|
|
机器学习日报 2015-12-08
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
今日焦点 (5)
 Google谷歌爱好者 网页链接 2015-12-08 23:22
深度学习 行业动态
【揭秘谷歌DeepMind神秘的14位AI科学家】谷歌DeepMind在伦敦大约有140名成员，致力于“解决智能”，可以说是目前英国最有趣的科技公司之一。除了三位联合创始人之外其他员工是一个谜，本文以DeepMind网站贡献科学论文数量对贡献者进行了总结和排名。http://t.cn/R4hcsrr （分享自@CSDN移动 )
 segmentfault:图灵访谈 网页链接 2015-12-08 16:53
视觉 算法< /a>自然语言处理 王栋 语言学
【王栋： 要做好推荐，只有技术是不够的】非商业转载请注明作译者、出处，并保留本文的原始链接： 王栋 ，美团网技术总监，负责美团外卖的搜索推荐及数据团队。2009年他博士毕业于清华大学人工智能实验室，研究机器学习算法及计算机视觉的中层语义表示问题。毕业后先后任职于hulu及优酷，主要从事网络视频中的搜索、推荐、广告等流量变现工作。曾多次带队或参与TRECVID/KDDCUP等国际机器算法竞赛并取得第一名。2011年带领团队... http://memect.co/25PB5KiVYu6
 iB37 网页链接 2015-12-08 12:21
会议活动 深度学习 算法 NIPS 会议 神经网络
#NIPS15三篇最佳论文# 1）Competitive Distribution Estimation:Why is Good-Turing Good [Orlitsky,UCSD] 实践中用的平滑技术的理论分析 2）Fast Convergence of Regularized Learning in Games [Syrgkanis,MR]带新近偏置的正则学习(FTRL) 3）RNN神经网络控制器 [Mordatch,UW] http://t.cn/RUk0FAf
 格灵深瞳 网页链接 2015-12-08 09:57
应用 机器人
【关于人工智能的一切疑问，你都可以从这里得到答案】http://t.cn/R4vhPNF 人们对于人工智能和机器人的兴趣越来越浓，而且未来它们会变得很重要。但是它们对我们意味着什么？The Conversation总结了绝大多数人会想问的问题，并邀请诸多专家进行了回答。
 伯乐在线官方微博 网页链接 2015-12-08 09:00
经验总结 博客 数据质量 特征工程
《人肉工程在机器学习实践中的作用》关于人肉工程，包括业务知识、领域知识，经验等，在实际的机器学习问题中的应用，是一个屡见不鲜的话题，典型的有苦逼的数据清洗、人肉特征工程等。http://t.cn/RUF1TfR（作者：@水石头stone ，欢迎加入伯乐在线作者团队：http://t.cn/RLyMsOQ ）
最新动态
 微软学术合作 网页链接 2015-12-08 22:40
公告板 深度学习 视觉 算法
【用花卉识别系统打败#12306验证码# 】被逆天的验证码逼疯？无法识别验证码中的花卉？求助微软亚洲研究院和中科院合作的智能花卉识别和知识系统！只要把不认识的花卉图片上传，这个利用深度学习算法和视觉注意算法，运用260万张花卉照片训练深度模型的系统马上助你识别花卉。详情http://t.cn/R4h6OY6
iB37 网页链接 2015-12-08 20:32
会议活动 深度学习 视觉 NIPS 会议 可视化
NIPS15三个Symposium之一<深度学习>采取基于PC推荐来选拔文章和演讲者，选了11篇oral和22篇poster。五位组织者分别担任致欢迎词和会话主席，有两个panel。oral包括变换网络、梯形网络、对手网络、港中文深度人脸识别。poster包括指针网络、记忆网络、自然网络、RNN可视化。http://t.cn/R4hfQf8
 好东西传送门 网页链接 2015-12-08 19:19
视觉 算法< /a>回归 简报 神经网络 异常检测
第445期机器学习日报(2015-12-07)http://t.cn/R4htRZ4 1) 用神经网络学习超级马里奥游戏 2) 机器学习逻辑回归模型总结 3) 图像中异常检测异常(反常)图像分类与计算模型研究 4) 为何说机器视觉是人工智能的下一个前沿 5) 机器学习系统隐藏的技术债 完整版22条 http://t.cn/R4htRZU
 湾区日报BayArea 网页链接 2015-12-08 16:14
自然语言处理
【为什么在电子邮件领域这么不容易创新】很容易设计出美轮美奂的概念性质的电子邮件客户端，难的是实际做出来并符合千奇百怪的用户的高期望。邮件以纯文本传输，格式很古老很古怪，你写的程序总是会漏掉各种边边角角的情况没有处理｜简评：http://t.cn/R4h2soG 原链：@collinmathilde/why-its-so-hard-to-innovate-in-the-e-mail-space-9874e08e3426">[url]http://t.cn/R4h2soq[/url] #湾区日报#
湾区日报BayArea 网页链接 转发于2015-12-08 16:16
现在的用户其实都比较能理解软件也是人做的，也会出问题；比如某社交网站一时半会上不去，也没什么大不了的。但人们正经的信息都在邮箱里了，人们对电子邮件相关产品的期望都很高，决不允许出什么差错，要求超级稳定，超级好用，超级安全。今天的新闻：Dropbox即将下线Mailbox
西瓜大丸子汤 网页链接 转发于2015-12-08 16:18
我的想法是，电子邮件承载的是通信和记忆两大功能。这两者的核心应该是突出重要信息，帮助联想。仅仅是界面的改造，不解放人的注意力稀缺是不够的。语义分析基础上的分类和机构化数据提取才是答案
silverhawk_ny 网页链接 转发于2015-12-08 23:07
其实我觉得最主要是，电子邮件对于用的人,重要性远远超过社交信息，新闻推送这些，所以愿意自己打理，一自己打理就发现那些花里胡哨的创新没用，gmail到现在简单的分类都做不好，就4个label而已
 等魔炮3rd的高町薇薇欧超萌久远 网页链接 2015-12-08 14:55
会议活动 深度学习 视觉 资源 CVPR PDF 会议 论文
http://t.cn/R4hZLX0 孙祎的新paper，只扫了眼abstract，大概是筛选cnn的参数把一个dense的网络变成一个sparse的，其实和我的想法差不多，cnn train出的卷积模板不一定都有用，有效筛选不仅可以提高识别率还可以减少计算开销。这模板应该是CVPR，然后他投这paper感觉意味着我那篇要悲剧的节奏啊（哭瞎
 南大周志华 网页链接 2015-12-08 14:16
会议活动 深度学习 NIPS 会议
NIPS15深度学习稿件仅占9%，比很多人预计的少。这9%有一大半是vision人士贡献。ML研究主题相当发散，体现出机器学习本身百花齐放，研究深度学习的并不比其他分支的多。这与媒体的认知明显不同。大批新人涌入，参会人数增加50%到了近4000人。开到夜里12点的墙展报告仍热闹非凡 http://t.cn/RU1bhF3
 视觉机器人 网页链接 2015-12-08 12:47
视觉 代码 教育网站
@于亻士王其 老师的免费人脸检测库进行了更新：三个人脸检测函数再次提速，multiview_reinforce()提速为上一版本的2.3倍，比OpenCV的正面人脸检测还要快，最快的达到232FPS。下载链接： http://t.cn/RwhgTnB更多的人脸检测新Paper参见FDDB：http://t.cn/zH0uIuC
 InfoQ 网页链接 2015-12-08 12:00
深度学习 视觉 语音 自然语言处理 行业动态
【百度语音技术及最新进展】百度语音技术的核心成分是语音识别、语音合成、语义理解、声纹识别、音频通讯和音频检索技术。语音识别这块,百度语音可以做到场景化识别,且自选语言模型。识别技术上,百度使用更精准的基于听觉感知DNN声学建模技术,拥有更高的识别率,达到国际领先水平 http://t.cn/R4PNmx7
 王威廉 网页链接 2015-12-08 10:05
会议活动 资源 Neil Lawrence NIPS 会议 课程
Neil Lawrence公布了机器学习顶级会议#NIPS2015#的注册人数：3755人。其中讲习班的注册人数较去年翻倍，主会和研讨班的注册人数也有大幅度上升。看来机器学习这一波的热潮还在高涨的过程中。
 颜沁睿_KUL 网页链接 2015-12-08 08:19
视觉 论文
亲测, real time object detection on webcam!! 可惜560破显卡带不动完全版网络, 只用small版本的测试, 对人和车辆等常见物体的检测都还可以. 大有可玩. 这东东好犀利, 作者写码能力也犀利,作者的简历样式更是犀利得令人发指!!! 论文link: http://t.cn/R4PR6km project link: http://t.cn/RUnEOUM
 爱可可-爱生活 网页链接 2015-12-08 06:06
Johannes Kepler 代码 论文
【论文+代码(c++):高效的超稀疏/非线性/高维表示学习——修正系数网络(RFNs)】《Rectified Factor Networks》D Clevert, A Mayr, T Unterthiner, S Hochreiter [Johannes Kepler University] (2015)http://t.cn/R4PHUzm GitHub(librfn):http://t.cn/R4PHUzu
|
|
发表于 2015-12-9 14:09:12
