第634期机器学习日报(2016-06-13)

更新于 2016年6月14日 机器学习
我来说两句
0 2016年6月14日

2016-06-13 日报 机器学习

机器学习日报 2016-06-13

@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21 深度学习9 算法5 资源5 应用4 自然语言处理3 会议活动2 经验总结2 架构1 语音1

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

js_陈胖胖   网页版 2016-06-13 21:27
深度学习
学界 | 2010-2016年被引用次数最多的深度学习论文(附论文下载) http://t.cn/R5isZ1S

 

网路冷眼   网页版 2016-06-13 22:43
应用 知识工程 代码 社交网络 知识库
【Cayley – An open-source graph database by Google】http://t.cn/RvHuYpL Cayley是Google开源的图数据库,收到Freebase和Google的知识图谱(Google’s Knowledge Graph)的启发,其目标是成为链接数据和图形状数据的工具箱,譬如语言Web,社交网络等等方面。喜欢的请拿走![doge]

 

爱可可-爱生活   网页版 2016-06-13 12:16
算法 应用 自然语言处理 代码 数据库 信息检索
‘Jcseg – 基于mmseg算法的轻量级开源中文分词器,同时集成了关键字提取,关键短语提取,关键句子提取和文章自动摘要等功能,并且提供了最新版本的lucene, solr, elasticsearch的分词接口’ by chenxin GitHub: http://t.cn/R5iirZ2

 

爱可可-爱生活   网页版 2016-06-13 06:42
深度学习
《深度学习应用案例(汇总) – Deeplearning4j》 http://t.cn/R5iL68K

 

爱可可-爱生活   网页版 2016-06-13 06:25
资源 PDF 代码
《Information Theory for Machine Learning》Massimiliano Tomassoli (2016) http://t.cn/R5iLh9O

爱可可-爱生活 网页版 转发于2016-06-13 13:50

 

网路冷眼   网页版 2016-06-13 23:22
应用 机器人 教育网站
【AI produces realistic sounds that fool humans (MIT CSAIL)】http://t.cn/R56Z5tH 人工智能产生逼真的声音足以以假乱真。来自麻省理工学院计算机科学和人工智能实验室的视频训练系统可以帮助机器人理解物体与世界的互动关系。里面有视频翻墙可看[给力][威武][奥特曼][good]

 

课程图谱   网页版 2016-06-13 22:32
深度学习 算法 资源 自然语言处理 Andrew Ng Christopher Manning Geoffrey Hinton 课程 神经网络
Coursera课程下载和存档计划(一): 文末有彩蛋,首批分享5门课程: Andrew Ng 机器学习,Hinton 神经网络for机器学习,Koller 概率图模型,Collins 自然语言处理,Jurafsky和Manning 自然语言处理 http://t.cn/R56wt0t

 

爱可可-爱生活   网页版 2016-06-13 21:32
深度学习
爱可可老师24小时热门分享:1、《Information Theory for Machine Learning》2、最近一直在看tensorflow,先把原理读了一遍,分享给大家 3、《深度学习应用案例(汇总) – Deeplearning4j》4、《Multivariable Calculus》5、《The Future of Real-Time SLAM and Deep Learning vs SLAM》…… …全文: http://m.weibo.cn/1402400261/3986020141628767

 

爱可可-爱生活   网页版 2016-06-13 21:09
深度学习 算法 分类

 

爱可可-爱生活   网页版 2016-06-13 19:37
De Montreal Yoshua Bengio 论文
《Deep Directed Generative Models with Energy-Based Probability Estimation》T Kim, Y Bengio [Université de Montréal] (2016) http://t.cn/R5idohV

爱可可-爱生活 网页版 转发于2016-06-13 19:38
@新智元 提供的中文介绍《Bengio 最新深度学习论文:使用深度神经网络避免难解性》 http://t.cn/R5idKdW

 

微软亚洲研究院   网页版 2016-06-13 18:18
深度学习 语音 自然语言处理 Brain Script GPU
【1.5版CNTK带你玩转深度学习】广受开发者欢迎的微软深度学习工具包CNTK1.5版本上线啦!升级版CNTK优化了网络描述语言,拥有更强大的工具箱,能更灵活地处理文本和语音数据。研究员在1.5版CNTK中采用Block Momentum并行技术,在多GPU下,可以同时保证大规模机器学习的精度和效率。http://t.cn/R5i3VRG

微软亚洲研究院 网页版 转发于2016-06-13 18:26
1.5版CNTK的输入输出架构和网络描述语言Brain Script都有显著提升。开发者丰富了代码库中的组件,加入最新的深度学习模型。1.5版CNTK采用更灵活的API接口,当你进行深度学习训练时,可以专注于模型的核心逻辑本身,而把原始文本和语音的数据交给CNTK,这样你就可以从繁杂的数据预处理中解放出来啦!

彤言彤趣 网页版 转发于2016-06-13 19:48
1.5版CNTK的输入输出架构和网络描述语言Brain Script都有显著提升。开发者丰富了代码库中的组件,加入最新的深度学习模型。1.5版CNTK采用更灵活的API接口,当你进行深度学习训练时,可以专注于模型的核心逻辑本身,而把原始文本和语音的数据交给CNTK,这样你就可以从繁杂的数据预处理中解放出来啦!

 

视觉机器人   网页版 2016-06-13 17:17
架构 算法 应用 Hadoop Python 广告系统 信息检索
【机器学习等】机器学习等算法、编程、应用方面的笔记系列(2016-05):http://t.cn/R5c9p86 包括 1. 算法(包括机器学习算法、进化计算、群体智能优化算法等)2. 数学知识 3. 数据结构 4. 计算广告学 & 复杂网络分析 & 搜索引擎 5. Hadoop 6. Python 7. Linux 8. C/C++ 作者:Poll的笔记

 

数盟社区   网页版 2016-06-13 16:21
深度学习 资源 课程
Caffe 深度学习框架上手教程 http://t.cn/R5iYk6g

 

自动化学报   网页版 2016-06-13 14:41
会议活动 经验总结 资源 博客 会议 书籍
发表了博文《人工智能的本源:一本书和两个学术家族的故事》人工智能的本源:一本书和两个学术家族的故事大家好!非常高兴来参加听道和中国自动化协会联合举办的这次公益活动。我今天就跟大家谈一点人工智能的历史和http://t.cn/R5ipyAJ

 

经验总结 博客 王飞跃
【科学网—Where Does AlphaGo Go:阿尔法Go走向何方? – 王飞跃的博文】 我相信,AlphaGo的胜利并不代表计算机围棋的终结,而是开始。显然,AlphaGo只是证明了现有机器学习方法的威力… @科学网 @36氪 @新智元 @盘古智库 @科技前沿早知道 http://t.cn/R5iSVTp

 

爱可可-爱生活   网页版 2016-06-13 12:59
算法 Jeffrey Strickland Python 回归
《Logistic Regression with iPython》by Jeffrey Strickland http://t.cn/R5iX1jw

 

阿儁是个nerd   网页版 2016-06-13 11:46
Teaching Machines to Read and Comprehend #PaperWeekly# | RSarXiv 昨天的文章textcomprehension系列的第一篇,是最近刚刚submit的文章,今天分享一篇去年的文章,也是一篇非常经典的文章。我记得YoshuaBengio在QuoraSession一个问题中推荐这篇文章。本文的题目是TeachingMach http://t.cn/R5iJGlZ

 

龙星镖局   网页版 2016-06-13 11:27
会议活动 资源 ICML PDF 会议
(接上一篇)如果你要优化AUC,可不可以直接把它当作loss function的一部分去解呢?答案是YES。做法可以参考这篇论文http://t.cn/R5ixGmn 按理说这种直接优化AUC指标的方法会有更好的效果,但实际中却用的不那么多,这又是为什么?请资深人士解答吧

算法组 网页版 转发于2016-06-13 12:32  回复 @gootobe
过度拟合评测指标可能会有害吧?评测直指标不等于目标。长期盈利是目标,但一般没法直接做进去

eyounx_俞扬 网页版 转发于2016-06-13 15:59  回复 @龙星镖局 “@eyounx_俞扬”
呃 “实际中却用的不那么多”的原因应该有多方面,瞎猜几个:AUC并不产生最终预测结果,如果要做分类,还需要有一个阈值,AUC更好的模型分类不一定更好;如果用成对的样本做损失函数,目前基于数据分布的大规模学习系统对这种损失似乎支持不佳;AUC优化也相对更复杂;

南大周志华 网页版 转发于2016-06-13 17:11
主要原因是AUC是一种pairwise loss,此类 loss天生不适合大规模数据求解,以往缺乏有效算法。这个问题最近基本解决了,参见 http://t.cn/R5inbw0 工业界现在只有很少人知道这个结果。。。但据说某大公司上线使用得很好。。。可算是理论结果带动技术进步的一个例子

凡了个隐 网页版 转发于2016-06-13 18:38
@南大周志华: 主要原因是AUC是一种pairwise loss,此类 loss天生不适合大规模数据求解,以往缺乏有效算法。这个问题最近基本解决了,参见 http://t.cn/R5inbw0 工业界现在只有很少人知道这个结果。。。但据说某大公司上线使用得很好。。。可算是理论结果带动技术进步的一个例子

Chivas_Regal_ 网页版 转发于2016-06-13 23:20  回复 @龙星镖局 “看了一眼,全是公式,[泪]。”
@phunter_lau:机器学习可能也需要高能物理那样,不仅有做理论和实验的,也有做唯像的把二者结合

 

微软研发   网页版 2016-06-13 11:02
视觉
【HoloLens告诉你看比赛的正确姿势】#2016欧洲杯# 强势来袭,没能去现场的你是否遗憾?HoloLens打造实时立体3D投影,带你一探超越现场的看球新体验~从墙壁到茶几随心所欲投影画面,实时接收赛况分析,近距离观看球星们一举一动,和小伙伴共享奇妙互动体验,比身在现场还酷炫! http://t.cn/R5iInb3

 

爱可可-爱生活   网页版 2016-06-13 06:38
深度学习
《600+ companies investing in deep learning》 http://t.cn/R5iLxjf

 

爱可可-爱生活   网页版 2016-06-12 21:28
深度学习 Python 可视化 速查卡
爱可可老师72小时热门分享:1、《Good Books for All Things Data | Stitch Fix Technology》2、《10 Useful Python Data Visualization Libraries for Any Discipline》3、《The Future of Real-Time SLAM and Deep Learning vs SLAM》4、’Scientific Python Cheat Sheet’ 5、《Your First Machine Le…全文: http://m.weibo.cn/1402400261/3985656947942641

 

回复