本文从跨空间机器教学的角度出发，向黑匣子机器教学迈出了重要的一步，即教师和学习者使用不同的特征表征。 NS和老师不能完全观察学习者的模式。在这种情况下，我们将研究教师如何仍...

对图结构的深入学习在各种应用中都显示出令人兴奋的结果。然而，相对于众多的研究工作，这些模型的鲁棒性研究很少受到重视。 图像或文字对抗攻击和防御。本文主要研究通过修改数据组...

当采用函数逼近时，求解具有稳定性保证的Bellman最优方程一直是强化学习中的一个重要问题。基本艰难 Ty是Bellman算子在一般情况下的扩展，导致Q-学习等流行算法的振荡甚至发散行为。在本文...

图卷积网络(GCNS)是一种强大的深层次神经网络 但是，GCN从其邻居递归地计算节点的表示，使接收字段的大小随层数呈指数增长。以前关于减少Recep的尝试 子抽样邻居的域大小不具有收敛性保证...

许多图形分析问题可以通过迭代算法来求解，其中解决方案的特征往往是一组稳态条件。 Xed点约束，因此，我们可以学习一种算法，它可以从实例中自动获得相同的稳态解，而不是使用这些传...

可解释性是一个非常重要的标准。机器学习模型应用于医学等领域，金融市场和刑事司法(例如，见Lipton的讨论文件(Lipton，2016)以及参考文献)。许多复杂的模型，比如随机森林，采用核方法和...