机器学习 TOP 10 必读论文

来源:AI科技大本营

编辑 | Donna

Medium上的机器学习深度爱好者必关注的账号Mybridge照例对11月发表的学术论文进行了排名,整理出了10篇必读论文,建议收藏深读。

1. Alpha Zero:用强化学习算法对中国象棋和国际象棋进行自我修炼(本论文作者包括DeepMind创始人Demis Hassabis)

https://arxiv.org/pdf/1712.01815.pdf

2. 高分辨率图像合成和有条件的GANs的语义处理(该论文由UC Berkeley的Ming-Yu Liu以及NVIDIA Research撰写)

https://arxiv.org/abs/1711.11585v1

3. 胶囊网络(Capsule Networks)教程——Hinton大神力荐(视频资源来源Aurélien Géron)

https://www.youtube.com/watch?v=pPN8d0E3900

4. Netflix艺术作品的个性化推荐(文章来源于Netflix Technology 博客,中文版《你看到哪版电影海报,由算法决定:揭秘Netflix个性化推荐系统》)

https://medium.com/netflix-techblog/artwork-personalization-c589f074ad76

用交叉存取使Netflix算法进行个性化革新(文章来源于Netflix Technology 博客)

https://medium.com/netflix-techblog/interleaving-in-online-experiments-at-netflix-a04ee392ec55

5. 计算机视觉的这一年(中文版《计算机视觉这一年:这是最全的一份CV技术报告》)

The M Tank 编辑了一份报告《A Year in Computer Vision》,记录了 2016 至 2017 年计算机视觉领域的研究成果,对开发者和研究人员来说是不可多得的一份详细材料。

6. 用CTC进行序列建模

https://distill.pub/2017/ctc/

一个连接时态分类(CTC:Connectionist Temporal Classification)的视觉化指南,用于训练深度神经网络在语音识别、手写识别和其他序列问题中的算法。

7. 用深度学习改善姑息治疗(中文版请参阅《吴恩达团队最新成果:用深度学习来改善临终关怀服务》)

https://arxiv.org/abs/1711.06402

本文主要从两个角度探讨这个问题。首先,医生不推荐病人接受姑息治疗的原因有很多,例如:对病情的预估过度乐观、时间压力或治疗惯性。这可能会导致病人在临终前无法按照自己的意愿生活,反而接受过度的侵入式治疗。其次,姑息治疗专业人员短缺严重,这使得通过人工审查病例的方法对候选病人进行筛选既昂贵又耗时。

8. 稳定化策略的进化(文章来源于Google Brain团队hard maru的分享)

http://blog.otoro.net/2017/11/12/evolving-stable-strategies/

在《进化策略的可视化指南 - http://blog.otoro.net/2017/10/29/visual-evolution-strategies/》文章中,作者介绍了一些进化策略(ES)算法,可以优化函数的参数,而不需要明确计算梯度。 这些算法可以应用于强化学习(RL)问题,以帮助找到适合神经网络代理的一组模型参数。 在本文中,作者探讨将ES应用于这些RL问题中的一些问题,并强调我们可以使用的方法来找到更稳定和更健壮的策略。

9. 用Python,TensorFlow和Keras进行深度学习(作者Sandipan Dey)

https://sandipanweb.wordpress.com/2017/11/25/some-deep-learning-with-python-tensorflow-and-keras/

文中所提到的几个问题来源于Introduction to Deep Learning (by Higher School of Economics) 和 Neural Networks and Deep Learning (by Prof Andrew Ng, deeplearning.ai)两门课程的作业部分。如果你也有类似的问题,不放看看文中给出的答案。

10. 神经网络介绍(中文版《干货!这里有一份神经网络入门指导,请收下!》)

http://blog.kaggle.com/2017/11/27/introduction-to-neural-networks/

本文是数据科学家Ben Gorman撰写的神经网络指导。这份指导包含了他具体的学习思路,包括所遇到的难点以及多种详细的解决方法。文章不短,但是值得深读,建议收藏!

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171228B0T2YC00?refer=cp_1026

相关快讯

扫码关注云+社区