机器学习 TOP 10 必读论文 | 资源

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》）

http://www.themtank.org/a-year-in-computer-vision

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！

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。由互联网进化论作者，计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”