第1174期AI100_机器学习日报(2017-12-05)

最新推荐文章于 2024-06-09 09:31:16 发布
最新推荐文章于 2024-06-09 09:31:16 发布
阅读量1.3k 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ai100_ml/article/details/78794690
版权

AI100_机器学习日报 2017-12-05

@好东西传送门 出品,由@AI100运营， 过往目录 见http://geek.ai100.com.cn

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23 深度学习9 自然语言处理6 算法6 应用2 视觉2 知识工程1 语音1 会议活动1 资源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)

ChatbotsChina 网页版 2017-12-05 18:20

深度学习 知识工程 Daniel Shapiro 数据科学 知识库

【kegra: 使用keras通过深度学习构建知识图谱】kegra: Deep Learning on Knowledge Graphs with Keras By Daniel Shapiro, PhD http://t.cn/RYE4h5n ​

微软亚洲研究院 网页版 2017-12-05 18:15

会议活动 AAAI Lise Getoor 会议

【图数据中的推理】数据之间的相互关系蕴含着丰富的信息，但也常常被我们忽略。本文是第十九届“二十一世纪的计算”大会精选系列文章，加州大学圣克鲁兹分校计算机科学系教授、美国人工智能学会（AAAI）院士Lise Getoor讲述了图识别是如何依靠数据做出推理的，并给出了自己对于概率软性逻辑PSL优越性和…全文： http://m.weibo.cn/1286528122/4181660221859869 ​
数盟社区 网页版 2017-12-05 15:30

自然语言处理

浅谈NLP中条件语言模型(Conditioned Language Models)的生成和评估 9 次 http://t.cn/RYRpi6z ​

ChatbotsChina 网页版 2017-12-05 14:06



机器学习必知的15大框架 http://t.cn/RYRGukv ​

中国统计网 网页版 2017-12-05 08:20



#数据分析# #中国统计网# 利用人工智能进行网页设计的10种方法. ​

最新动态

2017-12-05 (17)

微软亚洲研究院 网页版 2017-12-05 18:04

深度学习 视觉 语音 自然语言处理 Raymond Mooney 机器翻译

【深度学习的发展与困境】《权力的游戏》总说：“winter is coming”，深度学习在取得众多令人瞩目的进站后也在机器翻译、语音识别、视频识别等领域遭遇了难题。本文是第十九届“二十一世纪的计算”大会精选系列文章，UT-Austin计算机教授Raymond Mooney为大家讲述深度革命学习的发展历程和当下困境。 …全文： http://m.weibo.cn/1286528122/4181657391133782 ​
开发者头条 网页版 2017-12-05 17:10

深度学习 算法

[译] 做 AI 必须要知道的十种深度学习方法 http://t.cn/RY8cVul by camel 分享自 @水滴 开通的独家号《算法那些事儿》 http://t.cn/RX2o09y （想看更多？下载 @开发者头条 App： http://t.cn/RxggcmS ） ​

PaperWeekly 网页版 2017-12-05 16:27

自然语言处理

【自然语言理解】Dataset for a Neural Natural Language Interface for Databases (NNLIDB) 本文开放了一个更大的语料库用于NL2SQL领域的模型训练，该语料库是从Stack Exchange Data Explorer网站上爬取并整理而来。作者使用了注意力机制的seq2seq模型进行实验。 推荐人：longquan（PaperWeekly社区用…全文： http://m.weibo.cn/2678093863/4181633064085930 ​

机器之心Synced 网页版 2017-12-05 15:13

算法

【BP表达式与硬件架构：相似性构建更高效的计算单元】本文从反向传播的抽象表达开始简要地分析了 BP 算法和脉动阵列架构之间的相似性，从而表明了脉动阵列架构适合执行 BP 和进行模型训练。 http://t.cn/RYRoe9X ​
PaperWeekly 网页版 2017-12-05 15:02

自然语言处理

【自然语言生成】Adversarial Ranking for Language Generation 本文提出了一种RankGAN模型，来解决如何生成高质量文本的问题。 论文链接： http://t.cn/RYRaU2D ​

爱可可-爱生活 网页版 2017-12-05 14:32

经验总结 Chen Github 博客 代码

【SSD自然场景文字检测】’Detect text in natural images with SSD, Single Shot Detection’ by Xinpeng.Chen GitHub: https:\//github.com\/chenxinpeng/SSD_scene_text_detection ref:《SSD: Signle Shot Detector 用于自然场景文字检测》 http://t.cn/RYRIP6O ​

爱可可-爱生活 网页版 2017-12-05 14:29

深度学习 代码

‘A state-of-the-art semi-supervised method for image recognition’ by CuriousAI GitHub: https:\//github.com\/CuriousAI/mean-teacher ref:《Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results》(2017) …全文： http://m.weibo.cn/1402400261/4181603167588005 ​

爱可可-爱生活 网页版 2017-12-05 14:24

深度学习 算法 自然语言处理 代码

【MatchZoo：文本匹配算法库(DRMM, MatchPyramid, MV-LSTM, aNMM, DUET, ARC-I, ARC-II, DSSM, CDSSM…)】’MatchZoo – a toolkit for text matching. It was developed with a focus on enabling fast experimentation.’ by faneshion GitHub: https:\//github.com\/faneshion/MatchZoo ref:《MatchZo…全文： http://m.weibo.cn/1402400261/4181601993234246 ​

新智元 网页版 2017-12-05 14:21

深度学习 视觉 行业动态

【新智元导读】今天，谷歌开源了DeepVariant深度学习模型，这是将基因组中的识别变异（variant calling）任务转换为图像分类问题的基因组学工具，在重构基因组序列方面比以前的经典方法具有更高的准确性。同时谷歌提供可扩展的基于云的解决方案，以满足大型基因组数据集的需求。 http://t.cn/RYRcta4 ​

PaperWeekly 网页版 2017-12-05 12:26

深度学习 应用 推荐系统

【本周值得读：7份最新「Paper + Code」】本期论文关键词：#Seq2Seq# #RNN# #LSTM# #多任务学习# #mage Captioning# #推荐系统# #GAN# http://t.cn/RY8rAIV ​

数盟社区 网页版 2017-12-05 10:30

算法 神经网络

神经网络算法的优势与应用 http://t.cn/RY8ixls ​

爱可可-爱生活 网页版 2017-12-05 08:39

Jean Kossaifi Python 代码

【(TensorLy)张量方法详解】’Tensor methods in Python with TensorLy’ by Jean Kossaifi GitHub: https:\//github.com\/JeanKossaifi/tensorly-notebooks ​

课程图谱 网页版 2017-12-05 08:38

深度学习 算法 资源 Andrew Ng 课程 神经网络

Coursera 上Andrew Ng老师的深度学习专项系列课程(Deep Learning Specialization) 再次开课 http://t.cn/RlPQVEC ，这个系列包含5门子课程，涵盖神经网络与深度学习，调参优化，机器学习项目架构，卷积神经网络和递归神经网络，目前第5门课程序列模型还没有放出，其他均已ok，感兴趣的同学可以关注 …全文： http://m.weibo.cn/3369755644/4181514918706904 ​
爱可可-爱生活 网页版 2017-12-05 06:34

算法 Victor Dibia 代码 神经网络 数据科学

【(TensorFlow)SSD实时手部检测与追踪】《How to Build a Real-time Hand-Detector using Neural Networks (SSD) on Tensorflow》by Victor Dibia http://t.cn/RYQ8bYZ pdf: http://t.cn/RYQ8bYz GitHub: https:\//github.com\/victordibia/handtracking ​

爱可可-爱生活 网页版 2017-12-05 05:47

深度学习

【深度学习文献阅读指南】“Deep Learning 2Read” by Yanjun (Jane) Qi‏ http://t.cn/RYQHH99 ​

爱可可-爱生活 网页版 2017-12-05 05:39

应用 机器人

【VGGFace2大规模人脸数据集】“VGGFace2 Dataset(3.31 million images of 9131 subjects (identities), with an average of 362.6 images for each subject)” http://t.cn/RWiERo9 ​

爱可可-爱生活 网页版 2017-12-05 05:28

自然语言处理 Python

【词嵌入:探索、理解与应用(Python)】《Word embeddings: exploration, explanation, and exploitation (with code in Python)》by Halyna Oliinyk @hol_io/word-embeddings-exploration-explanation-and-exploitation-with-code-in-python-5dac99d5d795″>http://t.cn/RYQHqIj
ai100_ml
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
第1144期AI100_机器学习日报(2017-11-05)
ai100_ml的博客
11-06 1319
AI100_机器学习日报 2017-11-05 聊天机器人Chatbot知识资料全集（入门/进阶/论文/软件/数据/专家等） @wx:专知内容组推荐中的序列化建模：Session-based neural recommendation @wx:白婷11分钟训练完ImageNet @wx:Facebook最新对抗学习研究：无需平行语料库完成无监督机器翻译 @wx:基于机器学习的音乐推
第1170期AI100_机器学习日报(2017-12-01)
ai100_ml的博客
12-12 607
AI100_机器学习日报 2017-12-01 一文详解LDA主题模型 @ChatbotsChinadeep-image-prior，利用神经网络来修复图像 @蚁工厂用Python做情感分析 @Pythonmozilla的一个语音识别项目DeepSpeech @蚁工厂NIPS 2017论文集 @刘知远THU @好东西传送门 出品,由@AI100运营， 过往目录 见http://geek.ai100
RankGan-NIPS2017:RankGan（语言生成的专业排名）的Tensorflow实现
05-13
语言生成的对抗排名 介绍 这是Kevin Lin * ，Dianqi Li * ，何小东，张正有，孙明廷，NIPS 2017的的张量流实现。 环境 该代码基于python2.7和tensorflow 1.2版本。 该代码是使用一个NVIDIA M40 GPU开发和测试的。 跑步 python main.py 笔记 为了公平地比较，我们在使用了相同的LSTM单位，预训练和测试配置。 如果使用tf.contrib.rnn.LSTMCell而不是其LSTM实现，则会获得不同的训练结果。 save/target_params.pkl是oracle模型的参数。 log文件夹存储模型训练的日志。 理想情况下，您将在8.00-8.50之间收到8.00-8.50损失。 但是，对抗训练有时取决于训练前模型的质量。 用于对抗文本生成的更多评估指标可以参考： 和 。 引用RankGan 如果您发现Ran
【人脸识别】VGGFace2数据集介绍
Roaddd的博客
02-28 7514
论文题目：：《》 论文地址： 1. 简介        VGGFace2是一个大规模人脸识别数据集，包含331万图片，9131个ID，平均图片个数为362.6。这个数据集有以下几个特点： 1）人物ID较多，且每个ID包含的图片个数也较多。 2）覆盖大范围的姿态、年龄和种族。 3）尽可能地使噪声最少。        该数据集是从谷歌中下载的，包含不同姿态、年龄、光照和
探索高分辨率人脸交换的新纪元：VGGFace2-HQ
最新发布
gitblog_00100的博客
06-09 270
探索高分辨率人脸交换的新纪元：VGGFace2-HQ 项目地址:https://gitcode.com/NNNNAI/VGGFace2-HQ 在人工智能与计算机视觉的交融中，我们迎来了一个创新的开源项目——VGGFace2-HQ。这是一套专为学术目的设计的高分辨率人脸数据集，将经典的人脸识别数据集VGGFace2提升至全新高度。这个项目巧妙地结合了GFPGAN的图像恢复技术和insightface...
Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised de
LeiGaiceong的博客
03-07 5874
I Introduction当一个对象作轻微地改变，人类仍然认为它是同一个对象。相对地，一个分类模型应支持提供一致的输出相似的数据点的功能。实现这一目标的一种方法是向模型的输入添加噪声。为了使模型的学习保持更抽象的不变性，噪声可以被添加到intermediate representations，洞察力，促使许多正则化技术，如Dropout[ 28 ]。正则化模型最小化了每个数据点周围流形上的开销，...
论文阅读——Mean teachers are better role models
weixin_42999642的博客
10-25 649
Temporal Ensembling方法通过预测的标签的EMA（exponential moving average），并且通过保证ensemle 模型和 trained模型预测标签的连续一致性，从而保证训练得到的ensemle模型尽可能的接近groud truth模型。这里可以理解为，如果如果模型是正确的，那么前后两个模型的预测标签应该是接近的，并且变化较小的，那么使模型向使两个模型预测结果接近的方向移动，就是向groudtruth model移动。这种方法，每一个epoch标签数据仅仅会改变一次，对于
VGGFace2数据集
不务正业的猿
06-16 3466
VGGFace2数据集由约331万张图像组成
机器学习框架techstar-ai-master.zip_AI学习_KRJZ_armynop_机器学习_框架
09-24
在当今快速发展的信息技术领域，机器学习作为人工智能的重要分支，已经成为推动科技进步的关键力量。而高效、易用的机器学习框架则是实现这一目标的重要工具。本文将深入探讨名为"techstar-ai"的机器学习框架，它是...
人工智能机器学习课件-PPT幻灯片.ppt
11-19
"人工智能机器学习课件-PPT幻灯片.ppt" 本资源是一个关于机器学习的PPT幻灯片，它涵盖了机器学习的概述、机器学习的重要性、机器学习的种类、机器学习模型、发展历史等内容。本资源对机器学习的定义、机器学习的...
chinese_L-12_H-768_A-12.zip
07-08
描述中提到的"人工智能—机器学习—深度学习—自然语言处理（NLP）"是一系列递进的技术层次，AI是大概念，包括了机器学习，机器学习又包含了深度学习，而深度学习的一个重要应用领域就是自然语言处理。NLP涉及语音...
VGG-face2数据集百度云盘连接和迅雷种子
06-13
VGGFace2是一个大规模的人脸识别数据集，包含9131个人的面部。 图像从Google图片搜索下载，在姿势，年龄，照明，种族和职业方面有很大差异。该数据集于2015年由牛津大学工程科学系视觉几何组发布，相关论文为Deep Face Recognition。
三体问题——从牛顿到超级计算机加机器学习_Three-body problem -- from Newton to superc
01-20
三体问题——从牛顿到超级计算机加机器学习_Three-body problem -- from Newton to supercomputer plus machine learning.pdf
人工智能-机器学习-基于机器学习的二手车评估预测.pdf
07-01
人工智能（Artificial Intelligence，AI）是指机器模拟人类智能的一种技术，它可以使机器具备学习、推理、解决问题等能力。机器学习（Machine Learning，ML）是人工智能的一个子领域，专门研究如何使机器自动学习和...
Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised
Glory 的 博客
03-06 3981
Mean Teacher 这篇文章一上来就说“模型成功的关键在于 target 的质量”。而提高 target 的质量的方法目前有两： 1.精心选择样本噪声； 2. 找到一个更好的 Teacher model。而论文采用了第二种方法。 怎样提高 Teacher Model 的质量呢 ？ 就是通过对 Teacher model 做 EMA （指数平均） ， 每一次迭代都会对 teacher net...
【半监督图像分类】 2017-Mean-Teacher NIPS
wujing1_1的博客
11-16 1179
今天我们来学习半监督学习的第2篇文章Mean-TeacherMean-Teacher是对这篇论文Temporal Ensembling for Semi-Supervised Learning做的改进一致性判定正是描述了其中一个属性，那就是一个表现很好的模型应该对输入数据以及他的某些变形表现稳定。比如人看到了。那半监督学习也是一样，我们想要我们的模型表现良好，表现和上限通过大量有标签数据训练的一样（足够鲁棒），那么我们的模型也应该拥有这个属性，即对输入数据的某种变化鲁棒，此类方法代表方法为Teacher-s
RankGAN(NIPS 2018)
qq_43390809的博客
09-14 890
Adversarial Ranking for Language Generation 贡献 本文提出了一个新的对抗性学习框架RankGAN，以产生高质量的语言描述。RankGAN在一个对抗性的框架下，从机器书写和人类书写句子之间的相对排名信息中学习该模型。在所提出的RankGAN中，将discriminator的训练放宽为一个learning-to-rank 优化问题。具体地说，新的对抗网络由两个神经网络模型组成，一个生成器和一个ranker。与执行二元分类任务不同，对ranker进行训练，将机器写..
半监督3D医学图像分割（一）：Mean Teacher
weixin_44858814的博客
10-04 6524
个人认为，Mean Teacher网络的训练是一个求同存异的过程，输入的图像略有差异，网络参数略有差异，我们假设网络训练好后完全收敛，此时学生网络和教师网络的参数应该是非常接近的，也具备良好的去噪能力，那么一致性损失就会很小；自监督学习先使用大量无标签的数据集，通过对比学习和图像重建等方式构建损失函数，进行预训练，然后在特定任务上使用有标签的数据集进行微调。损失由两部分组成，有标签的数据做分割损失，无标签的图像做一致性损失（有标签的也可以做一致性损失）。论文里的方法，结合图像分割画的网络图。
[论文阅读笔记21]Mean teachers are better role models
ld326的专栏
02-25 3556
论文标题： Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results Antti Tarvainen（芬兰，阿尔托大学）, Harri Valpola (The Curious AI Company) 作者有一句话***“目前在用的所有人工智能都是二流的”*** The Curious AI Company公司是一家芬兰深度
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值