第974期机器学习日报(2017-05-19)

更新于 2017年5月20日 机器学习
我来说两句

机器学习日报 2017-05-19

@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20 深度学习7 算法6 自然语言处理3 视觉3 会议活动2 资源2 经验总结2

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 2017-05-19 16:18
自然语言处理 代码 问答系统
【QA相关资源/数据集/论文列表】’Resources, datasets, papers on Question Answering’ by Apurv Verma GitHub: http://t.cn/RaEsCQC

 

wx:全球人工智能   网页版 2017-05-19 14:01
深度学习 算法 资源 课程 李飞飞 神经网络
「资料|李飞飞在斯坦福主讲的卷积神经网络课程 (10-12课视频)」全球人工智能:专注为AI开发者提供全球最新AI技术动态和社群交流。用户来源包括:北大、清华、中科院、复旦、麻 http://hao.memect.cn/br

 

算法组   网页版 2017-05-19 08:56
自然语言处理
『GAN for NLP (论文笔记及解读) – 知乎专栏』http://t.cn/RJtS6o9

 

爱可可-爱生活   网页版 2017-05-19 06:01
Jesse Engel
【神经(音频)合成(乐)器】《Making a Neural Synthesizer Instrument》by Jesse Engel http://t.cn/RaRrblL pdf:http://t.cn/RaRrbl2

 

爱可可-爱生活   网页版 2017-05-19 05:49
Nicholas Guttenberg 代码
【few-shot表示学习】《Learning to represent tasks for few-shot learning (Communication, Part 1) | ARAYA》by Nicholas Guttenberg http://t.cn/RaRBexV GitHub:http://t.cn/RaRBexc pdf:http://t.cn/RaRBexf

 

网路冷眼   网页版 2017-05-19 23:45
【不再好战的Google,在I/O大会展现了“无聊”之美】Google I/O大会的开场则截然不同。没有任何宏大的愿景,也有没有对科技生态的颠覆,只是重申了去年I/O大会的主题——人工智能的重要性。Google已经找准了自己的方向,这对于一家企业来说是最重要的。 http://t.cn/RanM3d8

 

网路冷眼   网页版 2017-05-19 23:15
【50 Best Resources When Learning to Code】http://t.cn/Ram2jPm 学习代码已经慢慢成为宝贵的财富。 无论您的职业如何,理解编码和技术都是宝贵的财富。技术和编码能力是几乎所有行业创新的基础。本文收集了学习代码50个最佳资源,涵盖:在线课堂、学术会议、在线社区、编程图书、youtube视频、Ted演 ​

 

网路冷眼   网页版 2017-05-19 22:48
深度学习 Richard Zhang 代码
【Interactive Deep Colorization – Deep learning software for colorizing black and white images with a few clicks】http://t.cn/RaVoq5s 交互式深度色彩画:几次点击将黑白图象转变为彩色图象的深度学习软件。由加大伯克利的Richard Zhang 博士生编写。 ​

 

爱可可-爱生活   网页版 2017-05-19 18:51
经验总结 博客
【事件流机器学习实践】《Practical Machine Learning With Event Streaming》by Dimitri Masin http://t.cn/RanV5t0 pdf:http://t.cn/RanV5tO

 

wx:新智元   网页版 2017-05-19 14:04
深度学习 算法 蔡少棠 神经网络 王智刚
「从蔡少棠到王智刚:打造基于忆阻器的类脑深度学习计算机」可作为突触的忆阻器也可用于深度学习神经网络 http://hao.memect.cn/c5

 

wx:人工智能学家   网页版 2017-05-19 14:03
「谭铁牛院士:向生物学习 开启模式识别新突破」在谭铁牛看来,这些瓶颈的突破口还要到自然界中去寻找。“向生物学习,开展生物启发的模式识别,有望实现模式识别理论与方法的新突破,达到对不同任务无缝切换、对环境自主适应、对知识凝练抽取等目标。” http://hao.memect.cn/bw

 

wx:机器之心   网页版 2017-05-19 14:01
邓力
「重磅 | 微软首席人工智能科学家邓力离职,加盟对冲基金巨头Citadel」微软人工智能首席科学家、IEEE Fellow 邓力向机器之心透露,他已从微软离职,加入对冲基金公司 Citadel 担任首席人工智能官(Chief Artificial-Intelligence Officer)。 http://hao.memect.cn/bn

 

wx:机器学习研究会   网页版 2017-05-19 14:00
会议活动 视觉 CVPR 会议
「【推荐】CVPR 2017论文:3DMatch:从RGB-D重建学习本地几何描述符(附代码)」CVPR 2017论文:3DMatch:从RGB-D重建学习本地几何描述符(附代码) http://hao.memect.cn/bp

 

爱可可-爱生活   网页版 2017-05-19 14:00
Alexey Grigorev 代码
【突发报告分类竞赛Top10方案】’The top 10 solution to the “Growing Instability: Classifying Crisis Reports” challenge’ by Alexey Grigorev GitHub: http://t.cn/RaElsPG

 

ArnetMiner   网页版 2017-05-19 13:52
经验总结 深度学习 GPU 博客
【观点】《Why are GPUs necessary for training Deep Learning models?》为什么说GPU对训练深度学习模型而言是必要的?http://t.cn/RaEWrDi 来源:analyticsvidhya.com 作者:Faizan Shaikh ​

 

ArnetMiner   网页版 2017-05-19 11:01
深度学习 视觉 算法 资源 PDF Zhuolin Jiang 论文 神经网络
【每日一推】《Learning Spatiotemporal Features for Infrared Action Recognition with 3D Convolutional Neural Networks》by Zhuolin Jiang, Viktor Rozgic, Sancar Adali http://t.cn/RaEGrua 利用3D卷积神经网络学习时间-空间特征,用于红外成像的动作识别。 ​

 

王威廉   网页版 2017-05-19 09:43
会议活动 自然语言处理 NLPCC 会议
国内自然语言处理盛会 NLPCC 2017 的最终版本征文通知:http://t.cn/Riso6IU 个人觉得国内对自然语言处理有兴趣的同学都应该尝试投一下NLPCC,这种与国内外专家交流,介绍自己工作的机会很重要。 ​

 

爱可可-爱生活   网页版 2017-05-19 05:12
深度学习 算法 代码 论文 强化学习
《Efficient Parallel Methods for Deep Reinforcement Learning》A V. Clemente, H N. Castejón, A Chandra [Norwegian University of Science and Technology & Telenor Research] (2017) http://t.cn/RaRBZ49 GitHub:http://t.cn/RaRBZ4C

 

爱可可-爱生活   网页版 2017-05-19 05:06
深度学习 视觉 算法 论文 神经网络
《LCDet: Low-Complexity Fully-Convolutional Neural Networks for Object Detection in Embedded Systems》S Tripathi, G Dane, B Kang, V Bhaskaran, T Nguyen [UC San Diego & Qualcomm Inc] (2017) http://t.cn/RaR1kmx

fengyuncrawl 网页版 转发于2017-05-19 20:04
cnn识别率确实超过了人类,但是速度还是远远不行的,看paper LCDet模型能做到17fps速度,但是离人类的24fps(电影帧)还是有差距,如果用到机器人识别时感觉就是很卡!

 

王威廉   网页版 2017-05-18 12:00
算法
非常有意思的一张图:对人工智能历史上重大突破有贡献作用的数据集。另外我们可以看到,这些算法从提出到真正取得突破,往往需要18年左右的时间。 via Shivon Zilis ​

 

回复