大家还感兴趣的 >>>
开云体育官方网址
吴恩达等大佬推荐!AI领域必读的13篇论文-开云体育官方网址
吴恩达等大佬推荐!AI领域必读的13篇论文-开云体育官方网址
吴恩达等大佬推荐!AI领域必读的13篇论文-开云体育官方网址
吴恩达等大佬推荐!AI领域必读的13篇论文-开云体育官方网址 首页 > 业绩展示 > 国际业绩
本文摘要:在机械学习和人工智能领域必须读的论文有哪些?

在机械学习和人工智能领域必须读的论文有哪些?想必这个问题引起了许多人的共识。克日,外洋的一位博客作者联系到了吴恩达、Jeff Clune等一众业界大佬,请他们推荐了各自认为最值得阅读的论文。

关注本民众号(turingtopia),回复“必读论文”即可获取下载。详细先容如下:1. Jeff Clune,OpenAI研究团队卖力人《Learning to Reinforcement Learn (2016)》 - Jane X Wang et al本文提出了两个关键的看法,即稀疏训练数据的局限性,以及在完全监视的情况下,递归网络是否能够支持元学习。

这些看法在七个观点验证实验中获得了论述,每一个实验都考察了深层元- rl的一个关键方面。我们思量了扩展和扩大该方法的前景,并指出了一些对神经科学的潜在重要意义。《Gradient-based Hyperparameter Optimization through Reversible Learning (2015)》 - Dougal Maclaurin, David Duvenaud, and Ryan P. Adams.Jeff推荐的第二篇论文通过在整个训练历程中反向链接导数,盘算了与所有超参数相关的交织验证性能的准确梯度。

开云体育ios/安卓版/手机版app下载

这些梯度允许数千个超参数的优化,包罗步长和动量调理、权重初始化漫衍、富厚参数化正则化方案和神经网络架构。2. 三星研究美国智能电视部门首席科学家(全球)和机械学习研究团队卖力人Shalini Ghosh《Long Short-Term Memory (1997)》 - Sepp Hochreiter and Jürgen Schmidhuber这篇(论文)是1997年的开创性论文,其思想是超前的。

开云体育官方网址

直到最近(例如已往6年左右),硬件加速器才气够运行LSTM的训练/服务操作,从而导致LSTM乐成用于许多应用(例如语言建模,手势预测,用户建模)。LSTM的基于内存的序列建模体系结构很是有影响力-它启发了最近许多的革新,例如Transformers。《Efficient Incremental Learning for Mobile Object Detection (2019) 》- Dawei Li et al本文讨论了盛行的工具检测模型RetinaNet的新颖变体,并先容了增量学习的规范,该规范对于多模式学习的此应用法式和其他应用法式很有用。本文使用的关键思想和增量学习公式对任何从事盘算机视觉事情的人都是有用的,而且可以为未来在移动设备上使用的高效增量算法的创新铺平门路。

3. Kenneth Stanley,UCF教授、Uber高级研究司理《Emergent Tool Use From Multi-Agent Autocurricula (2019)》 - Bowen Baker et alKen选择这篇论文是因为它给出了突刊行为的奇特示例,并表示了开放端的开始。论文自己发现了在我们情况中署理战略中六个紧迫阶段的明确证据,每个阶段都给对立团队施加新的压力。例如,署理学会使用可移动的盒子来制作多目的掩体,这反过来又导致署理发现他们可以使用坡道克服障碍。

《Open-endedness: The last grand challenge you’ve never heard of (2017)》 - Kenneth Stanley et al他的建议是“对开放性挑战的非技术性先容”。本文中的形貌仅说明晰该挑战是什么,如果解决了它将带来惊人的影响,以及如果我们引发了您的兴趣,该如何加入。

4. Gartner数据科学总监Andriy Burkov《Attention Is All You Need (2017)》 - Ashish Vaswani et alAndriy用他自己的话推荐了这份2017年的论文,“用BERT等经由预训练的Transformer模型将NLP提升到了一个全新的水平。本文提出了一种新的简朴网络架构,即Transformer,它完全基于注意力机制,完全消除了递归和卷积。在两个机械翻译任务上举行的实验讲明,这些模型在质量上具有优势,同时具有更高的可并行性,而且所需的训练时间显着更少。5. Landing AI首创人兼首席执行官,deeplearning.ai的首创人吴恩达《Modeling yield response to crop management using convolutional neural networks (2020) 》- Andre Barbosa et al.在这项事情中,吴恩达等人提出了卷积神经网络(CNN),以捕捉具有差别属性的相关空间结构,并将它们组合起来以模拟对养分和种子量治理的产量响应。

通过9个玉米田的田间实验,构建合适的数据集,对CNN模型举行训练和测试。对网络中差别阶段的输入属性组合的四种体系结构举行了评估,并与最常用的预测模型举行了比力。《A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis (2019) 》- Xiaoxuan Liu et al本文评估了深度学习算法与医疗专业人员在使用医学成像对疾病举行分类方面的诊断准确性。

接纳统一的条理模型举行外部样本外验证的研究被纳入元分析。6. 格雷格里(Gregory Piatetsky-Shapiro),KDnuggets总裁,数据科学家当我们与Gregory接触时,他建议他的论文选择是基于试图明白AI和ML的主要趋势的,最近的两篇论文确实对他很重要。

开云体育官方网址

“我最近读过的两篇重要论文是Gary和Francois的文章。我还建议寓目Yoshua Bengio和Gary Marcus在蒙特利尔为前者举行的辩说。”《The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence (2020) 》- Gary Marcus本文综述了近年来人工智能和机械学习领域的研究希望,着重先容了通用学习和越来越大的训练集以及越来越多的盘算。

与此形成对比的是,Gary提出了一种混淆的、知识驱动的、基于推理的方法,以认知模型为中心,可以为一个比现在可能的更富厚、更具鲁棒性的AI提供基础。《On the Measure of Intelligence (2019)》 - François CholletGregory的第二个推荐是FrançoisChollet的“关于智力的怀抱”。本文总结并批判性地评估了丈量智力的界说和评估方法,同时使隐含指导它们的两个历史智力观点显而易见。

François随后基于算法信息论阐明晰一种新的形式化的智力界说,将智力形貌为技术获取效率,并突出了规模,泛化难度,先验和履历的观点。7. Myriam Cote,照料《Tackling climate change with Machine Learning (2019) 》- David Rolnick, Priya L Donti, Yoshua Bengio et al.Myriam的建议涵盖了机械学习及其对情况的影响。

开云体育官方网址

气候变化是人类面临的最大挑战之一,因为机械学习专家想知道它们如何提供资助。在本文中,作者形貌了机械学习如何成为淘汰温室气体排放并资助社会适应气候变化的有力工具。从智能电网到灾难治理,他们与其他领域互助,识别高影响力的问题,这些问题可以通过机械学习来填补现有的空缺。8. Kirk Borne,首席数据科学家和数据科学研究员,Booz Allen Hamilton的执行照料《The Netflix Recommender System: Algorithms, Business Value, and Innovation (2015) 》- Carlos Gomez-Uribe & Neil Hunt.“这篇文章已有几年历史,而且不是专门技术性文章,可是它涵盖了许多基本问题,业务决议点,算法特征,怀抱和数据特征,您必须在思考之前,之中和之后举行思考,测试和验证在操作情况中部署AI算法。

我也喜欢这篇文章,因为推荐引擎很受接待,在许多差别的行业中使用,而且获得了所有人(甚至是非专家)的认可-因此,本文可以很快为学生带来等)对算法及其兴趣和赢利时机有更深入,更富厚的相识。”原文链接:https://blog.re-work.co/ai-papers-suggested-by-experts/。


本文关键词:开云体育官方网址,开云体育ios/安卓版/手机版app下载

本文来源:开云体育官方网址-www.ytslmm.com

电 话
地 图
分 享
咨 询