人工智能 | IJCNN 2019 Special Section 征稿

2018 年 12 月 5 日 Call4Papers



Special Section



Transferable neural models for language understanding



概况


Language understanding, dealing with machine reading comprehension in various forms such as question answering, machine translation and language dialog, has been an aspiration of the artificial intelligence community, but has limited success until recently. Due to the success of deep neural networks, there is a resurgence of interest in research on deep neural networks applied to language understanding. The most recent research in language understanding aims to build deep neural network models that can be used for various language understanding tasks, such as paraphrasing, question answering, machine translation, spoken dialog, and text categorization. However, these models are (1) very data hungry – requiring large training data; (2) very task specific – hard to generalize the model for one task to other related tasks. To solve these problems, recently, transfer learning has been applied to language understanding. Transfer learning is a learning paradigm that aims to apply knowledge gained while solving one problem to a different but related problem. Transfer learning builds a neural model for one language understanding task with large training data, and then the model is retrained for another task with small training data.  



重要日期



Paper submission:     Dec 15, 2018

Paper Acceptance Notification:  January 30, 2019 



征稿范围


Topics of interest for this special session include but are not limited to: 

• Deep learning 

• Multi-task learning 

• Transfer learning 

• Active learning 

• Self-taught learning 

• Domain adaption 

• Question answering 

• Paraphrase 

• Natural language inference  

• Sequence to sequence learning 

• Natural language generation 

• Machine translation 

• Summarization 

• Information extraction 



注意事项


When submitting your paper via https://ieee-cis.org/conferences/ijcnn2019/upload.php,  please select “S33: Transferable neural models for language understanding



联系人



Dr. Zhiwei Lin (z.lin@ulster.ac.uk)

Prof. Hui Wang (h.wang@ulster.ac.uk)




登录查看更多
1

相关内容

International Joint Conference on Neural Networks由国际神经网络学会(INNS)与IEEE计算智能学会合作举办,是神经网络及相关领域研究人员和其他专业人员的首次国际会议。该会议将邀请世界知名演讲者就神经网络理论和应用、计算神经科学、机器人学和分布式智能领域进行演讲。除了定期举行口头和海报介绍的技术会议外,会议计划还将包括特别会议、竞赛、辅导和有关当前感兴趣主题的讲习班。官网链接:https://www.ijcnn.org/
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
电力人工智能发展报告,33页ppt
专知会员服务
128+阅读 · 2019年12月25日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | UAI 2019等国际会议信息4条
Call4Papers
6+阅读 · 2019年1月14日
LibRec 精选:CCF TPCI 的推荐系统专刊征稿
LibRec智能推荐
4+阅读 · 2019年1月12日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
5+阅读 · 2019年4月25日
Adversarial Reprogramming of Neural Networks
Arxiv
3+阅读 · 2018年6月28日
VIP会员
相关VIP内容
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
电力人工智能发展报告,33页ppt
专知会员服务
128+阅读 · 2019年12月25日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | UAI 2019等国际会议信息4条
Call4Papers
6+阅读 · 2019年1月14日
LibRec 精选:CCF TPCI 的推荐系统专刊征稿
LibRec智能推荐
4+阅读 · 2019年1月12日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员