机器学习人工学weekly-2018/1/28

注意下面很多链接需要科学上网,无奈国情如此

1. Google Brain年终总结part 2,总结2017年在医疗,机器人,文艺创作等等方面的成果,我个人对robotics很感兴趣,这个以后前景无限,只是困难多多,看CoRL最后那部分就知道有多难了

链接:https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on_12.html

2. 移动端加速一直是一个关注点,虽然我不太能看懂TVM到底在做什么,但是这篇blog还是应该读读

链接:http://tvmlang.org/2018/01/16/opt-mali-gpu.html

另外就是旷视的ShuffleNet(虽然这个已经不算新了),用pointwise group convolution和channel shuffle提高速度

链接:https://arxiv.org/pdf/1707.01083.pdf

3. PyTorch 1岁了,发了一篇blog总结一年的进展。我觉得PyTorch作为一个全新的框架,在跟TF等诸多框架正面竞争的时候能有这样的traction真是说明一些问题,确实是设计的好用,连TF都要出eager mode来对抗

链接:http://pytorch.org/2018/01/19/a-year-in.html

Facebook开源object detection工具detectron,一天之内github上就5000多个星

链接:https://github.com/facebookresearch/Detectron

Yann LeCun卸任FAIR director去做Chief AI Scientist,我觉得很合理,很多搞研究的人其实并不适合或者不喜欢管人,专心做科研挺好的,管人这种operations的东西扔给其他人就好

4. 亚马逊发的一篇论文eCommerceGAN,把wGAN用到了电商领域生成order,非常有创意的应用

链接:https://arxiv.org/pdf/1801.03244.pdf

PS: Amazon Go这周开业,肯定用了超多机器学习+CV,但是都没公开

5. 我自己比较关注RL,所以有好的RL工作都会加进来,这周有3篇

5.1 Pieter Abbeel组提出的soft actor-critic,用off-policy方法和max entropy来降低sample complexity,提高收敛的稳定性

链接:https://arxiv.org/pdf/1801.01290.pdf

5.2 还有一篇牛津的expected policy gradient论文,各种推数学啊,真心难

链接:https://arxiv.org/pdf/1801.03326.pdf

不想啃数学的就看作者Kamil自己写的摘要吧

5.3

用RL(应该是DQN,论文里没明确写,但是提到了experience replay)优化数据库index,这个其实没啥难度,只是应用领域有点新

链接:https://arxiv.org/pdf/1801.05643.pdf

6. CMU AP Graham Neubig教授的Neural Nets for NLP 2018开始了,YouTube上他有及时更新的,目前有2集,感觉比DeepMind在牛津讲的更细。2017年的视频也全部都还在

链接:https://www.youtube.com/watch?v=Q3Y1t9-O3M0&list=PL8PYTP1V4I8Ba7-rY4FoB4-jfuJ7VDKEE

7. 大炮Gary Marcus又发了篇文章,这次是怼DeepMind Alpha*系列,主要是说Alpha*并不是完全没有用human knowledge,而是用了innate knowledege,像cnn, MCTS等等,这一点上我还是认可的

Innateness, AlphaZero, and Artificial Intelligence

链接:https://arxiv.org/pdf/1801.05667.pdf

8. 安利两个做推荐系统的库,一个是surprise(算是scikit一部分?),一个是基于Pytorch的Spotlight,都是包装了各种FM, NN,sequence model算法的即用包,适用与implicit/explicit

surprise: http://surpriselib.com/

spotlight: https://maciejkula.github.io/spotlight/

9. (这个更适合搞机器学习理论的同学)印度神校IIT和MS的两个哥们往Arxiv上扔了篇ML非凸优化的文章介绍概念

Non-convex Optimization for Machine Learning

链接:https://arxiv.org/pdf/1712.07897.pdf

10. BAIR(Berkeley AI Research)的新文章,conditional covariance minimization选features。跟之前提到的Deep Feature Synthesis其实有点相通,都是从模型输入的角度改进模型

Kernel Feature Selection via Conditional Covariance Minimization

链接:http://bair.berkeley.edu/blog/2018/01/23/kernels/

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:2018-01-28

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

来自专栏量子位

学AI的高中生还有5秒钟到达战场,请90后叔叔阿姨做好准备

这本给高中生的人工智能选修教材让许多人惊诧:现在高中生都这么前沿了么?甚至在海外,也有许多网友将其视为中国AI进一步崛起的一个证明。

1171
来自专栏AI科技评论

学界 | 如何提高NIPS论文命中率?这里有一份详细的分析

在学术界,NIPS大会在论文方面的争议似乎比其他学术会议更为突出一些。例如去年在ML圈子里影响颇大的SARM论文撤稿事件就是在NIPS,以及像这位叫Thang ...

4537
来自专栏用户2442861的专栏

如何学会傅里叶变换?

作者:张苏 链接:https://www.zhihu.com/question/22202980/answer/20973635 来源:知乎 著作权归作者...

4491
来自专栏新智元

【Nature 封面论文】机器学习掀起材料革命,人工智能或将颠覆人类科研方式

【新智元导读】昨日Nature封面论文:哈佛大学研究者借助机器学习算法,利用“废弃”数据成功预测新材料的合成,引发学界激论:人工智能真能加速发现神奇新材料吗?该...

4536
来自专栏AI科技大本营的专栏

《极限挑战》罗志祥遭套路“破产”,我们却看到了更大的危机

游戏中,急于与王迅猜拳赢得胜利的罗志祥,亲手将一个市值和利润率颇高的公司送入破产。相反,黄磊公司虽没有特别良好的市场竞争力,但得益于资深经理人的协助,他利用各种...

853
来自专栏新智元

【遗失的秘钥】贝叶斯定理:人工智能的进化论?

贝叶斯定理正在变得如此流行,以至于在CBS剧《生活大爆炸》中也出现了它的身影。纽约时报说,贝叶斯统计学家“遍布一切,从物理学到癌症研究,从生态学到心理学”。物理...

3378
来自专栏新智元

2018谷歌学术影响力排名出炉:CVPR进入前20,ResNet被引最多过万次!

【新智元导读】谷歌学术昨天发表了2018年最新的学术期刊和会议影响力排名,CVPR和NIPS分别排名第20和第54。在排名第一的Nature里,过去5年被引用次...

1053
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/2/4

注意下面很多链接需要科学上网,无奈国情如此 1. Google相关的消息: 1.1 TF发布1.5正式版,跟之前提到的RC差不多,主要是增加了eager和lit...

33310
来自专栏机器之心

2017机器学习与自然语言处理学术全景图:多产的作者与机构都是谁?

3628
来自专栏新智元

ACL 2016:基于深度学习的 NLP 看点

【新智元导读】计算语言领域顶级会议ACL2016今天公布了10篇优秀论文(outstanding paper)名单。本文介绍 ACL 2016 概况,同时收录清...

5116

扫码关注云+社区

领取腾讯云代金券