第627期机器学习日报(2016-06-06)

更新于 2016年6月7日 机器学习
我来说两句
0 2016年6月7日

2016-06-06 日报 机器学习

机器学习日报 2016-06-06

@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22 深度学习9 算法7 自然语言处理5 经验总结5 视觉3 资源3 应用2 会议活动2 入门1

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

爱可可-爱生活   网页版 2016-06-06 19:32
黄鑫
《国外十大高校人工智能实验室及其代表性人物一览》 by 黄鑫 via:@雷锋网 http://t.cn/R5c228V

 

学生古   网页版 2016-06-06 23:20
会议活动 算法 ICML 分类 会议 论文 神经网络
From Softmax to Sparsemax: A Sparse Model of Attention and Multi-Label Classification [Martins & Astudillo; ICML16] Sparsemax神经网络激活函数,在多标签分类和语言推理任务上做了评估。http://t.cn/RG558DN

 

爱可可-爱生活   网页版 2016-06-06 13:07
深度学习 自然语言处理
《机器学习专家带你实践LSTM语言模型》via:待字闺中 http://t.cn/R5tnW02

 

Wilson_NJUer   网页版 2016-06-06 13:02
视觉 Song-Chun Zhu 教育网站
机器视觉生成式模型(generative model)大牛Song-Chun Zhu最近的“深度”力作:借助生成式CNNs合成动态纹理和声音。感觉离CV皇冠又近了一步,搞的这个东西真让人exciting?! 项目链接戳:http://t.cn/R5tna2E

 

IT程序猿   网页版 2016-06-06 11:00
应用 统计 预测
【粗糙的贝叶斯转化概率预测模型】转化率是网站分析中最受关注的指标之一,如何设定转化率目标?哪些用户最有可能转化?他们有哪些特征?http://t.cn/RqBhlHe(来自: 蓝鲸的网站分析笔记 )

 

徐志明HIT   网页版 2016-06-06 22:20
知识工程 自然语言处理 知识库
@关毅的围脖 我估计对于输入法来说,语言模型对输入的性能也许比较完备了。知识图谱的意义可能不在于给输入性能带来好处,知识颗粒度不足以带来句子输入的帮助。他的意义可能在于扩展输入法的其他方面,带来可能性。输入法也许不是一个孤立的输入工具,它也可能通向其他地方,可一些事物产生互联。

 

张铭PKUCS   网页版 2016-06-06 21:59
经验总结 深度学习 Geoffrey Hinton 博客 封唐建 可视化
一篇介绍唐建LINE&LargeVis高维信息可视化系列工作的博文,写得不错。作者已经封唐建@chuckpku 为大神了:“深度学习大牛Hinton(SNE)、Maaten(t-SNE)还有唐建大神(LargeVis,新鲜出炉,WWW’16最佳论文提名)” http://t.cn/R5ctZ3j http://t.cn/zQhKugu

 

爱可可-爱生活   网页版 2016-06-06 21:10
经验总结 入门 深度学习 视觉 资源 自然语言处理 R语言 笔记 可视化
爱可可老师24小时热门分享:1、《利用R语言进行交互数据可视化》2、【visual Tracking 领域最新进展(论文与源码)】3、《机器学习专家带你实践LSTM语言模型》4、’Google 深度学习笔记’ 5、’Awesome Interviews – A curated awesome list of li… http://t.cn/R5c4QPz

 

爱可可-爱生活   网页版 2016-06-06 19:37
算法 KNN 聚类
《Bisecting k-means聚类算法实现》by Yanjun via:简单之美 http://t.cn/R4hs7XZ

 

爱可可-爱生活   网页版 2016-06-06 19:34
《A Look at Popular Machine Learning Frameworks》by Fintan Ryan http://t.cn/R5c2sAt

 

爱可可-爱生活   网页版 2016-06-06 19:30
经验总结 深度学习 笔记
“Google 深度学习笔记” by 梦里风林 http://t.cn/R5c2BSr

 

ICT刘昕   网页版 2016-06-06 18:58
深度学习 赵振兵
http://t.cn/R5cARGg 华北电力大学赵振兵副教授为大家带来的深度学习在电力行业的应用@好东西传送门 @爱可可-爱生活 @汤旭_ShanghaiTech @星空下的巫师

 

数盟社区   网页版 2016-06-06 16:44
深度学习 资源 自然语言处理 Richard Socher 课程 书籍
深度学习与自然语言处理(1)_斯坦福cs224d Lecture 1 本文为斯坦福大学CS224d课程的中文版内容笔记,已得到斯坦福大学课程@Richard Socher教授的授权翻译与发表http://t.cn/R5tDTim

 

紫数网   网页版 2016-06-06 16:03
算法 神经网络
什么是神经网络?你想听到最有趣的解释么?今天来给你讲解一下~http://t.cn/R5tggF2

 

视觉机器人   网页版 2016-06-06 14:00
算法 回归 集成学习 强化学习 统计
【机器学习】《深入浅出机器学习》系列笔记(10章):http://t.cn/R5t3vQa baok :Clustering家族、Factorization家族、 Reinforcement Learning家族、 统计学习理论、 Boosting家族、 Bayes-Based家族、 Kernel-Based家族、 Tree-Based家族、 Entropy-Based家族、 Regression家族 作者:ZhouYong

 

爱可可-爱生活   网页版 2016-06-06 13:55
深度学习 Terry T. Um
《Some trends of deep learning researches》by Terry T. Um http://t.cn/R5tuQ0v

 

AlgorithmDog   网页版 2016-06-06 12:38
算法 应用 代码 机器人 强化学习
【强化学习系列之七:逆向强化学习】训练导航机器人,训练数据是出租车司机的行为数据即一组轨迹{s1,a1,…,sn,an}。我们无法获得在一个地址做了一个动作的即时奖励。这个时候要进行强化学习训练就必须用到逆向强化学习了。网页地址:http://t.cn/R5tJntq, GitHub:http://t.cn/R5tEzeU

 

丕子   网页版 2016-06-06 12:16
深度学习 Python
让你的theano的scan跑的快点跟延长你的寿命差不多,这里提到的必须得用上:http://t.cn/R5tRtSg

 

视觉机器人   网页版 2016-06-06 09:18
经验总结 视觉 算法 GPU PCA 博客
【图像处理、机器学习】JohnHany的博客系列(2016-05),该网站不是很稳定,可尝试其他时间打开。从QR分解到PCA,再到人脸识别:http://t.cn/Rq3ZZ9g 在Android Studio上进行OpenCV 3.1开发:http://t.cn/Rb3abEN 及Windows7+VS2012下64位OpenCV3.0+CUDA7.5的编译和部署:http://t.cn/Rb8xQdn 及HanyNe…全文: http://m.weibo.cn/5501429448/3983298806497084…全文: http://m.weibo.cn/5501429448/3983298806497084

 

哈工大SCIR   网页版 2016-06-06 09:01
会议活动 深度学习 资源 自然语言处理 会议 教育网站 课程 秦兵 情感分析 语言学
2016年5月28-29日,CCFADL(中国计算机学会学科前沿讲习班)67期《情感分析与深度学习》在北京市中国科学院计算技术研究所成功举办。我中心副主任秦兵教授在讲习班上作了“基于表示学习的文本情感深层语义分析”的特邀报告。链接: http://t.cn/R5tNOXx @秦兵HIT @刘挺

 

洪亮劼   网页版 2016-06-06 06:10
公告板 算法 KNN 聚类 问题 主题模型
今天我们来看一篇文章,来推导LDA的Small-Variance Asymptotic(SVA)的版本。最著名的SVA配对是,Gaussian Mixture Model和K-means。那么,LDA有没有一个类似K-means一样简单的SVA版本的目标函数呢?这篇文章就是要解开这个秘密。 http://t.cn/R5t6zQe

 

李航博士   网页版 2016-06-05 11:39
经验总结 博客 统计
刷新了《统计学习方法》的勘误表。迄今为止大家帮助发现了22处错误,其中有一处是严重错误(第12页),其他属于笔误。非常感谢大家的批评指正。新勘误表: http://t.cn/R55IISl 有不少热心的同学来函指错,但大多都属误报,就不一一回复了。

 

回复