<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>自然语言处理 | 先进计算与体系结构</title><link>https://www.acal.org.cn/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/</link><atom:link href="https://www.acal.org.cn/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/index.xml" rel="self" type="application/rss+xml"/><description>自然语言处理</description><generator>HugoBlox Kit (https://hugoblox.com)</generator><language>zh-Hans</language><lastBuildDate>Thu, 11 Jan 2024 00:00:00 +0000</lastBuildDate><image><url>https://www.acal.org.cn/media/logo_hu_9c369f2c5735daea.png</url><title>自然语言处理</title><link>https://www.acal.org.cn/tags/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/</link></image><item><title>机器学习</title><link>https://www.acal.org.cn/research/machine-learning/</link><pubDate>Thu, 11 Jan 2024 00:00:00 +0000</pubDate><guid>https://www.acal.org.cn/research/machine-learning/</guid><description>&lt;h2 id="概述"&gt;概述&lt;/h2&gt;
&lt;p&gt;我们构建鲁棒且可解释的机器学习模型，加速各领域的科学发现，重点关注泛化能力、不确定性量化和物理约束。&lt;/p&gt;
&lt;h2 id="重点方向"&gt;重点方向&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;物理信息神经网络（PINNs）&lt;/li&gt;
&lt;li&gt;面向结构化科学数据的图神经网络&lt;/li&gt;
&lt;li&gt;可解释模型与可靠性评估&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="代表性成果"&gt;代表性成果&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;参见我们近期发表在 Nature Machine Intelligence 和 NeurIPS 上的研究工作。&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>