Reproduit de: HyperAI
article 1162 mots lecture recommandée 3 minutes .
Cet article décrit les utilisateurs Reddit sur 2019 papier favori pour tout le monde à partager, apprendre et explorer.
Bien que 2019 a été bancale, mais il a rappelé cette année, de nombreux grands événements d'impact a eu lieu dans le domaine de l'intelligence artificielle est encore produit de grande envergure.
Photos publiées des trous noirs à l'hégémonie quantique à atteindre, de jours Tsinghua de mouvement AI à ZAO App greffe du visage, le premier cas de reconnaissance faciale de la Chine à la fraude de la synthèse vocale AI ......
Pendant ce temps, Amnesty International a causé beaucoup de réflexion en un an, un flux régulier de papiers en circulation ont été né, nous permet de comprendre et d'apprendre, de nouvelles avancées dans la technologie toutes les directions AI obtenus dans le domaine.
Nous avons recueilli sur Reddit, les utilisateurs à partager « 2019 papier préféré. » Pour partager avec vous, je souhaite que tout le monde dans ces documents, la direction du développement de l'intelligence artificielle d'ici 2020, la technologie de pointe, un aperçu ou deux.
Reddit Portal: http: //dwz.win/wke
1
Etude théorique
« Avec moins lisse HAL, les paramètres cibles de différenciation efficaces peuvent être estimés chemin »
Documents lien: https: //arxiv.org/pdf/1908.05607.pdf
Dans cet article, les auteurs croient, Caractéristiques de lissage des paramètres de la fonction estimateur asymptotiquement efficace, peuvent être facilement vérifiées dans le lissage global dans des conditions, par l'acquisition Spline-HAL-MLE.
ciblé HAL-MLE comme étape meta d'apprentissage, il est possible d'obtenir un estimateur, l'estimateur peut être incorporé Superlearning, undersrmoothed HAL-MLE et exploité en utilisant EAMT.
Les résultats de la simulation de la valeur de densité moyenne du paramètre
2
Vision par ordinateur
"BA-Net: ajustement de faisceaux réseau intensif"
Documents lien: http: //dwz.win/wmQ
Cet article présente un réseau de neurones, caractérisé par le réglage problème faisceau (BA), pour régler le dispositif de déplacement (SFM). De plus, ce travail présente une profondeur nouvelle paramétrés pour restaurer chaque profondeur de pixel intensive.
Le système entier une bonne combinaison de connaissances de domaine (multi-vues codées en dur contraintes géométriques) et la machine à apprendre à résoudre des problèmes complexes SFM. Des expériences à grande échelle montrent que cette méthode est supérieure à la BA conventionnelle et la profondeur actuelle de l'apprentissage.
Structure Liste BA-Net
3
Vision par ordinateur
« MoCo: une représentation visuelle des méthodes d'apprentissage non supervisées. »
Documents lien: https: //arxiv.org/pdf/1911.05722.pdf
Un pour le papier est la vision par ordinateur, Daniel Ho Kai Ming. Cette méthode est une série de tâches liées à la vision par ordinateur sans supervision, ont des performances exceptionnelles. IN-1M MoCo des améliorations notables IG-1B, mais relativement faible, ce qui indique que les données à grande échelle ne peuvent être pleinement utilisées.
En plus de l'exemple simple de la tâche de discrimination, MoCo également être appliquée à l'auto-encodage, etc. masqué des tâches de surveillance, quelle que soit la langue ou la direction de la direction visuelle.
Le concept de mécanisme comparatif de trois pertes comparative
4
apprentissage non supervisé
« Confrontation d'apprentissage non supervisé en cachant l'unité »
Documents lien: http: //dwz.win/wuJ
Dans cet article, les auteurs ont conçu un algorithme d'apprentissage, L'algorithme utilise une suppression globale couche cachée, il est possible d'une manière détecteur de caractéristiques d'apprentissage sans aucune supervision plus tôt.
Ces détecteurs sont généralement caractéristiques de bas niveau peuvent aider à superviser la manière, la formation des poids de haut niveau, de sorte que les performances du réseau entier peut être comparée à la précompensation norme précédente performance du réseau par l'algorithme de rétro-propagation, la mission de formation simple.
algorithme de formation Pipeline
5
Etude théorique
« N-BEATS: L'analyse peut être utilisée pour expliquer les bases neurales pour la prévision des séries chronologiques prolongée »
Documents lien: https: //arxiv.org/pdf/1905.10437.pdf
Les auteurs proposent et valident une nouvelle architecture pour la prédiction TS univariée dans cet article. La polyvalence et l'architecture flexible, la variété de prédiction TS, ont bien performé.
Cette expérience démontre que DL peut effectuer plusieurs tâches de façon, en séries chronologiques multiples sur le modèle de formation et soutenir le partage des tâches d'apprentissage indépendant. Les chercheurs spéculent, N-Battements excellente performance peut être attribuée en partie à la mise en uvre de celui-ci sous forme de méta-apprentissage, sera plus en profondeur la recherche dans ce domaine à l'avenir.
- FIN -
attention Tsinghua - données Académie des sciences de Qingdao plate-forme publique micro-canal officiel " données d'envoi THU « Sisters et n ° » Les données envoyées THU « Pour plus de conférences et de bien-être contenu de qualité.
