清华大学专题AI前沿论文进展 2018.11.05 方建勇1

这篇资料汇集了清华大学在2018年11月5日关于AI前沿的研究论文进展，主要涉及自动驾驶、无人机通信、神经机器翻译以及小目标检测等多个领域。以下是这些论文的详细内容： 1. 《一种用于联合交通标志和光检测的分层深层体系结构和小批量选择方法》 该论文提出了一种创新的深层架构，结合小批量选择机制，旨在解决自动驾驶车辆在实时环境中同时检测交通标志和交通灯的问题。由于缺乏同时包含这两种元素的公共数据集，以往的方法无法实现联合检测。提出的分层结构能够处理数据集间的重叠问题，并且在清华-腾讯100k交通标志检测基准和博世交通灯检测基准上表现出优越性能，占用更少的内存，具备实时处理能力。 2. 《无人飞行器通信城市环境中的信道模型》 论文探讨了无人机在城市环境中的无线通信信道建模，特别关注低空飞行时办公楼等密集区域的信号传播特点。通过清华大学校园的实地测量，研究人员提出了一种简化的Saleh-Valenzuela模型，分析了K因子和RMS延迟分布，并对比了不同场景下的通信特性。 3. 《UMMT：神经机器翻译的开源工具包》 清华大学自然语言处理小组开发的UMMT是一个基于Theano的开源神经机器翻译工具包。它支持最大似然估计、最小风险训练和半监督等多种训练标准，为NMT研究提供了一个强大的平台。 4. 《用于小目标检测的感知生成性对抗网络》 针对小目标检测的困难，论文提出了感知生成对抗网络（Perception GAN）模型。这个模型能将小目标提升为“超级解析”表示，使它们的特征接近大目标，从而提高检测准确性。在清华-腾讯100k和Caltech基准测试中，感知GAN在检测小目标如交通标志和行人方面表现优越。 5. 《学术创业的全球化？大学专利分解的近期增长 (2009-2014)》 论文讨论了学术创业在全球范围内的发展，特别是在美国大学专利的增长。通过对2009年至2014年期间的数据分析，揭示了大学专利在全球化和技术转让中的角色及其发展趋势。 以上论文展示了清华大学在AI领域的深入研究，涵盖了自动驾驶、无线通信、自然语言处理和知识产权等多个关键方向，反映出学术界在技术创新和实际应用中的不断探索。这些研究成果不仅有助于推动科技进步，也为相关产业的发展提供了理论支持和实践指导。