NIPS 2017 深度学习论文集锦 (2)

本文是NIPS 2017 深度学习论文集锦第二篇，第一篇是

本文是对上文的续，因此论文编号也是基于上文的续

[21] Multi-Modal Imitation Learning from Unstructured Demonstrations using Generative Adversarial Nets

Karol Hausman, Yevgen Chebotar, Stefan Schaal, Gaurav Sukhatme, Joseph J. Lim

https://papers.nips.cc/paper/6723-multi-modal-imitation-learning-from-unstructured-demonstrations-using-generative-adversarial-nets.pdf

这篇文章主要关于GAN。

相关模型InfoGAN。

[22] TernGrad: Ternary Gradients to Reduce Communication in Distributed Deep Learning

Wei Wen, Cong Xu, Feng Yan, Chunpeng Wu, Yandan Wang, Yiran Chen, Hai Li

https://papers.nips.cc/paper/6749-terngrad-ternary-gradients-to-reduce-communication-in-distributed-deep-learning.pdf

这篇文章侧重在理论研究，主要针对参数和梯度通信进行了优化。

并行框架如下

代码地址

https://github.com/wenwei202/terngrad

[23] Deep Learning with Topological Signatures

Christoph Hofer, Roland Kwitt, Marc Niethammer, Andreas Uhl

https://papers.nips.cc/paper/6761-deep-learning-with-topological-signatures.pdf

这篇论文将拓扑信息融入到深度学习中。

代码地址 

https://github.com/c-hofer/nips2017

相关数据集 

http://www.mit.edu/~pinary/kdd/datasets.tar.gz

[24] Deep Dynamic Poisson Factorization Model 

ChengYue Gong, win-bin huang

https://papers.nips.cc/paper/6764-deep-dynamic-poisson-factorization-model.pdf

这篇论文主要基于泊松因子分析方法。

网络结构示例如下

相关数据集地址

http://ai.stanford.edu/gal/data.html

https://github.com/cmrivers/ebola/blob/master/country_timeseries.csv

http://www.emdat.be/

https://datamarket.com/data/list/?q=provider:tsdl

[25] Convergent Block Coordinate Descent for Training Tikhonov 

Regularized Deep Neural Networks

Ziming Zhang, Matthew Brand

https://papers.nips.cc/paper/6769-convergent-block-coordinate-descent-for-training-tikhonov-regularized-deep-neural-networks.pdf

这篇论文主要关于训练算法，即块共轭梯度法，这种方法基于凸分析中的最近点方法得到。

其中的网络结构如下