深度学习以理解人类
人体姿态与行为识别脑机接口(BCI)与神经反馈AI 辅助决策与自动化系统AI/ML 研究员与工程师HCI 研究员认知科学家
我们将探讨如何使用深度学习方法来感知和解释图像、视频、音频和文本数据中人类的状态和行为。本课程将涵盖卷积神经网络、循环神经网络和生成对抗网络如何应用于人脸识别、眼动追踪、认知负荷估计、情感识别、自然语言处理、基于语音的交互和活动识别。本课程面向初学者,旨在为深度学习新手设计,但也可以使该领域的高级研究人员受益,为他们提供深度学习方法及其应用的实用概述。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 71%
通过奖励网络蒸馏实现异质演示者的联合目标与策略推断
HRI '20· 脑机接口(BCI)与神经反馈 +2
- 71%
少即是多:重新思考人类行为的概率模型
HRI '20· 脑机接口(BCI)与神经反馈 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
1 位作者
sell
研究子方向
人体姿态与行为识别、脑机接口(BCI)与神经反馈、AI 辅助决策与自动化系统
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员、认知科学家
article
内容状态
仅摘要
hub
相关论文
2 篇相关论文