机器学习人工学weekly-2018/2/25

注意下面很多链接都需要翻墙,无奈国情如此。

1. 学习MXNet的资源

1.1 用MXNet根据logo图片预测公司名称

Logo detection using Apache MXNet

链接:https://www.oreilly.com/ideas/logo-detection-using-apache-mxnet?imm_mid=0fb1e0&cmp=em-data-na-na-newsltr_ai_20180212

1.2 虽然我是PyTorch/TF派,但是还是推荐Amazon李沐大神的MXNet视频教程第一季完整版

百度云链接:https://pan.baidu.com/s/1mkeilnE#list/path=%2F

2. WildML blog用RL做trading炒股票/比特币。作者之前在Google Brain当resident(可惜没留下),他的newsletter非常值得subscribe,其实我贴的很多东西也是从他那里看到的

Introduction to Learning to Trade with Reinforcement Learning

链接:http://www.wildml.com/2018/02/introduction-to-learning-to-trade-with-reinforcement-learning/

3. 三个survey,都很长

3.1 CNN做图像分类,最经典的task

Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review

链接:https://www.mitpressjournals.org/doi/pdf/10.1162/neco_a_00990

3.2 CV模型可解释性的一个survey

Visual Interpretability for Deep Learning: a Survey

链接:https://arxiv.org/pdf/1802.00614.pdf

其中提到的这个LIME这个有点老,但是我觉得是个好工具,是在模型解释方面的工作。用局部线性模型去逼近classifier的decision boundary来取得解释性

blog:https://www.oreilly.com/learning/introduction-to-local-interpretable-model-agnostic-explanations-lime

repo链接:https://github.com/marcotcr/lime?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

3.3 online learning的一个巨长的survey,我不是搞这个方向也没有时间读完(?)

Online Learning: A Comprehensive Survey

链接:https://arxiv.org/pdf/1802.02871.pdf

4. Google的MobileNetV2,通过使用inverted residual connections和linear bottlenet在移动端加速,ImageNet效果比MobileNetV1, NasNet和ShuffleNet更快更准,也可以用来做feature extractor拿去做object detection和semantic segmentation

Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation

链接:https://arxiv.org/pdf/1801.04381.pdf

5. Facebook发布Tensor Comprehension,类似于TF XLA和TVM,把机器学习framework-level的代码自动生成优化过的高性能硬件MKL/cuDNN代码

Announcing Tensor Comprehensions

链接:https://research.fb.com/announcing-tensor-comprehensions/

6. 这个好,看舌头图片给开出重要配方。虽然算法上我觉得一般,但是是超实用的场景。我都想用这个做一个小程序 :)

链接:https://arxiv.org/pdf/1802.02203.pdf

7. neural architucture search相关

7.1 Google Brain用改进的进化算法做architure search搜索图片分类器,没有特别大的创新,但是效果还不错

Regularized Evolution for Image Classifier Architecture Search

链接:https://arxiv.org/pdf/1802.01548.pdf

7.2 Google Brain提出的Efficient NAS (ENAS),最关键的idea是站在计算图的角度来看,NAS的很多计算都是DAG这个大图的一部分,子模型的参数是可以复用的。结果就是搜索快了n倍,效果损失的不多。这个东西肯定很快就会被用到Google Cloud AutoML上了,绝对的省电省钱

Efficient Neural Architecture Search via Parameter Sharing

链接:https://arxiv.org/pdf/1802.03268.pdf

PyTorch实现

链接:https://github.com/carpedm20/ENAS-pytorch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

7.3 ICLR一篇被接受的论文SMASH

SMASH: ONE-SHOT MODEL ARCHITECTURE SEARCH THROUGH HYPERNETWORKS

链接:https://openreview.net/pdf?id=rydeCEhs-

8. 神经网络pruning(此兄的文章每次都挺有深度,值得follow)

Pruning Neural Networks: Two Recent Papers

链接:http://www.inference.vc/pruning-neural-networks-two-recent-papers/

9. 实战好文,从PyTorch到CoreML再到React Native,前端后端ML一起搞定

How I Shipped a Neural Network on iOS with CoreML, PyTorch, and React Native

链接:https://attardi.org/pytorch-and-coreml

10. AI大佬们的对话

10.1 Yann LeCun, Eric Horvitz(微软)和Peter Norvig(Google/Stanford)的Reddit AMA

链接:https://www.reddit.com/r/science/comments/7yegux/aaas_ama_hi_were_researchers_from_google/

10.2 Stanford AI Lab办的AI Salon,终于放了一个视频,是Yann LeCun和Chris Manning(NLP大神)的对话,非常值得一看。不知道之后的视频会不会开放,可以去AI Salon网页跟进,他们的YouTube频道也值得订阅

What innate priors should we build into the architecture of deep learning systems?

链接:https://www.youtube.com/channel/UCpZRSrm2kmG8JvqP2Nqb0fQ/featured

*OpenAI跟一大堆机构写的一篇关于AI安全的长文。安全是个大问题

The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation

链接:https://arxiv.org/pdf/1802.07228.pdf

原文发布于微信公众号 - 机器学习人工学weekly(MLandHuman)

原文发表时间:2018-02-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

学界 | 对比神经机器翻译和统计机器翻译:NMT的六大挑战

选自medium 作者:Ozan Çağlayan 机器之心编译 参与:蒋思源、Smith 本文总结了最近发表的论文「神经机器翻译的六大挑战(Six Chall...

3088
来自专栏企鹅号快讯

Github 本周最热的 10 款“机器学习”开源项目

这是 PaperDaily 的第27篇文章 Kubeflow #用于 Kubernetes 的机器学习工具库 Kubeflow 是由 Google 发布的机器学...

4089
来自专栏量化投资与机器学习

机器学习的前期入门汇总

机器学习机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以...

2045
来自专栏AI科技大本营的专栏

输出不详宗教预言,Google翻译为何“水逆”了?

在 Reddit 上,有网友截图显示,在 Google 翻译中当某些语种的词汇翻译成英语时,输出的却是毫无由头的宗教语言。比如键入 19 个 dog,将其从毛利...

562
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/4/21

Artificial Intelligence — The Revolution Hasn’t Happened Yet

932
来自专栏量子位

听说你刚中了NIPS?恭喜(研究德扑、老鼠胡须等AI的都入围了)

允中 发自 凹非寺 量子位 出品 | 公众号 QbitAI ? 今天凌晨,NIPS 2017开始揭榜。 作为机器学习领域的顶级会议,NIPS 2017共收到32...

3374
来自专栏专知

【重磅】深度学习顶会ICLR2018评审结果出炉,一文快速了解评审分析简报和评分最高的十篇论文

【导读】ICLR,全称为「International Conference on Learning Representations」(国际学习表征会议),201...

3075
来自专栏量子位

二次元萌妹高清舞姿随心变,换装只需一瞬间 | 又是GAN立功了

全身·高清·二次元·妹子·跳舞·视频,已经可以全自动生成了!换身衣服只需一瞬间,妹子的姿势嘛,全由你决定。

814
来自专栏新智元

谷歌开源 tf-seq2seq,你也能用谷歌翻译的框架训练模型

【新智元导读】谷歌今天宣布开源 tf-seq2seq,这是一个用于 Tensorflow 的通用编码器-解码器框架,可用于机器翻译、文本总结、会话建模、图说生成...

3677
来自专栏AI科技大本营的专栏

资源 | Yann LeCun最新演讲:大脑是如何高效学习的?(附PPT+视频)

整理 | 周翔 作为深度学习的奠基人之一,Yann LeCun 的一言一行都颇受关注。近日,Yann LeCun 在 CCN 2017 (认知计算神经科学大会)...

3317

扫描关注云+社区