第299期机器学习日报(2015-07-14)

更新于 2015年7月15日 机器学习
我来说两句
1 2015年7月15日

2015-07-14 日报 机器学习

机器学习日报 2015-07-14

@好东西传送门 出品, 过往目录http://ml.memect.com

订阅:给 hao@memect.com 发封空信, 标题: 订阅机器学习日报   或点击 点我订阅

本期话题有:

全部39 算法21 资源14 会议活动8 深度学习7 应用7 入门5 视觉5 自然语言处理4 经验总结4

用日报搜索找到以前分享的内容: http://ml.memect.com/search/

视觉 会议活动 深度学习 CVPR 会议 行业动态
《Deep down the rabbit hole: CVPR 2015 and beyond》MIT研究人员T. Malisiewicz在CVPR’15上关于Deep Learning的一些感想,值得一读,ConvNet的Baseline,扯到Caffe和Torch之争,还有百度的ImageNet违规事件等等。

cvnote计算机视觉笔记 网页版 转发于2015-07-14 07:26
忘连接了http://t.cn/R2kgL6s,谢Teaonly提醒

 

CSDN云计算   网页版 2015-07-14 16:01
【开发者成功使用机器学习的十大诀窍】对于开发人员而言,基于云的机器学习工具带来了使用机器学习创造和提供新的功能的可能性。然而,开发者想要在它们的应用程序中融入机器学习,通常会犯一些错误,本文列了十条注意点以飨读者。http://t.cn/RLGdHMp

 

CCF通讯   网页版 2015-07-14 09:15
算法 陈云霁 神经网络
2015年第7期专题文章【​体系结构研究者眼中的神经网络硬件】 ,作者:陈云霁 http://t.cn/RLqNNPH

 

成华区学无涯书社   网页版 2015-07-14 08:34
算法 资源 HMM 书籍
每日新书:《马尔可夫链:模型、算法与应用》本书讲述了马尔可夫链模型在排队系统、网页重要性排名、制造系统、库存系统以及金融风险管理等方面的最新应用进展。全书共8章,第1章介绍马尔可夫链、隐马尔可夫模型和马尔可夫决策过程的基本理论和方法,其余7章分别介绍马尔可夫链模型在不同领域中的应用.

 

王威廉   网页版 2015-07-14 08:19
资源 会议活动 深度学习 ICML PDF 会议 期刊 行业动态
哪一种RNN的架构比较好?谷歌的ICML论文对比了LSTM和GRU:http://t.cn/RL2dMWb

 

星空下的巫师   网页版 2015-07-14 22:50
算法 资源 Python 课程 神经网络
A Neural Network in 11 lines of Python #初学者教程# http://t.cn/RL5ILri

 

hbyido   网页版 2015-07-14 22:28
应用 算法 推荐系统
【[Recommendation System] 推荐系统之协同过滤(CF)算法详解和实现】 http://t.cn/RL5V3Ol(分享自 @新闻资讯

 

伯乐在线官方微博   网页版 2015-07-14 21:20
入门 算法 经验总结 PCA 博客 主题模型
《机器学习中的数学(4):线性判别分析、主成分分析》本次的内容主要是以推导数学公式为主,都是从算法的物理意义出发,然后一步一步最终推导到最终的式子,LDA和PCA最终的表现都是解一个矩阵特征值的问题,但是理解了如何推导,才能更深刻的理解其中的含义……http://t.cn/RLGY7ES by@LeftNotEasy

 

伯乐在线官方微博   网页版 2015-07-14 20:40
入门 算法 经验总结 分类 博客 集成学习
《机器学习中的数学(3):模型组合之 Boosting 与 Gradient Boosting》本来上一章的结尾提到,准备写写线性分类的问题,文章都已经写得差不多了,但是突然听说最近Team准备做一套分布式的分类器,可能会使用Random Forest来做…http://t.cn/RLGpKCp (by leftnoteasy )

 

36氪视频   网页版 2015-07-14 18:28
视觉 资源 视频
在昨晚的WPC2015全球合作伙伴大会上,微软演示了 HoloLens+Maya 之间的碰撞,我们将不再用2维的屏幕缓慢调试,而是在3维世界实时3D建模,打破影响效率的那堵墙![给力] http://t.cn/RLqRNvw

 

CTO俱乐部   网页版 2015-07-14 17:48
【CTO讲堂:人工智能到底能为我们带来什么?】人的智能与人工智能的区别是什么?人工智能的发展对现实世界会带来怎样的挑战?Facebook为什么要开发人工智能和虚拟现实产品?本期CTO讲堂嘉宾金童软件执行长、CTO曾炼(John)一一做了解答。阅读全文:http://t.cn/RLqmCnZ

 

蒲公英的美好时光   网页版 2015-07-14 14:21
@丕子 太厉害了,收集核函数-Kernel Function,总结了各种各样的核函数,赞!http://t.cn/SziMUV

 

马少平THU   网页版 2015-07-14 12:15
应用 机器人
【不必担心,机器人永远进化不出意识?】 http://t.cn/RLq8B4q

 

爱可可-爱生活   网页版 2015-07-14 12:12
应用 资源 Kaggle PDF 代码 信息检索
【开源:Kaggle’s CrowdFlower竞赛优胜方案】”Winning solution to the kaggle’s CrowdFlower challenge” by Chenglong Chen http://t.cn/RLq8Q9R GitHub:http://t.cn/RLG4BHw doc:http://t.cn/RLq8Q91

尘绳聋 网页版 转发于2015-07-14 16:38  回复 @洒板是条狗 “ensemble of 35 best Public LB …”
其实不做这这一步也能过0.72(甚至更好,我Doc里面Figure 2有35个sub的性能),只不过这个比赛数据有点小,另外kappa不太稳定,ensemble可以降低variance(提高自信心[嘻嘻])

Noodles-Xu 网页版 转发于2015-07-14 17:22  回复 @洒板是条狗 “ensemble of 35 best Public LB …”
其实不做这这一步也能过0.72(甚至更好,我Doc里面Figure 2有35个sub的性能),只不过这个比赛数据有点小,另外kappa不太稳定,ensemble可以降低variance(提高自信心[嘻嘻])

 

伯乐在线官方微博   网页版 2015-07-14 11:45
入门 算法 经验总结 PCA 博客 矩阵 主题模型
《机器学习中的数学(5):强大的矩阵奇异值分解(SVD)及其应用》上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。http://t.cn/RLGjEYO (by leftnoteasy )

 

应用 会议活动 会议 机器人
#会议播报#2015 CCAI人工智能大会将于7月26-27日在北京友谊宾馆召开,本次会议的主旨是围绕当前最新热点和发展趋势的话题进行交流与探讨,并针对“机器学习与模式识别”、“大数据的机遇与挑战”、“人工智能与认知科学”和“智能机器人的未来”四个主题进行专题研讨,报名通道:http://t.cn/R2EBqVa

 

R-D-X   网页版 2015-07-14 10:25
算法 资源 PDF
卡耐基梅隆大学及微软研究院的研究人员研发出了一种可以根据上下文,自动匹配合适的表情回复的算法。让使用者瞬间增强网络幽默感。#我觉得俺这种完全跟不上时代的落后群众有救了##颜文字那波错过了,现在流行的Meme愈加苦手# http://t.cn/RLqW3U2

 

伯乐在线官方微博   网页版 2015-07-14 09:45
入门 经验总结 博客
《机器学习中的数学(2):线性回归、偏差、方差权衡》在上一篇文章中,也是一个与回归相关的,不过上一节更侧重于梯度这个概念,这一节更侧重于回归本身与偏差和方差的概念。http://t.cn/RLGNF1U (by leftnoteasy )

 

RandomWalker_xc   网页版 2015-07-14 09:03
会议活动 KDD 会议 集成学习
Kddcup2015的结果终于揭晓,我和@MachineLearner ,以及国外数家公司的大牛们组成的跨三大洲的联队“Intercontinental Ensemble”在全球八百多支队伍中获得第一名。感谢@学堂在线 @清华MOOCs 举办的精彩的比赛,感谢所有队友和对手的不懈努力,期待kdd会议上的交流学习。

MachineLearner 网页版 转发于2015-07-14 09:56
这次比赛竞争异常激烈,半个月前top3的差距不到0.0001,最后我们在运气上稍占优势:)

MachineLearner 网页版 转发于2015-07-14 12:43  回复 @陈天奇怪 “赞”
特别感谢@陈天奇怪 的xgboost:)

 

星空下的巫师   网页版 2015-07-14 08:44
会议活动 深度学习 ICML 会议
From Autoencoders to Autoregressive Models (Masked Autoencoders ICML Paper) http://t.cn/RLqXb6n

郑胤THU 网页版 转发于2015-07-14 09:39  回复 @hnlyjzh “转发微博”
哈哈,我实验室的文章,其实这篇文章好早之前就做完了(大概2013年年底左右),Matthieu 也说早就达到了state of the art ,只是这家伙要忙的事情太多了,无暇发表

 

好东西传送门   网页版 2015-07-14 08:40
算法 视觉 资源 深度学习 Yoshua Bengio 袁进辉 简报 课程
机器学习日报 2015-07-13 http://t.cn/RLq986s 1) 袁进辉:WWW 2015:一个神奇的会议 2) 避免过度拟合之正则化 3) CVDazzle怎样让计算机视觉技术检测不到你的脸 4) University of Montreal课程Representation Learning 5) Y Bengio写的深度学习展望文章 完整版27条 http://t.cn/RLq986k

 

成华区学无涯书社   网页版 2015-07-14 08:32
算法 视觉 语音 资源 书籍
每日新书:《模式识别中的二型模糊图模型》本书着重讨论了如何融合二型模糊集合理论与概率图模型来解决现实世界中的模式识别问题,例如语音识别、手写体汉字识别、主题建模和人体动作识别等应用。本书覆盖了二型模糊集合理论和概率图模型理论的最新进展,同时也详尽地介绍了融合两大理论的框架。

 

好东西传送门   网页版 2015-07-14 08:11
算法 自然语言处理 主题模型
NLP日报 2015-07-13 http://t.cn/RLqKIgW 完整版10条 1) 17亿条Reddit评论数据集 2) 论文: DEPENDENCY TREE-BASED CONVOLUTION FOR SENTENCE MODELING 3) 微软亚洲研究院将在WWW2015上介绍其训练主题模型的算法LightLDA http://t.cn/RLqKIgl

 

好东西传送门   网页版 2015-07-14 07:58
算法 视觉 分类
计算机视觉日报 2015-07-13 http://t.cn/RLqoRdm 1) 通过研究人脸检测算法的原理借助化妆隐藏自己的脸 2) 机器视觉之光学基础知识问答 3) 论文: Towards Effective Codebookless Model for Image Classification 完整版8条 http://t.cn/RLqoRdu

 

深度学习 Python
DL工具哪家强?http://t.cn/RwyZHPk | 本文显示Torch和Theano相比速度上略胜一筹。你问什么,那Caffe是什么水平?他说Caffe是DL应用层的,Torch和Theano才是专业人士研究DL用的[bm流泪][bm流泪][bm流泪]

 

爱可可-爱生活   网页版 2015-07-14 06:23
算法 资源 PDF 聚类 教育网站
【论文:基于Network Lasso的大规模图聚类和优化】《Network Lasso: Clustering and Optimization in Large Graphs》D Hallac, J Leskovec, S Boyd [Stanford] (KDD2015) http://t.cn/RLqXTYS

 

爱可可-爱生活   网页版 2015-07-14 06:09
应用 资源 会议活动 NIPS PDF PageRank 会议 信息检索
【对数据流形排序的思考】《PageRank meets vectorial representations – “Ranking on Data Manifolds”》http://t.cn/RLqXxWf 源自文章《Ranking on Data Manifolds》D Zhou, J Weston, A Gretton, O Bousquet (2004) http://t.cn/RLqXxWI

 

爱可可-爱生活   网页版 2015-07-14 05:35
算法 神经网络
【(R)NN敏感度分析】《Sensitivity analysis for neural networks》http://t.cn/R2cFMdy pdf:http://t.cn/RLq6QVp

 

爱可可-爱生活   网页版 2015-07-14 05:19
入门 算法 PCA 回归 矩阵 主题模型 集成学习
【”机器学习中的数学”系列】回归、梯度下降:http://t.cn/hDoULu 线性回归,偏差、方差权衡:http://t.cn/Sxppf2 模型组合之Boosting与Gradient Boosting:http://t.cn/SP05f3 LDA/PCA:http://t.cn/SAeY2U 强大的矩阵奇异值分解(SVD)及其应用:http://t.cn/akJxgj by @LeftNotEasy

 

邹博_机器学习   网页版 2015-07-14 00:55
算法 自然语言处理 主题模型
#机器学习# 使用EM算法推导主题模型pLSA主题分布的答疑帖,关于EM中用隐变量的条件分布求期望问题:http://t.cn/RLqfD49

 

PoetNiu   网页版 2015-07-14 00:36
算法 资源 PDF 论文 主题模型
Rethinking LDA: moment matching for discrete ICA http://t.cn/RLqfZdA【前有graphical-model approximate techniques, variational inference or Gibbs sampling, 新生tensor-based moment matching techniques as strong competitors due to computational speed and theoretical guarantees】

 

PoetNiu   网页版 2015-07-13 23:47
自然语言处理 主题模型
#对比nCRP, nHDP# Markov Mixed Membership Models 【Empirical results demonstrate that Markov M3 performs well compared with tree structured topic models, and can learn meaningful dependency structure between topics】 【nCRP/nHDP 见 http://t.cn/RLqcf6j

 

iB37   网页版 2015-07-12 19:31
算法 资源 PDF SVM
随机梯度下降SGD是解决带L2正则经验风险最小化问题的常用技术,对于大规模问题,分布式实现又是必要的,由此带来的通信开销需要额外考虑。 [Communication Efficient Coresets for Empirical Loss Minimization, Reddi,uai15] 基于coreset概念,并据此分析了LR和SVM收敛性。http://t.cn/RLGzkpu

iB37 网页版 转发于2015-07-14 20:22
【LightLDA提供了一种超大规模矩阵分解的轻量级方案…这种随机采样的算法特别是相对于梯度下降算法来做矩阵分解通信开销更小】http://weibo.com/1286528122/CqWBDumtj

 

刘知远THU   网页版 2015-07-10 13:13
会议活动 深度学习 自然语言处理 活动
7月30日19:00在清华大学FIT楼1-312,我们邀请了华为Noah’s Ark Lab高级研究员、自然语言深度学习大牛吕正东( @鲁东东胖 )做题为《Deep Learning for NLP @Noah: progress, challenges and opportunities》的学术报告。欢迎各位老师和同学前来参加,共同交流深度学习研究。[鼓掌] @李航博士

 

张雨辰_CAL   网页版 2015-07-10 07:29
架构 算法 Spark 论文 教育网站
欢迎关注Berkeley BDAS的新项目Splash。Splash提供了一套简单的编程框架,它允许用户实现单线程的SGD、Gibbs Sampling等各类流式算法。而系统在Spark框架内实现单线程算法的自动并行化。介绍:http://t.cn/RLvjHXB;项目主页:http://t.cn/RLUMq2U;相关论文:http://t.cn/RLUMt52

 

李航博士   网页版 2015-07-09 21:22
应用 资源 PDF 书籍 信息检索 教育网站
信息检索的大牛Bruce Croft 教授等的著书《Search Engines: Information Retrieval in Practice》可以免费下载了。强烈推荐!http://t.cn/RLLbGd4

 

爱可可-爱生活   网页版 2015-06-03 05:15
深度学习 Python 代码 期刊
【论文+Theano代码:自回归分布估计掩模自动编码器MADE】《MADE: Masked Autoencoder for Distribution Estimation》M Germain, K Gregor, I Murray, H Larochelle (2015) http://t.cn/R2XEJmx GitHub:http://t.cn/R2XE6Zd

爱可可-爱生活 网页版 转发于2015-07-14 06:02
Ferenc Huszár的相关文章《From Autoencoders to Autoregressive Models (Masked Autoencoders ICML Paper)》http://t.cn/RLqXb6n

 

iB37   网页版 2015-01-19 16:03
应用 算法 资源 会议活动 ADKDD ICLR ICML PDF 会议 论文 主题模型 广告系统 教育网站
竞价搜索广告中的点击率预估法: 特征和模型 1)经典LR[WWW07] http://t.cn/zT8FYsf 及L1正则版[ICML07] http://t.cn/RZOSmEl 2)高质量特征+组合LR和BDT[ADKDD14] http://t.cn/RZOSmET 3)加LDA话题特征[ACM-TIST15] http://t.cn/RZOinjO 4)组合ANN和BDT[ICLR15] http://t.cn/RZOSmEY

 

王小川_MATLAB   网页版 2013-03-26 16:31
算法 神经网络
当神经网络建模后效果不理想或者需要更精确建模结果时,可以采用以下方法: ①使用init命令重新初始化;②增加神经网络隐层神经元个数;③增加训练集样本个数;④增加训练集样本信息量,使神经网络获得更多相关信息;⑤尝试不同的神经网络训练函数;⑥尝试对数据集使用归一化;⑦查看是否存在过拟合。

 

回复
回复
取消