机器学习日报 2016-06-19 人工智能/机器学习/统计推断/深度学习/强化学习的一些资源；深...
机器学习日报 2016-06-19[*]谷歌 DeepMind David Silver 总结深度强化学习 @爱可可-爱生活
[*]人工智能/机器学习/统计推断/深度学习/强化学习的一些资源 @视觉机器人
[*]Query-Regression Networks for Machine Comprehension @爱可可-爱生活
[*]《Deep Compression》ICLR2016 Best paper，深度网络压缩 @Libra_Leo_
[*]NTM-Lasagne：基于Lasagne的神经图灵机函数库 @机器之心synced
@好东西传送门 出品, 过往目录 见http://ml.memect.com
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
邮件版包括17条，本期的Web版有完整内容22条
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2016-06-19 05:42
经验总结 深度学习 算法 David Silver 博客 强化学习
《Deep Reinforcement Learning | Google DeepMind Blog》by David Silver http://t.cn/R5odBi0
http://ww2.sinaimg.cn/large/5396ee05jw1f503gg636fj20yp18g103.jpg
爱可可-爱生活 网页链接 转发于2016-06-19 19:05
@机器之心synced 提供的译文《谷歌 DeepMind David Silver 总结深度强化学习，人工智能代理表现已达人类水平》 http://t.cn/R590JFb
http://tva2.sinaimg.cn/crop.113.113.284.284.50/0060jr72jw8eorxcrqimhj30e80e8jsk.jpg 视觉机器人 网页链接 2016-06-19 12:42
深度学习 算法 代码 强化学习
人工智能/机器学习/统计推断/深度学习/强化学习的一些资源。http://t.cn/R5t0rYE
http://ww3.sinaimg.cn/large/0060jr72jw1f50fm6uxyoj30ih0fcq6s.jpg
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2016-06-19 06:17
算法 Allen Institute 回归 论文
《Query-Regression Networks for Machine Comprehension》M Seo, H Hajishirzi, A Farhadi (2016) http://t.cn/R5Kkn6K
http://ww2.sinaimg.cn/large/5396ee05jw1f504hheskwj20fs057765.jpg
http://tva3.sinaimg.cn/crop.0.0.459.459.50/6969f647jw8ex3cohugkcj20cs0cs3yz.jpg Libra_Leo_ 网页链接 2016-06-19 02:09
会议活动 经验总结 深度学习 算法 ICLR Song Han 博客 会议 神经网络
做过深度学习的都深有感悟：NN大法确实效果轻松碾压传统算法，但就是太慢太费资源！怎么办？用深度神经网络压缩技术咯！《Deep Compression》是ICLR2016 Best paper，作者Song Han将AlexNet从200MB压缩到6.9MB，关键是不降低准确率！论文笔记戳这里 http://t.cn/R5Kdpu5
http://ww3.sinaimg.cn/large/6969f647jw1f4zx832vryj20po0axafd.jpg
http://tva4.sinaimg.cn/crop.0.0.499.499.50/ee3b7d6cgw1ewlurp2i02j20dw0dw3yy.jpg 机器之心synced 网页链接 2016-03-05 12:27
深度学习 算法 神经网络
【NTM-Lasagne：基于Lasagne的神经图灵机函数库】过去几年，递归神经网络（RNN）已经成为序列建模中的主要玩家。由于其高效性与灵活性，人们很容易认为，它们将是序列学习的未来。然而，深度学习的研究十分的迅速，以至于没人能够知道未来会是怎样。http://t.cn/RGH76v7
http://ww2.sinaimg.cn/large/ee3b7d6cgw1f1lvi0qcn5j20sg0g4wh7.jpg
最新动态
http://tva2.sinaimg.cn/crop.0.0.512.512.50/425b222djw8f50v275kjpj20e80e8dgl.jpg 深度学习与人工智能产业 网页链接 2016-06-19 23:33
会议活动 深度学习 视觉 算法 资源 CRF CVPR PDF 会议
#cvpr2016# Deep Contrast Learning for Salient Object Detection http://t.cn/R59gFAk 显著性检测，基于多尺度的全卷积网络加CRF，在所有的测试集上一致性地! 大幅度地! 超越传统算法 (poster, from 香港大学)
http://ww1.sinaimg.cn/large/425b222djw1f50yf97eumj21kw0hxarm.jpg
http://tva2.sinaimg.cn/crop.0.0.512.512.50/425b222djw8f50v275kjpj20e80e8dgl.jpg 深度学习与人工智能产业 网页链接 2016-06-19 22:57
会议活动 视觉 算法 资源 CVPR GPU PDF 会议
#cvpr2016# Deep Interactive Object Selection http://t.cn/R59rAQK 交互式的前景分割算法。用户输入正负两种clicks，基于策略分别生成两个新的通道，与原始的RGB一起训练FCN模型。FCN的输出结果再经过graph cut得到精准轮廓。基于GPU可达到实时 (poster, from UIUC & Adobe)
http://ww1.sinaimg.cn/large/425b222djw1f50xdck4vwj21ik0hotit.jpg
http://tva1.sinaimg.cn/crop.0.0.533.533.50/9c506fcatw1efhmamw3smj20eu0eut8u.jpg tobe迪豪 网页链接 2016-06-19 22:30
深度学习 资源 GPU 课程
非常赞的教程，学习CUDA和cuDNN【视频：CUDA开发环境搭建和工具配置】（分享@爱奇艺）http://t.cn/R591Hg1
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2016-06-19 21:22
应用 资源 自然语言处理 课程 推荐系统
爱可可老师24小时热门分享：1、'A Practical Guide for Debugging Tensorflow Codes' 2、'教你成为全栈工程师' 3、《How to download Coursera’s courses before they’re gone forever》4、Coursera课程下载和存档计划三：机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开...5、《Generative ...全文： http://m.weibo.cn/1402400261/3988192056744922
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2016-06-19 21:20
深度学习 算法 Ge Github 代码 分类 论文 神经网络
'Pre-trained models for MixDCNN paper' by Zongyuan Ge GitHub: http://t.cn/R5989KX ref:《Fine-Grained Classification via Mixture of Deep Convolutional Neural Networks》Z Ge, A Bewley, C McCool, B Upcroft, P Corke, C Sanderson (2015) http://t.cn/R5989Ka
http://ww1.sinaimg.cn/large/5396ee05jw1f50ukan6l6j20nl0g3q6i.jpg
http://tva2.sinaimg.cn/crop.0.0.2048.2048.50/006e14C0jw8ewjb494gavj31kw1kwwrj.jpg 新智元 网页链接 2016-06-19 17:08
深度学习 应用 David Silver 机器人
【新智元导读】AlphaGo作者、DeepMind联合创始人兼CEO David Silver昨日撰文，系统梳理团队使用深度增强学习，让智能体在许多方面达到人类水平。Silver还表示，许多增强学习的技术都已经用到了现实生活中。将来还有拓展到机器人的移动和控制以及医疗领域的可能。这会是DeepMind的一个重要技术方向。...全文： http://m.weibo.cn/5703921756/3988128228314507
Google谷歌爱好者 网页链接 转发于2016-06-19 18:37
David Silver说：“人类擅长解决众多具有挑战性的问题，从低级别的控制汽车到高级别的认知任务都可以。我们在DeepMind的目标是创造众多智能体（agent），它们具备相同级别的表现和总体功能。”
http://tva3.sinaimg.cn/crop.0.0.180.180.50/be5dc787jw1e8qgp5bmzyj2050050aa8.jpg 洪亮劼 网页链接 2016-06-19 14:41
深度学习
今天我们来读一篇来自Google DeepMind的文章，讲如何学习Gradient Descent的Update Rule。这和我们之前介绍的一篇文章Learning to Optimize是想解决一样的问题，但是提出的解决方法则完全不同。建议大家把两篇放在一起比较。 http://t.cn/R59J7sD
http://tva3.sinaimg.cn/crop.0.0.179.179.50/70a90346gw1ekti160vnhj2050050dfy.jpg 钱皓-互联网分析师 网页链接 2016-06-19 10:16
【「WWDC 2016 总结」Apple的一小步，IM和AI的一大步】1）Messenger 受到 Apple 的高度重视；但是还是以模仿和追赶为主；2）AI（人工智能）成为Apple服务和产品的基本元素；3）Apple采取更加开放的平台战略；4）中国影响力的崛起。 http://t.cn/R5K4LhW
http://tva3.sinaimg.cn/crop.0.0.179.179.50/70a90346gw1ekti160vnhj2050050dfy.jpg 钱皓-互联网分析师 网页链接 2016-06-19 09:51
应用 机器人
【从机器到人工智能进化编年史】1）漏壶，公元前1400年；2）亚里士多德，公元前322年；3）达.芬奇的骑士，1495年莱昂纳多；4）沃康松的鸭子，1737年；5）能走路的阿西莫机器人，2000年.....详见：http://t.cn/R59wyDM http://t.cn/R5KUrA4
http://tva2.sinaimg.cn/crop.10.34.646.646.50/5396ee05jw1ena6co8qiwj20sg0izjxd.jpg 爱可可-爱生活 网页链接 2016-06-19 06:42
资源 代码 幻灯片
"A Practical Guide for Debugging Tensorflow Codes" by Jongwook Choi Slides:http://t.cn/R5KF6Q6Codes:https://github.com/wookayin/TensorflowKR-2016-talk-debugging GitHub:https://github.com/wookayin/TensorflowKR-2016-talk-debugging
http://ww4.sinaimg.cn/large/5396ee05jw1f5057dbguoj20l70gltam.jpg
http://tva3.sinaimg.cn/crop.53.153.552.552.50/6f89df04gw1eg8ly86g2rj20j60pkq6l.jpg Bishop_Gorov 网页链接 2016-06-19 03:29
深度学习 行业动态 论文
我在百度的mentor之一@周杰_BD 的最新力作，使用deep lstm在WMT任务上获得了大幅提升。这次开NAACL时从google研究员那里也听说了NMT大幅提升翻译质量的消息，看来NMT在产品端也要掀起革命了http://t.cn/R5aXrZU
http://tva1.sinaimg.cn/crop.157.2.1747.1747.50/425b222djw1eyhqkeev8zj21kw1cr7j5.jpg 深度学习与人工智能产业 网页链接 2016-06-19 00:57
会议活动 深度学习 视觉 CVPR 会议
#CVPR2016# Learning to Localize Little Landmarks http://t.cn/R569sgH 有趣的思路：通过自动发现context中的一系列latent landmarks (例如车轮, 车窗) 来检测little landmark (车门把手)；核心模型是一个带有recurrent结构的全卷积网络，来预测前后latents之间的offset | poster, from UIUC
http://ww2.sinaimg.cn/large/425b222djw1f4zv7keg3wj20ng0qo49u.jpg
页:
[1]