第1154期AI100_机器学习日报(2017-11-15)

AI100_机器学习日报 2017-11-15

• 大规模机器学习框架的四重境界@ChatbotsChina
• 谷歌移动端深度学习框架TensorFlow Lite正式发布@ChatbotsChina
• 深度学习关系抽取模型汇总@PaperWeekly
• 构建强化学习系统的背景知识@南京轻搜
• MILA(Montreal Institute for Learning Algorithms)出品PyTorch教程@爱可可-爱生活

@好东西传送门 出品,由@AI100运营， 过往目录 见http://geek.ai100.com.cn

订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群

本期话题有：

全部22深度学习11资源7算法5自然语言处理4 公告板1 应用1 知识工程1 语音1 会议活动1

用日报搜索找到以前分享的内容： http://ml.memect.com/search/

今日焦点 (5)

ChatbotsChina网页版2017-11-15 10:30



大规模机器学习框架的四重境界 http://t.cn/RjxXf2N ​

ChatbotsChina网页版2017-11-15 17:19

深度学习 行业动态

终于！谷歌移动端深度学习框架TensorFlow Lite正式发布 By 机器之心 http://t.cn/RjJ25hn ​

PaperWeekly网页版2017-11-15 16:09

深度学习 知识工程 Max Pooling 知识提取

【关系抽取】A Survey of Deep Learning Methods for Relation Extraction 本文对当前基于DL方法完成关系抽取任务的模型进行了汇总，主要收录了一些基于CNN及其变种（Postion embedding/max pooling/multi-instance learning/piece-wise CNN/attention）进行了简要的介绍，适合对于想要了解RE相关进展…全文：http://m.weibo.cn/2678093863/4174380706137171 ​

南京轻搜网页版2017-11-15 12:23

算法 强化学习

【构建强化学习系统，你需要先了解这些背景知识】文旨在分享 85 页强化学习课本中最重要的内容，我们从最基础的马尔科夫决策过程开始一步步构建形式化的强化学习框架，然后再详细探讨贝尔曼方程以打好强化学习的基础。http://t.cn/RqQCBk2http://t.cn/RjGXDXF ​

爱可可-爱生活网页版2017-11-15 05:41

深度学习 资源 Mila Pytorch 代码 课程

【MILA(Montreal Institute for Learning Algorithms)出品的PyTorch教程】“MILA pyTorch tutorials” GitHub:https:\//github.com\/mila-udem/welcome_tutorials/tree/master/pytorch ​

最新动态

2017-11-15 (14)

ChatbotsChina网页版2017-11-15 17:22

深度学习

学界 | DeepMind提出架构搜索新方法：使用分层表示，时间短精度高 By 机器之心 http://t.cn/RjJ2YSa ​

IT技术博客大学习网页版2017-11-15 17:05

David Mimno

【给机器学习初学者的建议 （David Mimno）】 详见：http://t.cn/RjiRhqI 分享自@whatbeg ​

AI科技大本营网页版2017-11-15 16:29

深度学习 资源 课程

http://t.cn/Rji9W0T 如何选择入门课程？如何选择深度学习框架及编程语言？如何上手数据？如何配置一台能运行深度学习的电脑并跑出你的第一个模型？ ​

PaperWeekly网页版2017-11-15 15:13

深度学习 语音 王东

【语音识别】Generalized End-to-End Loss for Speaker Verification 这篇文章是 Google 投 ICASSP2018 的，本文在原始端到端框架上重新设计了更加具有可分性的判别函数和度量距离（1. 损失函数和清华大学王东老师投 ICASSP2018 的 FULL-INFO TRAINING FOR DEEP SPEAKER FEATURE LEARNING 文章有异曲…全文：http://m.weibo.cn/2678093863/4174366558350505 ​

PaperWeekly网页版2017-11-15 14:37



【行人重识别】Unsupervised Adaptation for Deep Stereo 文章有何贡献：本文提出了一种新的 fine-tuning 的方法使在大量合成数据上训练的 DispNet 可以迁移到无 groudtruth 或者只有极少量的 groundtruth 的实际数据集上。 本文研究的问题有何价值：双目深度估计的标签现实中很难获得，本文提出的 …全文：http://m.weibo.cn/2678093863/4174357394233999 ​

PaperWeekly网页版2017-11-15 14:35

资源 自然语言处理 数据

【无监督学习】Word Translation Without Parallel Data 本文贡献：1. 一种无需平行语料的无监督词翻译方案；2. 缓和 hubness problem 的方案；3. 无监督验证与选参方法；4. 证明本方法在词料较少的语言的适用性；5. 多种语言的词翻译结果。 主要价值：无监督和无平行语料的训练方案和对抗学习的应…全文：http://m.weibo.cn/2678093863/4174357045074717 ​

PaperWeekly网页版2017-11-15 14:29

会议活动 算法 自然语言处理 IJCAI 分类 会议迁移学习 情感分析 杨强

【情感分类】End-to-End Adversarial Memory Network for Cross-domain Sentiment Classification 该论文是香港科技大学杨强老师团队的工作，发表在 IJCAI2017 上。该论文在跨领域情感分类任务上使用了一个端到端的对抗记忆网络进行迁移学习。 该网络有两部分组成，一个情感分类器（目的找到对情感分…全文：http://m.weibo.cn/2678093863/4174355455418608 ​

爱可可-爱生活网页版2017-11-15 13:27

公告板 自然语言处理 问题主题模型

《主题模型(topic model)到底还有没有用，该怎么用？ – 知乎》 http://t.cn/RKTNvHp ​

AI前线网页版2017-11-15 10:48



发布了头条文章：《打造机器学习的基础架构平台》 http://t.cn/RjxNOVW ​

爱可可-爱生活网页版2017-11-15 08:52

算法 Allen Institute Dai Zhuyun 代码 论文 神经网络

‘K-NRM: End-to-End Neural Ad-hoc Ranking with Kernel Pooling’ by Dai Zhuyun GitHub: https:\//github.com\/AdeDZY/K-NRM ref:《End-to-End Neural Ad-hoc Ranking with Kernel Pooling》 [CMU & Tsinghua University & Allen Institute for AI] (2017)http://t.cn/RjM1xcZ ​

爱可可-爱生活网页版2017-11-15 08:43

经验总结 博客

【用TensorFlow Lite做移动端会话建模】《On-Device Conversational Modeling with TensorFlow Lite | Google Research Blog》by Sujith Ravi,http://t.cn/RjMuV5R ​

爱可可-爱生活网页版2017-11-15 08:30

深度学习 算法 资源 自然语言处理 代码 分类 课程 情感分析

【教程：用AllenNLP/PyTorch训练文本情感分类器】’Getting started with AllenNLP and PyTorch by training a sentiment classifier’ by RECOGNAI GitHub: https:\//github.com\/recognai/get_started_with_deep_learning_for_text_with_allennlp ​

爱可可-爱生活网页版2017-11-15 06:12

应用 资源 机器人 视频

《Conference on Robot Learning (CoRL 2017) – YouTube》 http://t.cn/RjMoStD ​

爱可可-爱生活网页版2017-11-15 05:50

深度学习 资源 Adam Paszke 视频

【PyTorch：动态深度学习模型研究框架】《PyTorch a framework for research of dynamic deep learning models – YouTube》by Adam Paszkehttp://t.cn/RjMSAZK ​