第1051期机器学习日报(2017-08-04)_using millions of emoji occurrences阅读报告-CSDN博客

本文链接：https://blog.csdn.net/ai100_ml/article/details/78282141

机器学习日报 2017-08-04

横向对比三大分布式机器学习平台：Spark、PMLS、TensorFlow @机器之心Synced
百度NLP | Familia：开源的中文主题模型应用工具包 @机器之心Synced
Facebook博文：完全转换为神经机器翻译 @网路冷眼
认知科学与深度学习相关文献列表 @爱可可-爱生活
OpenAI：收集用户真实反馈的用户偏好深度增强学习包 @爱可可-爱生活

@好东西传送门出品,由@AI100运营，过往目录见http://ml.memect.com

订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群

微信公众号：rgznai100

本期话题有：

全部16 深度学习8 自然语言处理6 算法5 会议活动4 资源3 经验总结3 架构1 入门1 应用1

用日报搜索找到以前分享的内容： http://ml.memect.com/search/

今日焦点 (5)

机器之心Synced 网页版 2017-08-04 12:14

架构 Petuum Spark

【横向对比三大分布式机器学习平台：Spark、PMLS、TensorFlow】近日纽约州立大学布法罗分校计算机科学与工程教授、Petuum Inc. 顾问 Murat Demirbas 和他的两位学生发表了对比现有分布式机器学习平台的论文。 http://t.cn/R9SUI8H

机器之心Synced 网页版 2017-08-04 19:12

自然语言处理行业动态主题模型

【百度NLP | Familia：开源的中文主题模型应用工具包】本期百度NLP 专栏介绍了百度开源的中文主题模型应用工具包 Familia。在本文中，作者结合 Familia 汇总主题模型在工业界的一些典型应用案例，方便开发者按图索骥，找到适合自己任务的模型以及该模型的应用方式。 http://t.cn/R9oMupL

网路冷眼 网页版 2017-08-04 19:00

经验总结自然语言处理博客机器翻译

【Transitioning entirely to neural machine translation】 http://t.cn/R9oIUKz Facebook博文：完全转换为神经机器翻译。

爱可可-爱生活 网页版 2017-08-04 17:57

入门深度学习资源代码

【认知科学与深度学习相关文献列表】’awesome-cognitive-science-and-deep-learning – A curated list of resources dedicated to bridge between Cognitive Science and Deep Learning’ by Rabindra Nath Nandi GitHub: http://t.cn/R9oUo55

爱可可-爱生活 网页版 2017-08-04 06:25

代码

【OpenAI：收集用户真实反馈的用户偏好深度增强学习包】’RL-Teacher – Code for Deep RL from Human Preferences [Christiano et al]. Plus a webapp for collecting human feedback’ by Tom B Brown GitHub: http://t.cn/R9aXX6W ref: http://weibo.com/1402400261/F7MOED1YF 《Gathering Human Feedb…全文： http://m.weibo.cn/1402400261/4136907846312858

最新动态

2017-08-04 (11)

胖丁网页版 2017-08-04 20:17

会议活动深度学习视觉 ICCV 代码会议论文

分享我们 ICCV 17的工作: 提出一个新的特征金字塔模块, 在卷积网络中学习特征金字塔, 并修正了现有的网络参数初始化方法, 在人体姿态估计和图像分类中都取得了很好的效果. arxiv 文章: http://t.cn/R9oCysT 代码 GitHub: http://t.cn/R9oCysE @爱可可-爱生活 @机器之心Synced

爱可可-爱生活 网页版 2017-08-04 18:46

深度学习 Michael Mccourt Scott Clark Steven Tartakovsky

【深度学习竞争目标超参优化】《Deep Learning Hyperparameter Optimization with Competing Objectives | Parallel Forall》by Steven Tartakovsky, Scott Clark, Michael McCourt http://t.cn/R9oVJgX

网路冷眼 网页版 2017-08-04 17:00

深度学习算法资源 PDF 神经网络

【Production-Level Facial Performance Capture Using Deep Convolutional Neural Networks】 http://t.cn/R9ovky8 论文《使用深度卷积神经网络的产品级别的面部表情捕获》，点击链接下载： http://t.cn/R9ovkyE

新智元 网页版 2017-08-04 13:49

会议活动自然语言处理行业动态会议机器翻译问答系统

【新智元导读】本文将深度解析2017ACL热门研究。文章第一部分是三大前沿领域重点文章解析，包括信息抽取、问答系统和机器翻译等。第二部分是ACL简介及腾讯自然语言处理（NLP）团队首次曝光。 http://t.cn/R9SaSVs

夏粉_百度 网页版 2017-08-04 13:46

经验总结深度学习算法自然语言处理博客机器翻译

本周技术讨论会讨论最新能够替代CNN和RNN的深度学习算法，在机器翻译中取得很好的效果，《all attention is you need》，不能到现场的朋友可以参考下面材料，欢迎回复讨论。 http://t.cn/R9SXFqw

AixinSG 网页版 2017-08-04 13:44

会议活动 CIKM 会议

现在的用户通常有多个上网设备，笔记本，手机等等。这个工作的目的是通过用户上网日志来判断两个上网设备是不是属于同一个用户。数据来自CIKM2016 CUP，文章中考虑了各种特征，最后的预测结果超过了CIKM16 CUP的结果。 Cross-Device User Linking: URL, Session, Visiting Time, and Device-log Embed…全文： http://m.weibo.cn/1025887594/4137018210363806

爱可可-爱生活 网页版 2017-08-04 06:35

深度学习

【跟踪深度学习最新进展信息源汇总】《Best Sources of Deep Learning News》by Pavel Surmenok @surmenok/best-sources-of-deep-learning-news-fbc98815bad3″>http://t.cn/R9aXraN

爱可可-爱生活 网页版 2017-08-04 05:27

会议活动深度学习算法资源活动视频

【“深度学习理论、算法与应用”研讨会视频集锦】“Deep Learning: Theory, Algorithms, and Applications” http://t.cn/R9aiJ5I videos: http://t.cn/R9aiJ5M

爱可可-爱生活 网页版 2017-08-04 05:16

经验总结算法自然语言处理 Alexander Sidorov Juan Miguel Pino 博客机器翻译神经网络

【Facebook完全过渡到神经网络机器翻译】《Transitioning entirely to neural machine translation | Engineering Blog | Facebook Code》by Juan Miguel Pino, Alexander Sidorov, Necip Fazil Ayan http://t.cn/R9aiwWf

爱可可-爱生活 网页版 2017-08-04 04:55

自然语言处理代码论文情感分析

《Using millions of emoji occurrences to learn any-domain representations for detecting sentiment, emotion and sarcasm》B Felbo, A Mislove, A Søgaard, I Rahwan, S Lehmann [MIT & Northeastern University] (2017) http://t.cn/R9aJ9A2 GitHub(coming): http://t.cn/R9aJ9AA

爱可可-爱生活 网页版 2017-08-04 04:50

深度学习算法应用机器人论文强化学习

《Leveraging Demonstrations for Deep Reinforcement Learning on Robotics Problems with Sparse Rewards》M Večerík, T Hester, J Scholz, F Wang, O Pietquin, B Piot, N Heess, T Rothörl, T Lampe, M Riedmiller [Deepmind] (2017) http://t.cn/R9aJxNT