ICML 2018 深度学习论文及代码集锦(6)

最新推荐文章于 2022-04-21 12:06:19 发布
最新推荐文章于 2022-04-21 12:06:19 发布
阅读量258 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/hestendelin/article/details/101546722
版权

[1] Probabilistic Recurrent State-Space Models

Andreas Doerr, Christian Daniel, Martin Schiegg, Duy Nguyen-Tuong, Stefan Schaal, Marc Toussaint, Sebastian Trimpe

Bosch Center for Artificial Intelligence, Max Planck Institute for Intelligent Systems, University of Southern California, University of Stuttgart

http://proceedings.mlr.press/v80/doerr18a/doerr18a.pdf

PR-SSM 图模型示例如下

640?wx_fmt=png

几种模型的效果对比如下

640?wx_fmt=png

代码地址

https://github.com/boschresearch/PR-SSM

              smiley_12.png我是分割线smiley_12.png

[2] Structured Variationally Auto-encoded Optimization

Xiaoyu Lu, Javier González, Zhenwen Dai, Neil D. Lawrence

University of Oxford, Amazon, University of Sheffield

http://proceedings.mlr.press/v80/lu18c/lu18c.pdf

Structured Variationally auto-encoded optimization (SVO) 主要元素如下

640?wx_fmt=png

相关算法伪代码示例如下

640?wx_fmt=png

本文主要贡献如下

640?wx_fmt=png

SG-VAE的预计算算法伪代码如下

640?wx_fmt=png

SVO算法伪代码如下

640?wx_fmt=png

代码地址

https://github.com/SheffieldML/GPyOpt

              smiley_12.png我是分割线smiley_12.png

[3] Extracting Automata from Recurrent Neural Networks Using Queries and Counterexamples

Gail Weiss,  Yoav Goldberg, Eran Yahav

Technion, Bar Ilan University

http://proceedings.mlr.press/v80/weiss18a/weiss18a.pdf

本文主要贡献如下

640?wx_fmt=png

相关方法伪代码如下

640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png

不同参数对模型的影响如下

640?wx_fmt=png

不同模型的效果对比如下

640?wx_fmt=png

代码地址

https://github.com/tech-srl/lstar_extraction

              smiley_12.png我是分割线smiley_12.png

[4] Autoregressive Convolutional Neural Networks for Asynchronous Time Series

Mikołaj Binkowski, Gautier Marti, Philippe Donnat

Imperial College London, Hellebore Capital Limited, Laboratoire d’informatique, Ecole Polytechnique

http://proceedings.mlr.press/v80/binkowski18a/binkowski18a.pdf

SOCNN结构示例如下

640?wx_fmt=png

640?wx_fmt=png

几种方法的效果对比如下

640?wx_fmt=png

640?wx_fmt=png

几种方法的学习曲线对比如下

640?wx_fmt=png

代码地址

https://github.com/mbinkowski/nntimeseries

              smiley_12.png我是分割线smiley_12.png

[5] Efficient Model–Based Deep Reinforcement Learning with Variational State Tabulation

Dane Corneil,  Wulfram Gerstner, Johanni Brea

Ecole Polytechnique F ´ ed´ erale ´ de Lausanne

http://proceedings.mlr.press/v80/corneil18a/corneil18a.pdf

本文网络结构如下

640?wx_fmt=png

代码地址

https://github.com/danecor/VaST/

              smiley_12.png我是分割线smiley_12.png

您可能感兴趣

frank_hetest
关注
计算机视觉论文整理
snailme的博客
05-30 1万+
本文梳理了2012到2017年计算机视觉领域的大事件：以论文和其他干货资源为主，并附上资源地址。囊括上百篇论文，分ImageNet 分类、物体检测、物体追踪、物体识别、图像与语言和图像生成等多个方向进行介绍。 上述的深度学习被引用最多的100篇论文是Github上的一个开源项目，社区的成员都可以参与。
ICML 2018 深度学习论文及代码集锦(9)
hestendelin的专栏
12-24 365
[1]Fast and Scalable Bayesian Deep Learning by Weight-Perturbation in AdamMohammad E...
ICML2018论文公布！一文了解机器学习最新热议论文和研究热点
weixin_33733810的博客
05-14 511
Differentiable Dynamic Programming for Structured Prediction and Attention 最热的就是这篇第一作者Arthur Mensch‏，来自法国Inria Parietal，也是scikit-learn 作者之一，论文关于结构性预测与注意力中的可微分动态编程。 作者重点指出：Sparsi...
第1168期AI100_机器学习日报(2017-11-29)
ai100_ml的博客
12-12 1049
AI100_机器学习日报 2017-11-29 解释深度神经网络训练全过程：谷歌发布SVCCA @专注云计算【多任务学习】Learning Multiple Tasks with Multilinear Relationship Networks @PaperWeekly增强学习在无人驾驶中的应用进展 @CCF通讯读懂概率图模型：从基本概念和参数估计开始 @ChatbotsChinaKDD 201
Autoregressive Convolutional Neural Networks for Asynchronous Time Series
weixin_30568715的博客
05-07 513
论文名称：用于异步时间序列的自回归卷积神经网络 论文摘要： 　　　　金融时间序列通常包含多个维度，不同维度数据的采样频率也不一致，例如螺纹钢研究员通常关心螺纹钢的因素有日频更新的现货螺纹钢价格，周频更新的螺纹钢价格，高炉开工率和线螺采购量，而月频更新的则有商品房销售面积等，如果其中某些可观测因子发生变化，投资则对未来螺纹钢的预期也应发生变化，但是如何处理这些不同频率的数据是量化模型的一个难题，...
Learning Latent Dynamics for Planning from Pixels
JasonSparrow_1的博客
06-25 683
Abstract The Deep Planning Network (PlaNet), a purely model-based agent that learns the environment dynamics from images and chooses actions through fast online planning in latent space. PlaNet一个纯的mo...
ICML 2018 深度学习论文及代码集锦(10) 完结篇
hestendelin的专栏
01-02 831
[1]DCFNet: Deep Neural Network with Decomposed Convolutional FiltersQiang Qiu, Xiuyu...
ICML 2018 深度学习论文及代码集锦(7)
hestendelin的专栏
12-17 302
[1]DICOD: Distributed Convolutional Coordinate Descent for Convolutional Sparse Codi...
ICML 2018 深度学习论文及代码集锦(1)
hestendelin的专栏
11-26 371
[1] Spline Filters For End-to-End Deep LearningRandall Balestriero et al.Rice Univers...
ICML 2018 深度学习论文及代码集锦(3)
hestendelin的专栏
12-03 273
[1]Which Training Methods for GANs do actually Converge?Lars Mescheder, Andreas Geig...
Python-Tensorflow实现生成对抗模仿学习GAIL
08-11
Tensorflow实现生成对抗模仿学习Generative Adversarial Imitation Learning
ICML 2018 paper(oral)
qq_34848537的博客
10-08 5210
参考链接 icml 2018 oral Paperlist Optimal Tuning for Divide-and-conquer Kernel Ridge Regression with Massive Data Predict and Constrain: Modeling Cardinality in Deep Structured Prediction Transfer Learn...
论文笔记：Autoregression Convolutional Neural Network for Asynchronous Time Series
travalscx的博客
04-19 702
Autoregression Convolutional Neural Network for Asynchronous Time Series 目的是通过AR模型和CNN的结合，对已有时间序列预测未来 目的是通过AR模型和CNN的结合，对已有时间序列预测未来 AR：autoregression https://www.cnblogs.com/super-zhang-828/p/7106970.h...
OpenAI baseline GAIL代码讲解及其可视化
qq_37637147的博客
07-13 2622
最近在研究关于强化学习的部分工作，首先从OpenAI的Baseline中的小型GAIL算法出发。 首先参考了大神的文章从《西部世界》到GAIL（Generative Adversarial Imitation Learning）算法。 原文链接：https://blog.csdn.net/jinzhuojun/article/details/85220327#commentBox 对大神写的文章做一些补充和细节解释。 在baseline 的文件夹中运行即可以进行模型的训练 python3 -m
GAIL
SpanningWings的博客
09-14 1109
留个地址，我好慢慢研究。 https://blog.csdn.net/jinzhuojun/article/details/85220327 这篇文章讲的好哦。用通俗的语言让我大概明白GAIL在搞些啥。 GAIL就是结合了GAN，以及Imitation Learning。好通过模仿来学习专家。这中间又有一个对抗来不断检查。 这不就是上课和考试吗？我理解的对吗？如果是和GAN一样的话，就要同学习的人...
概率状态空间模型
shengsong
04-21 901
概率状态空间模型：贝叶斯滤波和贝叶斯平滑模型
CVPR 2012 Papers
daiyuchao的专栏
04-10 1万+
Orals Title Author(s) Micro Phase Shifting Mohit Gupta; Shree Nayar On Multiple Foreground Cosegmentation Gunhee Kim; Eric Xing Face detection, pose estimation, and landmark l
Linux内核代码华人贡献统计
热门推荐
08-02 5万+
http://www.remword.com/kps_result/ 这个站点对Linux内核代码补丁进行了详细的统计，感兴趣的童鞋可以看一下。     在这里给大家看一下2005年4月16日至今各个国家贡献的补丁统计数据（从中可以看出咱们华人的贡献还是很大的）： Total patch sets of this kernel release: 299251 55 countries c
论文笔记——Deep State Space Models for Time Series Forecasting
sherpahu的博客
03-30 3337
链接 NeurIPS2018，亚马逊做的研究。 https://papers.nips.cc/paper/8004-deep-state-space-models-for-time-series-forecasting 主要工作 将state space models(SSM)与深度学习结合起来。 将基于独立的时间序列的线性的state space model用联合起来学习的RNN进行参数化。并且...
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