机器学习人工学2018/1/7

新年快乐!

注意下面很多链接需要科学上网,无奈国情如此

1. Berkeley AI Research blog上发了篇文章讲physical adversarial attack,这个应该就是Dawn Song那个组做的,去年夏天宋教授在上海也讲过类似的工作(我记得当时还有对RL的攻击)。

链接:http://bair.berkeley.edu/blog/2017/12/30/yolo-attack/

adversarial其实蛮重要的,尤其现在各种人脸识别认证的东西。Ian Goodfellow大神除了GAN以外,现在也主攻这个方向。不过国内好像没人搞这个方向。这里还有一篇综述的blog:

链接:https://blog.kjamistan.com/adversarial-learning-for-good-my-talk-at-34c3-on-deep-learning-blindspots/

2. WildML作者(之前是Google Brain resident)写了一篇2017的回顾文,总结了各个方向的进展,写的很好

链接:http://www.wildml.com/2017/12/ai-and-deep-learning-in-2017-a-year-in-review/

其中提到Tensorflow Agents(增强学习用的),之前都没注意这个。 TF Agents在并行化上做了优化,而且提出了BatchPPo

链接:https://arxiv.org/pdf/1709.02878.pdf

顺便提一句上周说到的Berkeley的Ray项目,上周又放出了Ray RLLib论文,在Ray上面搭建的强化学习库,主要强调并行化执行

链接:https://arxiv.org/abs/1712.09381

文档:http://ray.readthedocs.io/en/latest/rllib.html

3. Facebook发布了基于torch的convnet语音识别ASR工具wav2letter,同时带有基于Librispeech数据集的训练好的模型,拿来即可用。

链接:https://github.com/facebookresearch/wav2letter

同时Facebook还发布了MUSE,基于fastText的多语言词向量,监督学习和无监督学习的两种方法都有使用

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

同时Tomas Mikolov大神(word2vec发明人,现在也在Facebook)写了一篇word embedding最新进展综述文,很值得一读

链接:https://arxiv.org/pdf/1712.09405.pdf

4. Google Research博客上发布了NIMA,用来评价图片美观质量的神经网络。其实我觉得这个工作并没有特别大的创新,只是把loss从一般人用的高低质量classification变成了earth moving distance来优化评分的distribution(regression据论文说效果也不好),but看起来效果还行,这玩意儿美图那些修图app应该可以用用

链接:https://research.googleblog.com/2017/12/introducing-nima-neural-image-assessment.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=Deep%20Learning%20Weekly

5. Stanford Dan Jurafsky(NLP大神)组发布了HistWords,其中的亮点是可以看到单词意义的变化,即同一个单词在不同年代意思也变的不一样,很有意思

链接:https://nlp.stanford.edu/projects/histwords/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=Deep%20Learning%20Weekly

这里有一个视频也是Dan Jurafsky谈这个词义变化:

视频:https://vimeo.com/193477678

6. DeepMind发布了dm_control测试环境专门用来测试连续型控制类任务,可以作为gym的补充。tehnical report里面提到的D4PG好像是个新算法

链接:https://github.com/deepmind/dm_control

7. 看到一篇Gaussian Process的文章,讲的还算比较清楚。GP现在其实没有那么火,但是有一个很有用的地方,就是自动调超参,而不用随机搜索或者grid搜索,这个是Google Vizier在用的,Amazon SageMaker应该也是用的这个。这文章有一部分就是讲这个,其实也算meta-learning或者AutoML

链接:http://efavdb.com/gaussian-processes/

8. 给产品经理的AI培训资料,技术上比较浅,PM也不用懂那么多细节,主要是思维方式上的一些改变,可以看看

链接:https://docs.google.com/presentation/d/e/2PACX-1vTto5lnplKqjoGEWU-HMw0HjDjwPd6s97fRc_SrDdjiYvKOurrdgkII4aXExid_ZzztYhQouM-qvYmG/pub?start=false&loop=false&delayms=3000&slide=id.p

9. 看到一篇机器学习有意思的开源项目总结,有一些确实之前没听过,比如那个voice style transfer,非常好玩

链接:https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7

这里的AIBlock这个项目还有点意思,可视化机器学习,降低门槛,提高效率

链接:https://github.com/MrNothing/AI-Blocks

10. 从小就喜欢五子棋,最近香港科技大学的一个学生放出来的AlphaZero玩五子棋,准备去尝试一下

链接:https://github.com/junxiaosong/AlphaZero_Gomoku

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:2018-01-07

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

来自专栏人工智能头条

AMiner背后的技术细节与挑战

1166
来自专栏数据科学与人工智能

【数据科学家】数据科学家修炼之路

经常有人问我“要成为数据挖掘工程师或者数据科学家应该读什么书?”类似的问题。下面是一份建议书单,同时也是成为数据科学家的指南,当然,这不包括取得合适大学学位的要...

28110
来自专栏PPV课数据科学社区

一条通往数据科学家的必经之路!

经常有人问我“要成为数据挖掘工程师或者数据科学家应该读什么书?”类似的问题。下面是一份建议书单,同时也是成为数据科学家的指南,当然,这不包括取得合适大学学位的要...

3196
来自专栏IT派

我的深度学习工作站

很多人觉得深度学习上手非常困难,让我们看看,对于程序员来说,着手深度学习的实践需要准备什么样的工具。 ? 硬件 从硬件来讲,我们可能需要的计算能力,首先想到的...

3689
来自专栏即时通讯技术

微信团队分享:视频图像的超分辨率技术原理和应用场景

图像和视频通常包含着大量的视觉信息,且视觉信息本身具有直观高效的描述能力,所以随着信息技术的高速发展,图像和视频的应用逐渐遍布人类社会的各个领域。近些年来,在计...

1301
来自专栏机器之心

学界 | 使用深度学习和树搜索进行从零开始的既快又慢的学习

2665
来自专栏算法+

集 降噪 美颜 虚化 增强 为一体的极速图像润色算法 附Demo程序

在2015年8月份的时候,决心学习图像算法。 几乎把当时市面上的图像算法相关书籍都看了一遍, 资金有限,采取淘宝买二手书,长期驻留深圳图书馆的做法, 进度总是很...

3787
来自专栏AI科技评论

【深度】机器学习如何帮助Youtube 实现高效转码?

GAIR 今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,雷锋网将发布“人工智能&机器人Top25创新企...

2924
来自专栏大数据文摘

业界 | 谷歌AI上线“与书籍对话”项目,从10w+本书中搜索你要的答案

1223
来自专栏量子位

围观别人打超级玛丽后,AI自己创造了个新游戏

安妮 编译自 The Verge 量子位 出品 | 公众号 QbitAI AI会打游戏已经不是新鲜事了。微软AI打出吃豆人史上最高分,暴雪和DeepMind开发...

2844

扫码关注云+社区