机器学习人工学weekly-2018/2/18

新年快乐!

注意下面很多链接都需要翻墙,无奈国情如此。

1. RL相关

1.1 DeepMind发布IMPALA算法和新的RL测试环境DMLab-30

IMPALA主要是利用了新提出的V-trace operator进行off-policy学习,还针对TF/cuDNN做了很多优化,最后效果是实现了在Atari 57个游戏任务里面一定程度上的transfer learning

DMLab-30里面有30个新的任务,有些要测试long term memory,有些要测试自然语言理解

IMPALA: Scalable Distributed DeepRL in DMLab-30

blog链接:https://deepmind.com/blog/impala-scalable-distributed-deeprl-dmlab-30/

1.2 这里有一篇讲RL bias/variance tradeoff的文章,我觉得写的非常好,这个题目以前从来没有看到有人谈到过。Arthur Juliani这个人的medium blog值得follow一下,他之前也写过一系列RL的文章都很不错,原来去了Unity实习

链接:https://medium.com/mlreview/making-sense-of-the-bias-variance-trade-off-in-deep-reinforcement-learning-79cf1e83d565

1.3 RL批判长文(作者在Google Brain,年轻有为,他的blog很不错),其实也不是批判了,就是指出RL现在的各种问题,比如sample efficiency地下,reward设计难度搞,容易陷入奇怪local optima,generalization很难等等问题,写的非常好,强烈推荐

链接:https://www.alexirpan.com/2018/02/14/rl-hard.html

1.4 地平线发的一篇RL开自驾车的论文,用的DQN,虽然我不太懂自驾车,但是这个蛮有意思的

链接:https://arxiv.org/pdf/1802.00332.pdf

2. keras blog上的guest post,用keras+flask搭建一个简单的图像识别服务器教程,非常简单,当然有链接到一个更复杂适合生产系统的文章。作者的书Deep learning for computer vision with python看着也不错

Building a simple Keras + deep learning REST API

链接:https://blog.keras.io/building-a-simple-keras-deep-learning-rest-api.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=Deep%20Learning%20Weekly

3. 魔高一尺,道高一丈,魔再高一尺。这个就是针对深度学习的defense to adversarial attacks。这篇ICLR文章就是针对ICLR接受的8篇defense文章的反击,ICLR还没开就已经攻破了其中7个防御 :)

链接:https://arxiv.org/pdf/1802.00420.pdf

4. 新提出的nested LSTM,即在LSTM里面嵌入另一个LSTM,比stack起来的多层LSTM效果还好

链接:https://arxiv.org/pdf/1801.10308.pdf

扩展阅读

链接:https://medium.com/intuitionmachine/neurons-are-more-complex-than-what-we-have-imagined-b3dd00a1dcd3

5. Creative Applications of Deep Learning with TensorFlow一门免费的MOOC课,教用TF搞创作

课程链接:https://www.kadenze.com/courses/creative-applications-of-deep-learning-with-tensorflow/info

作业及课件:https://github.com/pkmital/CADL

6. 用keras做一个简单的啤酒推荐引擎(老美最喜欢这种东西),看各种embedding之类,分3个部分,可以看看

链接:https://medium.com/data-from-the-trenches/deep-beers-playing-with-deep-recommendation-engines-using-keras-part-1-1efc4779568f

7. datastream.io,开源的异常检测工具包,可以自己定义报异常的检测规则,看起来还行

blog链接:https://medium.com/@ment_at/datastream-io-open-source-anomaly-detection-64db282735e0

repo链接:https://github.com/MentatInnovations/datastream.io

8. neural program synthesis用神经网络写程序的survey文章,主要还是靠RNN/attention/memory/pointer network这些工作

链接:https://arxiv.org/pdf/1802.02353.pdf

9. UCSF给想学深度学习的人准备了一个小的数学教程,内容是比较高级的matrix calculus,应该读读

链接:https://arxiv.org/pdf/1802.01528.pdf

顺便提一句,这个教程的二作Jeremy Howard搞的fast.ai第二期又开始了,fast.ai也是很好的学习资源(我认为仅次于CS231,实战操作性较强,今年应该用的最潮的PyTorch。去年有个女生Sara Hooker就从那个课上去了Google Brain Resident),有视频作业等等,可以看一下下面这个人的介绍

链接:http://course.fast.ai/

10. 小短文介绍不用eyeballing loss graph来自动停止运算的方法,这个也是dlib这个框架自带的方法

链接:http://blog.dlib.net/2018/02/automatic-learning-rate-scheduling-that.html

*bonus: UCLA数学系搞的一个workshop,有视频

New Deep Learning Techniques

链接:http://www.ipam.ucla.edu/programs/workshops/new-deep-learning-techniques/?tab=schedule

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:2018-02-18

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

来自专栏顶级程序员

4月份最热门的五大AI机器学习项目

当谈到数据科学和机器学习时,GitHub和Reddit是两个最受欢迎的平台。前者是代码和项目之间共享和协作的最佳工具,而后者则是与全球数据科学爱好者交流的最佳平...

782
来自专栏机器之心

资源 | R语言也能使用TensorFlow了!RStudio发布全新接口

2969
来自专栏企鹅号快讯

2017年度盘点:Github上十大有趣的机器学习项目

目录: 1 AlphaZero-Gomoku 2 OpenPose 3 Face Recognition 4 Magenta 5 YOLOv2 6 MUSE 7...

3028
来自专栏数据派THU

带你用4行代码训练RNN生成文本(附资源)

本文共1400字,建议阅读6分钟。 本文介绍仅需几行代码就能训练出任意大小和复杂度的文本的神经网络文本发生器。

882
来自专栏大数据挖掘DT机器学习

京东商品评论情感分析:数据采集与词向量构造方法

最近实习期间在做一个对新闻文本情感分析的项目。在此,用京东的商品评论练手,从数据采集到模型实现完整地写一遍,以备未来回顾所需。事实上,我采用的方法并不困难,甚...

3557
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/4/1

注意下面很多链接需要科学上网,无奈国情如此 1. TensorFlow开发者峰会昨天召开,我觉得有趣的演讲有 - TF Hub ("一键"transfer l...

2968
来自专栏PPV课数据科学社区

“数学之美”系列九:如何确定网页和查询的相关性

[我们已经谈过了如何自动下载网页、如何建立索引、如何衡量网页的质量(Page Rank)。我们今天谈谈如何确定一个网页和某个查询的相关性。了解了这四个方面,一个...

2675
来自专栏人人都是极客

第二课:开发机器学习app前的准备工作

框架的选择 如上一节课所说,随着机器学习的发展,目前已经出现很多不错的学习框架,这里我们做个对比: TensorFlow:深度学习最流行的库之一,它不仅便携、高...

29310
来自专栏Y大宽

Cytoscape插件2:CytoHubba

CytoHubba:发现复杂网络的关键目标和子网络 网络对呈现包括PPI,基因调控,细胞路径和信号转导等多种类型生物数据非常有用。我们//+重要性,并且这也能...

561
来自专栏大数据文摘

手把手|用Python端对端数据分析识别机器人“僵尸粉”

1496

扫描关注云+社区