人工智能本周热点内容精选(文章/论文/代码/项目等)(2017年12月第二周)

根据dennybritz博文整理的人工智能热点内容周精选,包括博文、代码、项目等,快速一看!

▌博文以及Tutorial


  • 深度学习:实践与趋势(NIPS 2017教程) 【NIPS2017】 DeepMind深度学习最佳实践与新技术展望,181页PPT全景展示最近深度学习技术(附下载)
  • 深度学习与自然语言处理 - 2017年趋势与应用

2017年NLP深度学习进展总结。这篇文章包括,预先训练的词嵌入,情感神经元,Seme Val2017结果,抽象摘要系统,无监督机器翻译,等等。

https://tryolabs.com/blog/2017/12/12/deep-learning-for-nlp-advancements-and-trends-in-2017/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

  • 高斯过程简介

高斯过程可能不是当前机器学习的研究热点,但仍然是研究前沿内容,例如在AlphaGo Zero中高斯过程用于去调试获得MCTS超参数。

http://bridg.land/posts/gaussian-processes-1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

  • 基于注意力机制训练系列模型

基于注意力机制训练序列模型的实用提示教程,例如机器翻译、文本摘要。

https://awni.github.io/train-sequence-models/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

▌代码、项目以及数据


  • 多智能体强化学习MAgent平台 MAgent是一个多智能体强化学习的研究平台。MAgent不同于以往的研究平台,其重点是使用单个代理或少数代理进行强化学习研究,其目标是支持从数亿代理扩展到数百万代理的强化学习研究。 https://github.com/geek-ai/MAgent?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
  • 视觉到声音:为视频生成自然声音 在本文课题中,作者提出了在给定视觉输入的情况下产生声音,并应用基于学习的方法在给定输入视频帧的情况下产生原始波形样本。 http://bvision11.cs.unc.edu/bigpen/yipin/visual2sound_webpage/visual2sound.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
  • ChestXray14数据集探索 关于ChestXray14数据集的详细分析,分析其为什么可能不适合进行用于诊断工作的医疗AI系统分析。 https://lukeoakdenrayner.wordpress.com/2017/12/18/the-chestxray14-dataset-problems/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

▌热点论文


  • 科学杂志论文:德州扑克AI超越人类选手 在最新论文Superhuman AI for heads-up no-limit poker: Libratus beats top professionals中,卡内基梅隆大学(CMU)的博士生Noam Brown和教授Tuomas Sandholm,详细介绍了德扑AI如何通过将游戏分解为可计算、可管理的部分,来实现超越人类的表现,而且AI还能根据对手情况,修正潜在的战略弱点。 http://science.sciencemag.org/content/early/2017/12/15/science.aao1733?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
  • Peephole:在训练之前预测网络性能 作者提出一种基于LSTM的架构用于预测不同网络架构的性能。 https://arxiv.org/abs/1712.03351?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
  • 深度学习中的数学 最近深度学习在识别系统效果取得了显著的进展。但是成功背后的数学原理仍然不清晰。这篇文章整理介绍了最近对于深度学习中全局优化、几何稳定性、表示学习的不变性提供了数学证明 https://arxiv.org/abs/1712.04741?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20A

参考来源

https://www.getrevue.co/profile/wildml/issues/the-wild-week-in-ai-alphazero-beats-chess-and-shogi-nips-conference-new-nvidia-gpus-and-more-86280?utm_campaign=Issue&utm_content=view_in_browser&utm_medium=email&utm_source=The+Wild+Week+in+AI

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2017-12-19

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PPV课数据科学社区

技术宅如何躲开大数据?解析人脸识别技术实现方式

头部向肩膀左右倾斜15度以上就能躲过人脸识别系统是真的吗? ? 人脸检测只是人脸识别系统中的一步,当然是非常重要的一步;反人脸检测(躲开人脸检测)也只是反人脸...

4044
来自专栏人工智能头条

近200篇机器学习/深度学习资料分享(含各种文档,视频,源码等)

2363
来自专栏新智元

【祖母论与还原论之争】为什么计算机人脸识别注定超越人类?

【新智元导读】 近日, Cell 的一项研究在人脸识别领域引起轰动,研究揭示了灵长类动物人脸识别的具体神经元活动过程——对脸部的识别是由大脑中 200 多个不同...

38411
来自专栏杨熹的专栏

纯粹的数学之美

当你爱上数学时,你可能愿意一辈子去研究它而不觉得厌烦,因为它的发展集成了无数人的贡献,自身是博大精深的,但输出却是简单的,简单到一个公式可以描述一个现象,一个方...

36110
来自专栏新智元

从神经科学到计算机视觉:人类与计算机视觉五十年回顾

【新智元导读】本文简单的介绍了神经网络近50年的发展历程,从1968年的Hubel和Wiesel开展的猫实验,一直到李飞飞教授等人的成果。从本质上讲解了人工神经...

3225
来自专栏互联网大杂烩

评价模型数据挖掘之评价模型

是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层,并通过人们的判断对决策方案的优劣进行排序,在此基础上进行定性和定量分析。...

1932
来自专栏灯塔大数据

塔荐 | 从神经科学到计算机视觉:人类与计算机视觉五十年回顾

前 言 本文简单的介绍了神经网络近50年的发展历程,从1968年的Hubel和Wiesel开展的猫实验,一直到李飞飞教授等人的成果。从本质上讲解了人工神经网络...

3419
来自专栏个人分享

机会的度量:概率和分布

  如果一个不出现,则另一个肯定出现的两个事件成为互补事件(complementary events,或者互余事件或对立事件).按照集合的记号,如果一个事件记为...

924
来自专栏james大数据架构

你必须要了解的大数据潮流下的机器学习及应用场景

  机器学习是一门人工智能的科学,能通过经验自动改进的计算机算法的研究。       机器学习是一个多学科交叉的领域,会涉及到计算机、信息学、数学、统计学、神经...

4348
来自专栏量子位

LeCun亲授的深度学习入门课:从飞行器的发明到卷积神经网络

Root 编译整理 量子位 出品 | 公众号 QbitAI 深度学习和人脑有什么关系?计算机是如何识别各种物体的?我们怎样构建人工大脑? 这是深度学习入门者绕不...

3615

扫码关注云+社区

领取腾讯云代金券