机器学习日报 2015-09-15 百度深度学习基础架构；ECML/PKDD大会十年最佳论文；多维RNN
机器学习日报 2015-09-15[*]ECML/PKDD大会十年最佳论文 @王威廉
[*]交互式用户意图理解 @iB37
[*]Mikolov吐槽北美几大DL重镇 @Wenpeng_Yin
[*]多维RNN(MDRNN)的Hessian-Free优化 @爱可可-爱生活
[*]吴恩达讲解百度深度学习基础架构的成果 @GPU计算
@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20条，本期的Web版有完整内容27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://tp4.sinaimg.cn/1657470871/50/5676743531/1 王威廉 网页链接 2015-09-15 08:16
会议活动 资源 Jeff Ullman Jure Leskovec PDF 会议 教育网站
在刚刚结束的ECML/PKDD大会上，十年最佳论文授予了Juri Leskovec等人PKDD 2005论文 Realistic, Mathematically Tractable Graph Generation and Evolution, Using Kronecker Multiplication http://t.cn/RycTbfb 这是CMU教授Christos Faloutsos获得的第二十一个最佳论文奖 http://t.cn/RycTbf4
http://ww3.sinaimg.cn/large/62caff97gw1ew2iysdlr5j209u0d4mye.jpg
MOOC学院 网页链接 转发于2015-09-15 10:33
Jure Leskovec（图1）是《海量数据挖掘》课程的助教之一，课程主讲教授是大名鼎鼎的Jeff Ullman。这门课程刚刚开始，快来抱大腿：http://t.cn/Rhz1RRY
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-15 23:05
会议活动 应用 ICDM Jeff Dean WSDM 会议 唐杰 推荐系统
用户意图预测和个性化推荐都有助于用户指定搜索项. Beyond Query: Interactive User Intention Understanding 通过自动构造一系列二元问题，交互式的划分tag空间，排序item，推荐给用户http://t.cn/RyVSPPm 附: 唐杰老师是WSDM16的特邀嘉宾，Jeff Dean做主题报告 http://t.cn/RyVSPPn
http://ww1.sinaimg.cn/large/972a1170gw1ew3jbz7eghj21ea0frjx7.jpg
http://tp4.sinaimg.cn/1656834547/50/1285848105/1 Wenpeng_Yin 网页链接 2015-09-15 19:05
深度学习 算法 SVM Tomas Mikolov 回归
刚听了Mikolov的talk,果然是个吐槽狂啊，北美几大DL重镇被吐槽完了，比如layer-wise pretraining并不比train on the whole有效，LSTM比RNN更好的结论令人confusing，recursive autoencoder其实发现被传统的SVM,逻辑回归等完爆.....传闻此人social不佳是不是这个原因，但是此人的确很有思想[吃惊]
孙明明_SmarterChina 网页链接 转发于2015-09-15 20:08回复 @VikingMew “我觉得黑点不对啊。。。layer wi...”
回复@VikingMew:layerwise pretrain的出发点是解决初始化问题，即还是有效性问题，10年左右的文章对其研究的着眼点也在于此，的确对网络行为有很大改变。是否在具体任务中有效是另一个问题。
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-15 12:22
深度学习 算法 论文 神经网络
【论文:多维RNN(MDRNN)的Hessian-Free优化】《Hessian-Free Optimization For Learning Deep Multidimensional Recurrent Neural Networks》M Cho, CS Dhir, J Lee (2015) http://t.cn/RyVhUNe 参阅:http://weibo.com/1402400261/CxBYMs7XV
http://ww2.sinaimg.cn/large/5396ee05jw1ew30pyvzazj20co05iabz.jpg
http://tp3.sinaimg.cn/2311005302/50/5670138351/1 GPU计算 网页链接 2015-09-15 10:34
深度学习 GPU 行业动态 吴恩达
近两年百度的深度学习基础架构成果显著。2014年百度在HPC中的GPU使用率大约为20%，而目前已可以提升至85%，这将大大缩短机器训练所需要的时间，提升机器学习的效率，由此开发出更多智能化APP——快来看看百度首席科学家吴恩达在今年百度世界2015大会上的精彩演讲： http://t.cn/RycBUly
最新动态
http://tp4.sinaimg.cn/1787451427/50/40044484432/1 FPGA开发圈 网页链接 2015-09-15 17:17
经验总结 博客
【开发者成功使用机器学习的十大诀窍】对于开发人员而言，基于云的机器学习工具带来了使用机器学习创造和提供新的功能的可能性。然而，开发者想要在它们的应用程序中融入机器学习，通常会犯一些错误，本文列了十条注意点以飨读者。http://t.cn/RyVqaSd
http://ww4.sinaimg.cn/large/6a8a5823gw1ew39a98422j20go0afju2.jpg
http://tp3.sinaimg.cn/3411134394/50/40072311746/0 出门问问 网页链接 2015-09-15 16:23
自然语言处理 行业动态 李志飞 问答系统
#全球创新者大会# 出门问问一直都在强调让人工智能落地于日常生活。那么怎么实现这种目标呢？李志飞在“寻找智能未来——钛媒体智能未来”专场上指出：“唯有软硬件深度集合这一条路”。
http://ww2.sinaimg.cn/large/cb51c7bajw1ew37qjv4d1j208o0femz8.jpg
Ticwear 网页链接 转发于2015-09-15 16:31
还应注意到大表哥的这句话：“我们在中国乃至世界独一无二的原因是我们的技术、系统、服务都是需要长期的积累的。”
http://tp2.sinaimg.cn/3227020453/50/5656309782/1 自动化网官方微博 网页链接 2015-09-15 16:18
会议活动 活动
2015年11月20-22日，The 4th Conference on Artificial Intelligence and Data Mining (AIDM 2015 第四届人工智能与数据挖掘研讨会)将在苏州召开。AIDM致力于为来自世界各地的专家学者们打造一个互相交流最新研究成果并分享先进研究方法的学术平台。http://t.cn/RyVLmrD
http://ww4.sinaimg.cn/large/c0586ca5jw1ew37ksy7bwj20gf06w76p.jpg
http://tp1.sinaimg.cn/1739964112/50/40022689538/1 计算机世界 网页链接 2015-09-15 15:43
行业动态
【美国超级计算机能预测死亡 准确率达96%】据外媒报道，美国波士顿市贝斯以色列女执事医疗中心的研究人员开发出一种超级计算机系统，据称可预测患者死亡时间，准确率高达96%。医疗中心整个急诊部门的医生都佩戴谷歌眼镜，查阅患者医疗记录，避免浪费关键时间去查阅纸质档案。http://t.cn/RyV2bci
http://ww4.sinaimg.cn/large/67b5bed0jw1ew36ksjo9zj20hm0brgm4.jpg
http://tp3.sinaimg.cn/5594081530/50/5726531681/1 CCF通讯 网页链接 2015-09-15 13:46
会议活动 IJCAI 会议 唐杰 张永锋
CCCF 2015年第9期动态文章【人工智能的“探戈”之旅——第24届国际人工智能联合会议】作者：张永锋 李昕 唐杰 张敏 第24届国际人工智能联合会议(the24thInternationalJointConferenceonArtificialIntelligence,IJCAI’15)于7月25~31日在阿根廷布... http://t.cn/RyVwP5x
http://tp1.sinaimg.cn/5220650532/50/5701668539/1 好东西传送门 网页链接 2015-09-15 13:37
深度学习 视觉 算法 自然语言处理 简报 情感分析
第361期机器学习日报(2015-09-14)http://t.cn/RyVZHqO 1) 机器学习指南 2) 深度学习：生成艺术的新范式与版权的烦恼 3) PyBrain的介绍视频 4) 从“0”开始实现机器学习算法 5) 论文:情感分析综述 完整版19条http://t.cn/RyVZHq0
http://ww3.sinaimg.cn/large/005HjjGQgw1ew32wz4w9oj30go050wf6.jpg
http://tp1.sinaimg.cn/3769368692/50/5730530271/1 格灵深瞳 网页链接 2015-09-15 11:37
算法 语韍 ? 行业动态 神经网络 辛顿
【谷歌施密特：人工智能发展进入质变】http://t.cn/RycFAnf 施密特指出，人工智能的相关研究触及拐点。几年前，杰夫·辛顿作为人工神经网络的专家，其领导的团队极大的提高了语音识别的准确性。施密特还指出，人们对科技的关注也将加速人工智能的发展。
http://ww4.sinaimg.cn/large/e0ac0074gw1ew2zh7jqltj20og0hgabc.jpg
http://tp2.sinaimg.cn/2008779105/50/5633228182/1 IEEE中国 网页链接 2015-09-15 11:30
应用 机器人
【MIT研发酒吧服务的机器人团队】据悉，麻省理工学院计算机科学和人工智能实验室（CSAIL）的研究人员们业已研发出了一组可以共同协作的机器人团队，这些机器人可以完成倒酒并将啤酒递送给点单者的任务。http://t.cn/RyckMOh
http://ww4.sinaimg.cn/large/77bb8961jw1ew2x8lidssj20h80dvgnu.jpg
http://tp3.sinaimg.cn/5545466650/50/5721998107/0 学术大观察 网页链接 2015-09-15 11:04
算法 应甍 ? 机器人 神经网络
【仅需72小时！机器人可自学国际象棋成为大师】伦敦帝国理工学院的研究人员制造出一款人工智能机器。借助于神经网络技术，它能像人一样学会评估棋子的位置，发现规律并掌握规律。神经网络技术在过去几年中取得巨大进步，让机器人不需要再通过强大的计算能力预测对手下一步的走法。http://t.cn/Ryc5P7B
http://ww2.sinaimg.cn/large/0063idcujw1ew2yi83xrfj30rs0ijq7c.jpg
万精油墨绿 网页链接 转发于2015-09-15 18:11
神经网络技术早就有了，不过，现在计算机越来越强大，可以多加节点和层次，使相应的神经网络变得强大起来。通过数据库以及自己与自己对弈来训练的招数，我十多年前在【墨绿】中已经就提到过了。这是很有前途的道路。围棋比国象难太多，还有一阵路好走。
http://tp1.sinaimg.cn/3369755644/50/5661949136/1 课程图谱 网页链接 2015-09-15 08:30
资源 课程 数据科学
#开课提醒# Coursera上的公开课"Big Data Science with the BD2K-LINCS Data Coordination and Integration Center"今日开课，感兴趣的同学可以关注: Learn various methods of analysis including: unsupervised clustering, gene-set enrichment analyses,...... http://t.cn/RycHV6d
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-15 08:27
会议活动 ICDM 会议 教育网站
定向营销和病毒传播都被建模为选择结点子集从而最大化网络传播，对于攻击者有针对性的攻击却被忽视。Monitoring Stealthy Diffusion 考察攻击者攻击特定对象同时避过检测这一“秘密传播”设置，为防御者选择最优监控位置从而最大化检测到这些秘密传播的概率。http://t.cn/RycHzE3
http://ww2.sinaimg.cn/large/972a1170gw1ew2tyrwe4lj20wt0pzwik.jpg
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-15 08:07
会议活动 算法 应用 NIPS 会议 矩阵 论文 推荐系统
SVD在隐藏语义分析、协同过滤和非凸正则优化都有应用。近似SVD有两条路：迭代的幂法（随机同时迭代）和非迭代的sketching法。Stronger and Faster Approximate Singular Value Decomposition via the Block Lanczos Method 块Lanczos加速前者，同时优于后者 http://t.cn/RycYCTI
http://ww1.sinaimg.cn/large/972a1170gw1ew2tdesq7bj219m0j6agj.jpg
http://tp4.sinaimg.cn/1769670415/50/5714038815/1 许家铭_NLP 网页链接 2015-09-15 07:30
深度学习 应用 自然语言处理 TFIDF 信息检索
基于RNN的文本语义表示效果真的好吗？个人经验RNN在聚类任务上效果比AveEmb好点，比Para2Vec差。主题分类中CNN较优。情感分类可能与特定语序及句法结构相关，RNN也能捕捉得较好。判别式和生成式或许就该自司其职或相互互补，不否认一些CNN/RNN替换工作。长文本DNN深层表示完胜不过TFIDF，跨层可能好点
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-09-15 06:29
算法 论文 神经网络
【论文+笔记:Variational Dropout & Local Reparameterization Trick】《Variational Dropout and the Local Reparameterization Trick》DP Kingma, T Salimans, M Welling (2015) http://t.cn/Rycp2te 《Notes on Variational Dropout and the Local Reparameterization Trick》http://t.cn/Rycp2tD
http://ww2.sinaimg.cn/large/5396ee05jw1ew2qixrt7bj20f808n40e.jpg
http://tp1.sinaimg.cn/2536116592/50/5716095299/0 iB37 网页链接 2015-09-15 01:43
会议活动 深度学习 算法 应用 资源 ICML NIPS 会议 课程 论文 预测
人学习是从简单到复杂,循序渐进,叫“课程学习”Curriculum Learning . 对于RNN/LSTM: 在训练阶段,预测下一个token时前一个token是正确的;在推理阶段,前一个token却可能是错误的导致错误累加.Scheduled Sampling for Sequence Prediction with RNN http://t.cn/Ry4B57s
http://ww3.sinaimg.cn/large/972a1170gw1ew2iad271vj216a0j3gqf.jpg
页:
[1]