开发者社区行业周刊又和大家见面了,快来看看这周有哪些值得我们开发者关注的重要新闻吧。
PyTorch 1.6、TensorFlow 2.3、Pandas 1.1 同日发布
美国发布量子互联网蓝图:十年内建成
北斗三号全球卫星导航系统正式开通:增强后定位达厘米级
目标火星!NASA 的「毅力号」有架无人机相随
安全启动漏洞 BootHole 曝光,几乎影响所有 Linux 和 Windows 设备
攻击奥巴马、盖茨推特账号 骗取逾10万美元比特币的17岁嫌犯被捕
英伟达与软银商议以超过 320 亿美元的价格收购 ARM
通过互信息思想来缓解类别不平衡问题
ICML 2020 | 基于AutoML的深度网络记忆性自动化挖掘
LBP 编码捕捉局部图像! 人脸表情识别解析模型
行 业 要 闻
Industry News
▲▲▲
7月29日,PyTorch 1.6、TenorFlow 2.3、Pandas 1.1恰巧同时发布。这三个库都是定期滚动更新,大约每个季度更新一次小版本。TensorFlow、PyTorch、Pandas这三个库作为AI开发者的必备库,目前都较为稳定,更新内容也基本在预料之中。它们的更新也充分体现了目前AI发展的趋势。在可预见的未来,这两个库都会继续成为AI开发的主力库。
美国能源部(The Department of Energy,DOE)上周四在芝加哥大学举行的新闻发布会上发布了量子互联网(Quantum Internet)蓝图。如一切顺利,将在 10 年内建成量子互联网。美国希望发展一个量子互联网,以实现更安全的通信并推进重力波检测等领域的科学研究。发布的长达 38 页的论文概述了其关键目标以及在实现该概念之前需要解决的研究挑战,主要研究目标包括构建量子互联网设备、开发路由技术以及找出纠正量子比特跨量子网络传播时出现的数据错误的方法。
7月31日,北斗三号全球卫星导航系统正式开通。据了解,“北斗”指北斗七星,七颗亮星分贝名为天枢、天璇、天玑、天权、玉衡、开阳、摇光。它们在天空排列成斗(或勺)形,北斗七星常被当作指示方向和认识星座的重要标志,故我国卫星导航系统取名“北斗”。
北斗系统的水平和高程定位精度实测均优于5米,通过遍布全国2600个地基增强站组成的地基增强系统,可提供米级、分米级、厘米级等增强定位精度服务。
北京时间 7 月 30 日 19:50,美国 NASA 当下最先进的火星探测车「毅力号」(Perseverance)在佛罗里达州卡纳维拉尔角,由宇宙神 5 号运载火箭发射升空。「我们一起,向火星进发。」毅力号在自己的 Twitter 上写道。
毅力号还得花七个月的时间,才能抵达火星,预计于 2021 年 2 月 18 日,在火星上的杰泽罗(Jezero)陨石坑着陆。非常有意思的是,本次发射,除了毅力号之外,还搭载了一架小型火星直升机,能够对火星车着陆区域附近进行空中侦查。一旦成功,将成为首架在其他行星上飞行的可控飞行器。
7月31日,固件安全公司 Eclypsium 报告称,数十亿 Windows 和 Linux 设备受到严重的 GRUB2 引导加载程序问题(CVE-2020-10713)的影响,该问题称为 BootHole,可以利用该问题安装隐身的恶意软件。在问题披露后,主要 Linux 发行版的维护者立即开始发布更新的软件包来对其进行修复。
北京时间8月1日上午消息,美国当局周五表示,佛罗里达州的一名青少年入侵了知名政界人士、名人和科技巨头的Twitter账户,从全球各地的人们手中骗取了逾10万美元的比特币。
周五早些时候,这名17岁的男孩克拉克(Graham Ivan Clark)在坦帕(Tampa)被逮捕,希尔斯堡(Hillsborough)州检察官办公室将在那里对此案进行起诉。据悉,他面临着30项重罪指控。
软银正计划出售 ARM(英国芯片设计公司,为高通、苹果、三星和华为等公司的几乎所有主要移动处理器提供技术支持),现在可能已经找到了买家。据彭博社报道,英伟达正处于「高级会谈」中,预计以超过 320 亿美元的价格收购 ARM。据说 Nvidia 是目前唯一与软银就收购事宜进行具体讨论的公司,尽管还没有最终敲定,但交易可能会在未来几周内达成。如果这笔交易得以达成,那将是计算机芯片业务有史以来规模最大的交易之一,并且可能会受到严格的监管审查。
学 术 前 沿
Academic News
▲▲▲
类别不平衡问题,也叫“长尾问题”,是机器学习面临的常见问题之一,尤其是来源于真实场景下的数据集,几乎都是类别不平衡的。所谓类别不均衡,就是指某些类别的样本特别多,就好比“20% 的人占据了 80% 的财富”一样,剩下的类别数很多,但是总样本数很少,如果从高到低排序的话,就好像带有一条很长的“尾巴”,所以叫做长尾现象。本文简单介绍了一种基于互信息思想的类别不平衡处理办法,而最近这一篇论文也给出了同样的方法,最后给出的实验结果显示该方法能达到SOTA 的水平。
*论文链接:https://arxiv.org/abs/1910.09217
深度网络在图像处理、语音识别、语言建模和推荐系统等多项任务中取得了巨大的成功,很大程度上在于拥有大量高质量的可用数据,但这在现实场景中很难实现。相反,许多大型数据集是通过众包平台收集或互联网抓取得来,获得的标签很嘈杂。为了减少噪声标签的负面影响,抗噪机器学习领域提出了许多方法,本文提出要基于在每个迭代中选择(或加权)可能干净的样本进行训练,通过降低训练数据的噪声,可以获得更好的性能。代表性的方法包括 MentorNet 和 Co-teaching。
*论文链接:https://arxiv.org/abs/1911.02377
以色列开放大学研究团队提出了一种利用卷积神经网络从静态人脸图像中分类表情的新方法。作者通过去除输入图像中的混杂因素来简化问题域,减少有效训练深层 CNN 模型所需的数据量,用有限的情感标记训练数据对每个模型进行微调,得到最终的分类模型。集成结果大大提高了性能,性能显着提高了 40%(提高了15.36%)。甚至能沿用到机器人、医疗、驾驶员疲劳监测和许多其他人机交互系统中。
*论文链接:
https://talhassner.github.io/home/publication/2015_ICMI
*以上信息来源于网络,由“京东智联云开发者”公众号编辑整理,
不代表京东智联云立场*