15 篇最新 AI 論文來襲！NLP、C
這是 的第 72 篇文章
via an
@ 推薦
#
本文主要研究機器翻譯領域最先進的 系統（ is all you need）。針對該系統解碼效率底下的問題，本文在模型設計層面提出平均注意網絡，在不損失翻譯質量的情況下，本文所提模型有效提升解碼速率 4~7 倍。
本文在 WMT 六個語言對 12 個翻譯方向上進行了實驗論證，結果一致地表明本文所提模型可以有效地提升解碼速率，并生成高質量譯文。
論文鏈接
代碼鏈接
for
@ 推薦
#
本文來自 ’18。深度表征學習網絡可以自動地學習數據集中數據的表示，但是這也存在局限性，其被局限到被采樣的數據中，而對未見過的數據域泛化能力有限。本文借助對抗網絡對表征學習網絡進行正則化，其分類器向表征網絡提供負反饋，使其不會陷入特定數據域的表征學習，從而提升網絡對的泛化能力。
論文鏈接
@ 推薦
#Text
本文來自 AI ，論文使用層次話結構做故事生成，解決長依賴性問題。少信息->多信息， self- + ， 時 word 從 word prob 中隨機選取，可減少生成重復文本。
論文鏈接
DOTA: A - for in
@ 推薦
#
本文提出了一個數據集，包含 2806 張遙感圖像（大小約 4000*4000），188,282 個 ，分為 15 個類別。
論文鏈接
代碼鏈接
數據集鏈接
Deep
@ 推薦
#
脈沖神經網絡（SNN）在生物理論中備受關注。理論上脈沖神經網絡應該與人工神經網絡的性能是相同的，但是訓練深層的 SNN 是非常困難的。本文提出了一種脈沖版本的 ，并且在 、 等數據集上實驗得到了 of the art的結果。
論文鏈接
Deep for
@ 推薦
#
本文是亞馬遜和 UT 發表于 ICLR 2018 的工作，論文在命名實體識別的方法上引入主動學習，在少量數據集即可達到較優結果，感覺也可以擴展到其他自然語言方向。
論文鏈接
An
@ 推薦
#
本文來自微軟，本文結合 deep 和 rank net，設計對成對的圖片的 排序模型。模型首先使用深度卷積得到網絡圖片的 的均值和方差，然后使用設計好的標準，對兩個圖片之間的關系進行預測。
論文把模型排序結果和搜索引擎排序結果比較，質量得到較明顯提升。
論文鏈接
as : , LINE, PTE, and
@ 推薦
#
本文來自清華和微軟。論文創造性地將 ，LINE， 等 的方法，通過 框架來統一表示。
進一步地基于 的思路，作者提出 方法，實驗證明優于 ，LINE 的算法。此外作者也給出了相關 的嚴格數學證明。
論文鏈接
代碼鏈接
for
@ 推薦
#
本文是北京大學發表于 ACL 2018 的工作，論文提出用 解決句內重復和輸入輸出語義無關問題， Unit + Self 。
論文鏈接
Look to See : for Fine-
@RTM 推薦
#
本文是 CVPR 2017 的一篇 Oral 文章，主要工作集中在細粒度圖片識別。文中提出了一種級聯的網絡結構，通過 sub- 實現粗粒度圖片到細粒度圖片的獲取和識別，文中充分利用了卷積神經網絡的注意力機制，在原始圖片的基礎上裁剪、放大識別圖片中目標。
論文鏈接
An for a and View
@ 推薦
#
本文來自 ，提出用 根據不同的輸入粒度計算相似度，將答案的特定部分中的局部信息與整個問題的全局表示相結合。 的關鍵就是文本相似度的計算，文章有可以學習的地方。
最后在 上評估系統，實驗目的是看注意力機制關注的哪些部分文本，并探究其在不同參數設置下的表現，結果比 IBM（ for ）提出的 LSTM 稍微提高了一些。
論文鏈接
Deep & for Ad
@c0de 推薦
#Ad
本文來自斯坦福大學和 ，論文利用深度學習自動高效得學習高階交叉特征，免去特征工程。
論文鏈接
- with
@ 推薦
#
本文來自斯坦福吳恩達組，該論文主要做的事情建立了從單導聯的心電信號到 14 種心臟疾病的模型，模型是一個 34 層的 CNN 網絡。文章定義了 12 種心臟異常狀態和竇性心率及噪聲，共 14 種。模型主要是 34 層的殘差 CNN 將 ECG 序列映射到 序列。
本文聲稱自己的模型超過了心電科的醫生，不同于傳統的提取各種統計指標再訓練模型，是一種直接從 訓練的模型，確實能夠減少很多工作量。
論文鏈接
for
@mev 推薦
#
本文介紹了 的一個檢索式實現，這個結果應該是實際產品化了的，有一定的參考價值。文章中使用了大量的方式來降低模型的 ，并且使最終結果保持在較高精度。
比較有意思的是文中有一個實驗，使用句子的 sum 來表示句子，然后通過一個 RNN 重新生成原句，在幾十萬詞的數據集下得到了 ppl 為 1.2 的結果，證明了僅僅使用 就可以捕捉到足夠的句子序列信息了。
論文鏈接
: A Deep for of Long-tail Web
@ 推薦
#
作者使用深層自編碼器解決推薦中的一個新穎問題：長尾推薦問題。探索了深度學習在推薦系統中越來越多的領域。
論文鏈接
代碼鏈接
#推 薦 有 禮#
本期所有入選論文的推薦人
均將獲得紀念周邊一份
▲機器學習主題行李牌/卡套
▲ 深度學習主題防水貼紙
想要贏取以上周邊好禮？
