn)換成計(jì)算機(jī)生成的圖像，其細(xì)節(jié)比之前任何時(shí)候都更加精細(xì)、逼真
餓了么算法專(zhuān)家劉金介紹推薦業(yè)務(wù)背景，包括推薦產(chǎn)品形態(tài)及算法優(yōu)化目標(biāo)；然后是算法的演進(jìn)路線(xiàn)；最后重點(diǎn)介紹在線(xiàn)學(xué)習(xí)是如何在餓了么推薦領(lǐng)域?qū)嵺`的
優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場(chǎng)景眾多，需求靈活多變，需要一套通用業(yè)務(wù)框架，支持運(yùn)行時(shí)的算法流程的裝配，提升算法服務(wù)場(chǎng)景搭建的效率
通過(guò)分析其中的關(guān)鍵問(wèn)題，建立了新熱內(nèi)容曝光敏感模型，并最終給出一種曝光資源約束下的多目標(biāo)優(yōu)化保量框架與算法
針對(duì)結(jié)算收銀場(chǎng)景中商品識(shí)別的難點(diǎn)，從商品識(shí)別落地中的模型選擇、數(shù)據(jù)挑選與標(biāo)注、前端和云端部署、模型改進(jìn)等方面，進(jìn)行了深入講解
神經(jīng)形態(tài)結(jié)構(gòu)融合學(xué)習(xí)和記憶功能領(lǐng)域的研究主要集中在人工突觸的可塑性方面，同時(shí)神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實(shí)現(xiàn)中也很重要
機(jī)器學(xué)習(xí)就是通過(guò)經(jīng)驗(yàn)來(lái)尋找它學(xué)習(xí)的模式，而人工智能是利用經(jīng)驗(yàn)來(lái)獲取知識(shí)和技能，并將這些知識(shí)應(yīng)用于新的環(huán)境
滴滴機(jī)器學(xué)習(xí)場(chǎng)景下的 k8s 落地實(shí)踐與二次開(kāi)發(fā)的技術(shù)實(shí)踐與經(jīng)驗(yàn)，包括平臺(tái)穩(wěn)定性、易用性、利用率、平臺(tái) k8s 版本升級(jí)與二次開(kāi)發(fā)等內(nèi)容
大型商用時(shí)序數(shù)據(jù)壓縮的特性，提出了一種新的算法，分享用深度強(qiáng)化學(xué)習(xí)進(jìn)行數(shù)據(jù)壓縮的研究探索
深度學(xué)習(xí)模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目標(biāo)檢測(cè)算法優(yōu)缺點(diǎn)對(duì)比及使用場(chǎng)合比較
