Deep Reinforcement Learning with a Combinatorial Action Space for Predicting Popular Reddit Threads
University of Washington（华盛顿大学）；Microsoft Research（微软研究院）
我们引入了一个在线流行度预测和跟踪任务，作为组合自然语言动作空间的强化学习的基准任务。推荐指定数量的被预测为流行的讨论线程，从要跟踪的最近评论的固定窗口中选择。研究了新的深度强化学习架构，用于对与由相互依赖的子动作组成的动作相关联的价值函数进行有效建模。所提出的模型通过双向LSTM表示子动作之间的依赖关系，在不同的实验配置和领域中提供了最佳性能，并且在不同数量的推荐请求中也具有很好的泛化能力。
2016-09-17 cs.AI cs.CL cs.LG
Information Templates: A New Paradigm for Intelligent Active Feature Acquisition
TAFA通过学习特征模板库，降低动作空间并减少对数据分布的依赖，在主动特征获取任务中实现更高效且更低成本的性能表现。
2026-02-04 cs.AI
Automatic Open Knowledge Acquisition via Long Short-Term Memory Networks with Feedback Negative Sampling
POSTECH (Pohang University of Science and Technology)（浦项科技大学）
以往的开放式信息抽取（Open IE）研究主要是基于抽取模式的。它们手动定义模式或从大型语料库中自动学习模式。然而，这些方法在把握句子的上下文时都有局限性，而且它们无法捕捉隐含的关系。在本文中，我们用以下方法解决这个问题。首先，我们利用长短期记忆（LSTM）网络沿着最短依赖路径提取更高级别的特征，连接关系和参数的词头。LSTM网络的路径级特征提供了有关上下文信息和参数有效性的有用线索。其次，我们构造样本来训练LSTM网络，而不需要手动标记。特别地，反馈负采样通过用正样本训练的模型在非正样本中挑选高度负样本。实验结果表明，我们的方法产生更精确和丰富的提取比国家的最先进的开放IE系统。据我们所知，这是第一个将深度学习应用于Open IE的工作。
2016-05-25 cs.AI cs.CL cs.NE
SlowFast Rolling-Unrolling LSTMs for Action Anticipation in Egocentric Videos
University of Padova（帕多瓦大学）
由于人类行为固有的多模态性质，以自我为中心的视频中的动作预期是一项艰巨的任务。此外，某些动作比其他动作发生得更快或更慢，这取决于参与者或周围的上下文，每次都可能发生变化，并导致不同的预测。基于这一思想，我们建立在RULSTM架构，这是专门设计用于预测人类的行动，并提出了一种新的基于注意力的技术，同时评估，从三种不同的方式，即RGB，光流，和提取的对象中提取的慢和快的功能。两个分支以不同的时间尺度处理信息，即，帧速率和几个融合方案被认为是提高预测精度。我们在EpicKitchen-55和EGTEA Gaze+数据集上进行了广泛的实验，并证明了我们的技术系统地改善了RULSTM架构在不同预期时间的Top-5准确度指标的结果。
2021-09-02 cs.AI cs.CV cs.LG
Spatio-Temporal LSTM with Trust Gates for 3D Human Action Recognition
Nanyang Technological University（南洋理工大学）；University of Sydney（悉尼大学）
3D动作识别-基于3D骨架数据的人类动作分析-由于其简洁性，鲁棒性和视图不变表示而变得流行。最近对这个问题的尝试建议开发基于RNN的学习方法来建模时间域中的上下文依赖性。在本文中，我们将这一想法扩展到时空域，分析隐藏的来源的动作相关的信息内的输入数据在这两个域同时进行。受人体骨架图形结构的启发，我们进一步提出了一种更强大的基于树结构的遍历方法。为了处理3D骨架数据中的噪声和遮挡，我们在LSTM中引入了新的门控机制来学习顺序输入数据的可靠性，并相应地调整其对更新存储在存储单元中的长期上下文信息的影响。我们的方法在4个具有挑战性的3D人体动作分析基准数据集上实现了最先进的性能。
2016-07-24 cs.AI cs.CV cs.LG
What Would You Expect? Anticipating Egocentric Actions with Rolling-Unrolling LSTMs and Modality Attention
University of Catania（卡塔尼亚大学）
自我中心的动作预期包括理解相机佩戴者在不久的将来会与哪些物体互动以及他们将执行哪些动作。我们解决了这个问题，提出了一个架构，能够使用两个LSTM来预测多个时间尺度上的动作，1）总结过去，2）制定对未来的预测。输入视频的处理考虑三个互补的模态：外观（RGB），运动（光流）和对象（基于对象的功能）。模态特定的预测融合使用一种新的模态注意力（MATT）机制，学习加权模态自适应的方式。在两个大规模基准数据集上的广泛评估表明，我们的方法在具有挑战性的EPIC-Kitterfly数据集（包括2500多个动作）上的性能优于现有技术高达+7%，并推广到EGTEA Gaze+。我们的方法也被证明是推广到早期动作识别和动作识别的任务。我们的方法在2019年EPIC-Kitchen自我中心行动预测挑战的公共排行榜中排名第一。请参阅我们的网页代码和示例：http://iplab.dmi.unict.it/rulstm-https://github.com/fpv-iplab/rulstm。
2019-08-05 cs.AI cs.CV
Text-Based Action-Model Acquisition for Planning
Sun Yat-sen University（中山大学）
虽然已经有能够从计划跟踪学习动作模型的方法，但是还没有从文本观察学习动作模型的工作，与计划跟踪相比，文本观察是普遍的并且更容易从现实世界的应用程序中收集。在本文中，我们提出了一种新的方法来学习自然语言文本的动作模型，结合约束满足和自然语言处理技术。具体来说，我们首先建立一个新的语言模型，从文本中提取计划的痕迹，然后建立一组约束条件，以产生基于提取的计划痕迹的行动模型。然后，我们迭代地改进语言模型和约束，直到我们实现收敛的语言模型和动作模型。我们的经验表明，我们的方法是有效的和高效的。
2022-02-18 cs.AI cs.CL cs.LG
SignVLA: Real-Time Sign Language-Guided Robotic Manipulation via Attention LSTM and Vision-Language-Action Models
University College London（伦敦大学学院）
提出SignVLA框架，通过注意力LSTM网络将手语手势实时转换为语义指令，驱动VLA模型执行机器人操作任务，为听障用户提供无障碍交互。
2026-06-23 cs.AI cs.LG cs.RO
Predicting Customer Goals in Financial Institution Services: A Data-Driven LSTM Approach
Washington University in St. Louis（圣路易斯华盛顿大学）；J.P. Morgan AI Research（摩根大通人工智能研究院）
本文针对金融机构中预测客户目标与行为的问题，提出基于LSTM及状态空间图嵌入增强的LSTM模型，并利用真实模拟器生成的历史轨迹验证了其有效性。
2024-05-22 cs.AI cs.CE q-fin.ST
Implicit Affordance Acquisition via Causal Action-Effect Modeling in the Video Domain
University of Stuttgart（斯图加特大学）
该研究为从视觉域获取可供性常识知识，构建CAE数据集并提出MAM、MEM两项预训练任务，经实验验证方法有效，且预训练模型在零样本物理推理任务上优于FLAVA等基线模型。
2023-12-18 cs.AI cs.CL
MACQ: A Holistic View of Model Acquisition Techniques
Queen’s University（女王大学）；IBM Research AI（IBM研究AI部门）
三十多年来，规划界已经探索了无数的数据驱动模型获取方法。这些在复杂性方面的范围（例如，从简单的设置操作到完全的重构），方法（例如，基于逻辑对基于规划），以及假设（例如，完全vs.部分可观察）。该领域的出版物不少于43种，因此很难理解在新环境中可以或应该应用什么方法。我们提出了一个整体的动作模型采集空间的特征，并进一步介绍了一个统一的框架自动动作模型采集。我们已经重新实施了该领域的一些具有里程碑意义的方法，我们对所有技术的描述提供了对剩余研究机会的深刻见解;即，那些技术无法解决的问题。
2022-06-14 cs.AI
A Deep Learning Framework for Wind Turbine Repair Action Prediction Using Alarm Sequences and Long Short Term Memory Algorithms
University of Hull（赫尔大学）；AURA CDT（AURA 博士培训中心）
随着人们越来越重视降低海上风电（OSW）行业的运营和维护（O&M）成本，需要探索深度学习（DL）在该领域的新方法和应用。基于状态的监测（CBM）一直处于开发基于警报的系统和数据驱动决策的最前沿。本文简要介绍了在这一领域正在进行的研究，特别关注报警序列建模及其实施中面临的相关挑战。本文提出了一种新的想法，从报警序列的输入序列预测一组相关的修复动作，比较长短期记忆（LSTM）和双向LSTM（biLSTM）模型。使用biLSTM实现高达80.23%的训练准确率结果和高达76.01%的测试准确率结果，有力地表明了所提出的方法的潜在优势，可以在未来的研究中进一步发展。本文介绍了一个框架，集成所提出的方法到O $\&$ M程序，并讨论了潜在的好处，其中包括减少了混乱的过多的警报，以及不必要的船舶转移到涡轮机的故障诊断和纠正。
2022-07-26 cs.AI cs.LG
Planning Domain Model Acquisition from State Traces without Action Parameters
Filuta AI, Inc.（菲卢塔人工智能公司）；Czech Technical University（捷克技术大学）；Institute for Basic Science（基础科学研究院）；Charles University（查理大学）
本文提出一种从无动作参数的状态轨迹中学习动作模式的方法，证明该任务至少与图同构一样难，但在IPC基准上表现实用，且比SAM等方法用更少信息获得更优结果。
2025-03-07 cs.AI
Sensor-Based Data Acquisition via Ubiquitous Device to Detect Muscle Strength Training Activities
Universitas Kristen Maranatha（玛拉拿塔基督教大学）；National Cheng Kung University（台湾成功大学）
针对肌肉力量训练活动识别需求，利用智能手机嵌入式传感器开展人体活动识别，基于25名参与者的9类动作数据确定关键传感器属性，为LSTM机器学习模型开发提供基础。
2024-01-26 cs.AI cs.HC
Exploring the impact of Optimised Hyperparameters on Bi-LSTM-based Contextual Anomaly Detector
Norwegian University of Science and Technology（挪威科技大学）
本文提出UoCAD-OH框架，通过离线优化Bi-LSTM的超参数并在在线阶段检测异常，在两个智能家居空气质量数据集上验证了优化超参数对无监督上下文异常检测性能的提升。
2025-01-25 cs.AI cs.LG
Like a Baby: Visually Situated Neural Language Acquisition
The Pennsylvania State University（宾夕法尼亚州立大学）；Rochester Institute of Technology（罗切斯特理工学院）；Google Research（谷歌研究院）
研究视觉情境对神经语言模型下一词预测的好处，引入多模态神经架构，微调预训练BERT嵌入，发现多模态环境下语言模型表现更好，符合情境认知理论，不同语言和模型中视觉情境训练优势明显。
2026-07-28 cs.AI cs.CL
A Fault Prognostic System for the Turbine Guide Bearings of a Hydropower Plant Using Long-Short Term Memory (LSTM)
University of Engineering & Technology Peshawar（白沙瓦工程技术大学）；University of Galway（戈尔韦大学）
本研究提出了一种基于LSTM算法的水电站水轮机导轴承故障预测系统，利用试验台和巴基斯坦水电站SCADA系统的真实振动数据进行训练与测试，实现了极低RMSE的高效振动预测。
2024-07-26 cs.AI cs.SY eess.SY
ActiveEvidence: Decision-Focused Evidence Graphs with Verifiable Acquisition Gaps
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
该研究提出ActiveEvidence框架，将主动证据获取视为可决策验证问题，通过CEIG等方法优化视觉证据获取，在640个案例的实验中取得多项指标优异结果，大幅减少需评估的昂贵交互项数量。
2026-10-19 cs.AI cs.CV cs.LG
Integrating LSTM and BERT for Long-Sequence Data Analysis in Intelligent Tutoring Systems
School of Electronics and Computer Science（电子与计算机科学学院）；University of Southampton（南安普顿大学）；Durham University（杜伦大学）；School of Computing（计算机学院）；Newcastle University（纽卡斯尔大学）
针对智能辅导系统长序列知识追踪的效率、准确率与可解释性难题，本文提出融合 Rasch 嵌入、BERT 与 LSTM 的 LBKT 模型，并通过基准实验、消融和可视化验证其优势。
2024-04-24 cs.AI cs.CL cs.CY
Interactive Grounded Language Acquisition and Generalization in a 2D World
Baidu Research（百度研究院）；National Engineering Laboratory for Deep Learning Technology and Applications（深度学习技术及应用国家工程实验室）
我们建立了一个虚拟代理学习语言在一个2D迷宫般的世界。智能体可以看到周围环境的图像，听虚拟老师讲课，并采取行动获得奖励。它基于两个语言用例从头开始交互式地学习教师的语言：直接导航和问答。它同时学习世界的视觉表征、语言和动作控制。通过将语言基础与其他计算例程分开，并在语言基础和预测之间共享概念检测功能，智能体可靠地内插和外推来解释包含新词组合或训练句子中缺失的新词的句子。新词是从语言预测的答案中转移出来的。这种语言能力是在160多万个不同的句子中训练和评估的，这些句子包括119个目标词，8个颜色词，9个空间关系词和50个语法词。该模型在解释zero-shot句子方面明显优于五种比较方法。此外，我们在附录中展示了模型的人类可解释的中间输出。
2018-08-13 cs.AI cs.CL cs.LG
Grounded Language Acquisition From Object and Action Imagery
GE Aerospace（通用电气航空）；GE Vernova（通用电气 Vernova）；GE HealthCare（通用电气医疗）
本文通过在指代游戏和对比学习环境中训练涌现语言编码器/解码器，探索视觉数据表示的私有语言，利用神经机器翻译和随机森林分类将符号转换为类标签，并通过Grad-CAM和t-SNE方法解释符号语义和嵌入。
2023-09-12 cs.AI cs.CV
Optimizing Indoor Environmental Quality in Smart Buildings Using Deep Learning
Al Akhawayn University（阿尔阿赫瓦因大学）
本文基于ROBOD数据集基准比较LSTM、GRU与CNN-LSTM，用于预测CO2、温度和湿度等IEQ参数，以支持预测性HVAC控制并兼顾节能与舒适。
2025-09-30 cs.AI cs.CV cs.LG
Automated acquisition of structured, semantic models of manipulation activities from human VR demonstration
Institute for Artificial Intelligence, University of Bremen（不来梅大学人工智能研究所）
在本文中，我们提出了一个系统，能够收集和注释，人类执行，机器人理解，从虚拟环境中的日常活动。使用具有全身和眼动追踪能力的现成虚拟现实设备，将人类运动映射到模拟世界中。虚拟世界中的所有交互都是物理模拟的，因此运动及其效果与现实世界密切相关。在活动执行期间，子符号数据记录器以每帧为基础记录环境和人类注视，从而实现离线场景再现和回放。与物理引擎相结合，在线监视器（符号数据记录器）正在解析（使用各种语法）并记录事件，动作及其在模拟世界中的影响。
2020-11-27 cs.AI
DANTE: Predicting Insider Threat using LSTM on system logs
Rensselaer Polytechnic Institute（伦斯勒理工学院）
内部威胁是世界各地信息和通信技术（ICT）最有害的威胁载体之一，因为内部人员的信任和访问程度提高。这种类型的威胁可能来自有动机的恶意用户以及疏忽的用户，他们无意中泄露了有关商业机密、公司信息的详细信息，甚至向恶意玩家访问信息。在本文中，我们提出了一种新的方法，使用系统日志来检测内部行为使用一个特殊的递归神经网络（RNN）模型。使用DANTE建立地面实况，并将其用作识别异常行为的基线。为此，系统日志被建模为一个自然语言序列，并从这些序列中提取模式。我们创建遵循自然语言逻辑和控制流的动作序列的工作流。这些流被分配了各种行为类别-恶性或良性。任何与这些序列的偏差都表明存在威胁。我们进一步将威胁分类为CERT内部威胁数据集中提供的五个类别之一。通过实验评估，我们表明，该模型可以达到99%的预测精度。
2021-02-10 cs.AI cs.CR
Explore, Execute, Evolve: A Skill Acquisition and Reuse Loop for Embodied Agents
Fudan University（复旦大学）；Shanghai Innovation Institute（上海创新研究院）；NeoteAI
针对具身智能体泛化难、执行成本高的问题，提出RoboSkill框架，通过探索-执行-进化循环获取并复用技能，结合触觉反馈与代码增强，在LIBERO-10和真实机器人上显著提升成功率并降低运行时间。
2026-09-30 cs.AI cs.RO
