神经形态结构融合学习和记忆功能L域的研究主要集中在人工突触的可塑性方面，同时神经元膜的固有可塑性在神经形态信息处理的实现中也很重要。德国德累斯顿大学联合清华大学上海未来芯片创新中心脑灵感计算研究中心(CBICR)近期发表了一篇名为“Intrinsic plasticity of silicon nanowireneurotransistors for dynamic memory and learning functions”的论文，文献提出一种由矽奈米线电晶体制成的神经电晶体，表面覆有离子掺杂的溶胶-凝胶硅酸盐薄膜，从而模拟神经元薄膜的固有可塑性。
该文献的工作得出了以下几点结论：① 神经电晶体中的介电工程(如文献提出的溶胶-凝胶的可控离子掺杂)可以补充和强化记忆材料在下一代神经形态计算设备中的功能。②文献提出了一个单一的神经元设备架构及其电路模型，以多个突触后输入作为门输入，多个轴突终端作为晶体管输出，模拟了一个基于形态学和层次结构特征的真实神经元的信息处理。该装置模拟说明了神经电晶体非线性信号过程的动态学习能力，学习功能由s形函数系数的反馈给出，即元塑性；实验结果突出了非线性信息处理的能力，这依赖于神经电晶体的固有可塑性。通过利用电流器件的输出动态控制，能实现在一定的时间范围内更快或更慢地产生和达到峰值阈值，并控制峰值的速率，这是神经元计算的主要算法。③未来的研究可以研究是否可以通过将文献所提出的神经晶体管与脉冲发生器相结合来构建一个完全用于尖峰神经网络的神经元处理器。
机器学习就是通过经验来寻找它学习的模式，而人工智能是利用经验来获取知识和技能，并将这些知识应用于新的环境
滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验，包括平台稳定性、易用性、利用率、平台 k8s 版本升级与二次开发等内容
大型商用时序数据压缩的特性，提出了一种新的算法，分享用深度强化学习进行数据压缩的研究探索
深度学习模型：OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD
SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目标检测算法优缺点对比及使用场合比较
人体姿态估计便是计算机视觉领域现有的热点问题，其主要任务是让机器自动地检测场景中的人“在哪里”和理解人在“干什么”
Adam 算法便以其卓越的性能风靡深度学习领域，该算法通常与同步随机梯度技术相结合，采用数据并行的方式在多台机器上执行
音乐科技、音乐人工智能与计算机听觉以数字音乐和声音为研究对象，是声学、心理学、信号处理、人工智能、多媒体、音乐学及各行业领域知识相结合的重要交叉学科，具有重要的学术研究和产业开发价值
专家(查红彬,陈熙霖,卢湖川,刘烨斌,章国锋)从计算机视觉发展历程、现有研究局限性、未来研究方向以及视觉研究范式等多方面展开了深入的探讨
罗晶博士和杨辰光教授团队提出，遥操作机器人系统可以自然地与外界环境进行交互、编码人机协作任务和生成任务模型，从而提升系统的类人化操作行为和智能化程度
卡扣式装配广泛应用于多种产品类型的制造中，卡扣装配是结构性的锁定机制，通过一个机器学习框架将人类识别成功快速装配的能力迁移到自主机器人装配上。
基于行为序列的深度学习推荐模型搭配高性能的近似检索算法可以实现既准又快的召回性能，如何利用这些丰富的反馈信息改进召回模型的性能
