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