机译:使用多任务条件注意网络支持创建有效广告创意的转换预测
Hosei University;
Hosei University;
Gunosy Inc;
Online Advertising; Supporting Ad Creative Creation; Recurrent Neural Network; Multi-task Learning; Attention Mechanism;
机译:使用多任务条件注意网络支持创建有效广告创意的转换预测
机译:TOPP-S:基于持久性的同源性的多任务深神经网络,用于同时预测分配系数和水溶性
机译:拓扑网:基于拓扑的深卷积和多任务神经网络,用于生物分子性能预测
机译:TADA:使用双注意多任务循环神经网络进行趋势预测以进行销售预测
机译:使用条件独立图和状态空间神经网络的城市动脉网络旅行时间估计和短期预测。
机译:ADST:使用基于注意的多任务学习的深空间网络预测地铁流量
机译:我们开发了一种科学创造力模型,并在稀有疾病领域进行测试。我们的模型基于对Rett综合征的深入案例研究的结果。档案分析,文献计量技术和专家调查与网络分析相结合,以确定最具创造力的科学家。首先,比较生成和组合创造力的替代措施。然后,我们推广了我们的结果,并提出了社会语义网络演化的随机模型。模型预测用多个罕见疾病专业网络进行测试。我们发现,一个领域的专家之间的新的科学合作增强了组合创造力。相反,新手的高入门率与生成创造力负相关。通过扩展这组有用的概念,创造性的科学家获得了中心地位。同时,通过增加科学界的中心地位,科学家们可以复制和推广他们的结果,从而促进科学范式的发展。