第965期机器学习日报(2017-05-10)

更新于 2017年5月11日 机器学习
我来说两句
0 2017年5月11日

2017-05-10 日报 机器学习

机器学习日报 2017-05-10

@好东西传送门 出品,由@AI100运营, 过往目录http://ml.memect.com

订阅:关注微信公众号 AI100(ID:rgznai100,扫二维码),回复“机器学习日报”,加你进日报群

微信公众号:rgznai100

本期话题有:

全部19 深度学习7 自然语言处理4 算法4 应用4 视觉4 入门1 会议活动1 资源1 经验总结1

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

wx:机器之心   网页版 2017-05-10 15:38
深度学习 自然语言处理 行业动态 机器翻译
「重磅 | Facebook提出全新CNN机器翻译:准确度超越谷歌而且还快九倍(已开源)」Facebook 宣布在神经机器翻译上取得了重大进展,在超过了去年谷歌研究的水平的同时还实现了显著的速度提升。 http://hao.memect.cn/7w

 

网路冷眼   网页版 2017-05-10 22:30
视觉 神经科学 智能汽车
【脑科学如何支持人工智能的发展?听听院士和大牛们怎么说】几位大家分别从大脑可塑性、类脑智能、人脑视觉认知、模式识别、自动驾驶等领域深入浅出的阐述了自己的真知灼见。http://t.cn/RaM0whx

 

爱可可-爱生活   网页版 2017-05-10 21:43
自然语言处理 Dave Currie 代码 数据科学
【Amazon评论文本摘要】《Text Summarization with Amazon Reviews》by Dave Currie http://t.cn/RaxAMyP GitHub:http://t.cn/RaxAMyv pdf:http://t.cn/RaxAMLs

 

微软亚洲研究院   网页版 2017-05-10 17:42
入门 算法 神经网络
【浅析对抗生成网络】生成对抗网络(Generative Adversarial Nets)基于一个博弈式的训练过程,以图片为例,由生成模型生成图片,判别模型学习其与目标图片的区别,再由生成模型进行改进,如此反复直至判别模型无法区别图片差异。采用神经网络作为模型类型的训练过程即为生成式对抗网络。 …全文: http://m.weibo.cn/1286528122/4105912811511465

微软亚洲研究院 网页版 转发于2017-05-10 18:42
GAN把博弈论引入到机器学习中,为处理问题提供了崭新思路。图像生成中,基于类似CNN的反向结构作为生成模型的DCGAN目前已经达到相当可观的效果。半监督学习中,可以根据有标注样本的判别模型充分利用未标注数据,辅助监督学习训练过程。可以预见,GAN必将对未来设计算法、以及解决实际问题产生深远的影响。

 

爱可可-爱生活   网页版 2017-05-10 14:09
Alvaro Bermejo 代码 可视化
【可视化Scikit-Learn流程搭建界面】’Persimmon – A visual interface for sklearn’ by Álvaro Bermejo GitHub: http://t.cn/RaIeG14

 

金锋-杨   网页版 2017-05-10 23:05
视觉 应用 机器人
2017中国计算机视觉大会(CCCV2017)将于2017年10月12-14日在天津举行,论文集由Springer出版,并提交EI检索;遴选40篇以上的优秀论文经扩展后将推荐到Neurocomputing (SCI)、Pattern Recognition Letters (SCI) 、IEEE Access (SCI) (待定)、International Journal of Advanced Robotic Systems (SCI)…全文: http://m.weibo.cn/3031165983/4105993967807870

 

ArnetMiner   网页版 2017-05-10 22:51
经验总结 Matthew Mayo 博客
【分享】《Must-Know: How to determine the most useful number of clusters?》http://t.cn/RaxJUDP 在数据集的ground truth未知的情况下,如何确定最优化的数据集群数目?此文简要介绍了两种方法。来源:KDnuggets 整理者:Matthew Mayo ​

 

爱可可-爱生活   网页版 2017-05-10 21:38
深度学习 Justin Ho 数据科学
【深度学习职位面试经验分享】《My deep learning job interview experience sharing》by Justin Ho http://t.cn/RaxwGtx pdf:http://t.cn/RaxwGtJ

 

网路冷眼   网页版 2017-05-10 21:33
算法 资源 课程 神经网络 涂锋斌
【清华大学博士生涂锋斌:设计神经网络硬件架构时,我们在思考些什么? | 硬创公开课预告】神经网络的广泛应用离不开核心计算芯片,本期公开课特邀请到清华大学微纳电子系四年级博士生涂锋斌,为我们分享神经网络硬件架构的设计经验。http://t.cn/RaI9rl1

 

爱可可-爱生活   网页版 2017-05-10 18:50
代码
【机器学习快捷启动库(集成pandas, numpy, sklearn, xgboost, and matplotlib等)】“Speedml · Machine Learning Speed Start” http://t.cn/RaMl4KF GitHub:http://t.cn/RaMl49P

 

爱可可-爱生活   网页版 2017-05-10 18:46
深度学习 代码
【PyTorch实现的CycleGAN/SGAN跨域迁移(MNIST-to-SVHN & SVHN-to-MNIST)】’PyTorch Implementation of CycleGAN and SGAN for Domain Transfer (Minimal)’ by yunjey GitHub: http://t.cn/RaMWO9N

 

赵鑫RUC   网页版 2017-05-10 16:58
会议活动 自然语言处理 Aidong Zhang IJCAI Jing Gao Yaliang Li 会议 主题模型
IJCAI 2017论文提前读,Topic modeling with word embedding。来自Aidong Zhang的学生Guangxu Xun和Jing Gao老师的学生Yaliang Li,目前在Baidu research做研究员。Yaliang是我在新加坡管理大学时候认识的好朋友。我在里面打了一次酱油。 http://t.cn/RayBDmK

 

GPUS-雷帝   网页版 2017-05-10 16:34
算法 应用 GPU 神经网络 智能汽车 智能硬件
#GPU世界# 【读取人工智能车辆的心思:NVIDIA 的神经网络如何做出决定】在变化条件无穷无尽的情况下,想要开发出一部在各种情况下都能自动驾驶的车辆,一点都不切实际。http://t.cn/RaMVAIg

 

tobe-陈迪豪   网页版 2017-05-10 15:47
深度学习
看了下Keras官方文档 http://t.cn/RiDWWcj ,支持model_from_json方法,可以直接从JSON文件中恢复TensorFlow模型结构,这样前端只需要通过拖拽FC/RNN/CNN等不同layer,生成对应的JSON文件,使用ML Cloud就可以快速启动一个实例进行训练和验证,应该是很cool的特性[赞] ​

 

wx:机器之心   网页版 2017-05-10 15:38
深度学习 视觉 算法 神经网络
「学界 | 让黑白影像重获新生:UC Berkeley 提出实时神经网络着色模型」UC Berkeley 的研究人员近日推出了一种利用深度学习对黑白图像进行实时上色的模型,并开源了相关代码。 http://hao.memect.cn/7y

 

wx:深度学习大讲堂   网页版 2017-05-10 15:33
视觉
「VALSE2017系列之二: 边缘检测领域年度进展报告」VALSE2017特刊来了!今天推出第二弹:南开大学的青年才俊程明明副教授,他将带着大家回顾过去一年中,学术界在边缘检测领域的研究进展,文末附论文及代码下载链接。 http://hao.memect.cn/7p

 

phunter_lau   网页版 2017-05-10 07:23
应用 GPU Python 代码 信息检索
使用Windows平台的观众朋友们,MXNet 可以pip安装带GPU的windows版了,只需要下载显卡驱动和CUDA,再安装Anaconda python,就可以直接 pip install mxnet-cu80-win,支持python 2.7 和 3.6。mac和linux均有pip安装包,在此不赘述,请自行pip search。有问题请到 http://t.cn/RaIhjsG 反馈。 ​

 

爱可可-爱生活   网页版 2017-05-10 05:40
深度学习 自然语言处理 Georgia Institute 论文
《Keeping the Bad Guys Out: Protecting and Vaccinating Deep Learning with JPEG Compression》N Das, M Shanbhogue, S Chen, F Hohman, L Chen, M E. Kounavis, D H Chau [Georgia Institute of Technology & Intel Corporation] (2017) http://t.cn/Rafkx3F

 

洪亮劼   网页版 2017-05-10 01:06
深度学习 应用 Bruce Croft Nick Craswell 论文 信息检索
近日,微软研究院的Bhaskar Mitra和Nick Craswell总结了深度学习(Deep Learning)在信息检索及搜索技术(Information Retrieval)上的应用,公布了一篇Survey文章(http://t.cn/Ray4kS5)。正文虽然有39页左右,但是内容非常直观,从深度学习能够从哪些方面影响搜索技术到目前的一些前沿研究的趋势,…全文: http://m.weibo.cn/3193816967/4105662050899134

熊辰炎 网页版 转发于2017-05-10 07:05  回复 @龙星镖局 “转发微博”
然而今年SIGIR有三篇新的NeuralIR文章已经有了决定性的优势了。@任昭春 的学弟的Unsupervise方法, Bruce Croft组的那篇,和我们的Kernel-Neural Ranking Model都可以end-to-end来train,效果比之前所有方法都是决定性的好。只能说survey占坑太着急也不见得是好事

熊辰炎 网页版 转发于2017-05-10 07:39  回复 @winsty “求详情,想看看ir这面的一些思路…”
回复@winsty:我争取下周把camera-ready改好放出来…我们在Sogou的query log上最好MRR可以比传统方法好将近20%

 


回复