×
验证码:
换一张
忘记密码?
记住我
×
统一认证登录
登录
中文版
|
English
上海科技大学知识管理系统
ShanghaiTech University Knowledge Management System
统一认证登录
登录
注册
ALL
ORCID
题名
作者
发表日期
关键词
文献类型
DOI
出处
存缴日期
收录类别
出版者
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
学科分类
知识图谱
知识整合
学习讨论厅
在结果中检索
研究单元&专题
信息科学与技术学院 [5]
作者
任侃 [5]
虞晶怡 [1]
汪婧雅 [1]
石野 [1]
丁枢桐 [1]
文献类型
预印本 [4]
会议论文 [1]
发表日期
2024 [5]
出处
Arxiv [4]
EACL 2024 ... [1]
语种
英语 [4]
资助项目
资助机构
收录类别
PPRN.PPRN [3]
EI [1]
×
知识图谱
KMS
>
信息科学与技术学院
>
PI研究组
>
任侃组
反馈留言
任侃组
帮助
所有内容中
任侃组
浏览条目
浏览/检索结果:
共5条,第1-5条
帮助
限定条件
专题:任侃组
第一作者的第一单位
第一作者单位
通讯作者单位
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
发表日期升序
发表日期降序
WOS被引频次升序
WOS被引频次降序
期刊影响因子升序
期刊影响因子降序
题名升序
题名降序
作者升序
作者降序
提交时间升序
提交时间降序
Diffusion-based Reinforcement Learning via Q-weighted Variational Policy Optimization
预印本
2024
作者:
Ding, Shutong
;
Hu, Ke
;
Zhang, Zhenhao
;
Ren, Kan
;
Zhang, Weinan
Adobe PDF(1382Kb)
  |  
收藏
  |  
浏览/下载:29/4
  |  
提交时间:2024/06/17
Automated Contrastive Learning Strategy Search for Time Series
预印本
2024
作者:
Jing, Baoyu
;
Wang, Yansen
;
Sui, Guoxin
;
Hong, Jing
;
He, Jingrui
收藏
  |  
浏览/下载:21/0
  |  
提交时间:2024/05/15
CASPER: Causality-Aware Spatiotemporal Graph Neural Networks for Spatiotemporal Time Series Imputation
预印本
2024
作者:
Jing, Baoyu
;
Zhou, Dawei
;
Ren, Kan
;
Yang, Carl
收藏
  |  
浏览/下载:23/0
  |  
提交时间:2024/05/15
Spatiotemporal Time Series Imputation
Spatiotemporal Graph Neural Network
Causal Attention
EEGFormer: Towards Transferable and Interpretable Large-Scale EEG Foundation Model
预印本
2024
作者:
Chen, Yuqi
;
Ren, Kan
;
Song, Kaitao
;
Wang, Yansen
;
Wang, Yifan
收藏
  |  
浏览/下载:23/0
  |  
提交时间:2024/06/03
MLCopilot: Unleashing the Power of Large Language Models in Solving Machine Learning Tasks
会议论文
EACL 2024 - 18TH CONFERENCE OF THE EUROPEAN CHAPTER OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS, PROCEEDINGS OF THE CONFERENCE, St. Julian�s, Malta, March 17, 2024 - March 22, 2024
作者:
Zhang, Lei
;
Zhang, Yuge
;
Ren, Kan
;
Li, Dongsheng
;
Yang, Yuqing
收藏
  |  
浏览/下载:39/0
  |  
提交时间:2024/04/26
Computational linguistics
Human knowledge
Language model
Learning tasks
Machine intelligence
Machine-learning
Non-trivial
Novel task
Power
Quantitative approach
State of the art