机器学习日报 2017-02-02
- 机器翻译年度回顾与展望
- 来自微软的文章:如何选择机器学习算法
- TensorFlow, Spark MLlib, Scikit-learn, MXNet, Microsoft Cognitive Toolkit 和 Caffe 6 个机器学习和深度学习框架的对比评论
- Quora 问答:Andrew Ng 教你如何学习机器学习
- 增强学习C++模版库RLLib
@好东西传送门 出品,由@AI100运营, 过往目录 见http://ml.memect.com
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13 算法11 视觉4 架构2 自然语言处理2 应用2 资源2 入门1 公告板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)

自然语言处理 机器翻译
【机器翻译年度回顾与展望】《The Machine Translation Year in Review & Outlook for 2017》by K Vashee @kvashee/the-machine-translation-year-in-review-outlook-for-2017-805124aec8e6″>http://t.cn/Rx1GTT4

算法
【How to choose machine learning algorithms】 http://t.cn/RMRI3ts 来自微软的文章:如何选择机器学习算法。干货!

架构 深度学习 Spark
TensorFlow, Spark MLlib, Scikit-learn, MXNet, Microsoft Cognitive Toolkit 和 Caffe 6 个机器学习和深度学习最优框架的对比评论,可作为选型参考。 http://t.cn/Rxrt3k4

入门 Andrew Ng
Quora 问答:Andrew Ng 教你如何学习机器学习 https://toutiao.io/posts/m6b3o7 分享自 @KevinCoding 开通的独家号《有梦想的北航人》 https://toutiao.io/subjects/88023 (想看更多?下载 @开发者头条 App: http://toutiao.io/app/download )

算法 代码 教育网站 强化学习
【增强学习C++模版库RLLib】“RLLib – C++ Template Library to Predict, Control, Learn Behaviors, and Represent Learnable Knowledge using On/Off Policy Reinforcement Learning” by Saminda Abeyruwan http://t.cn/Rx3bX38 GitHub: http://t.cn/Rx3bX3Q
最新动态
2017-02-02 (16)

架构 经验总结 深度学习 视觉 Patrick Rodriguez Spark 博客 代码
【(Keras)用多进程图像增强加速深度学习】《Accelerating Deep Learning with Multiprocess Image Augmentation in Keras》by Patrick Rodriguez http://t.cn/RxBgjDA GitHub: http://t.cn/RxBgjDz

深度学习 算法 应用 论文 神经网络 信息检索
《Towards “AlphaChem”: Chemical Synthesis Planning with Tree Search and Deep Neural Network Policies》M Segler, M Preuß, M P. Waller [Westfalische Wilhelms-Universitat Munster & Shanghai University] (2017) http://t.cn/RxBrPLD

公告板 统计
【传说中的贝叶斯统计到底有什么来头?】贝叶斯统计在机器学习中占有一个什么样的地位,它的原理以及实现过程又是如何的?本文对相关概念以及原理进行了介绍。 http://t.cn/RxBlpKR

深度学习 算法 自然语言处理 CRF 代码
kcws加入字卷积+LSTM+CRF的词性标注支持, http://t.cn/RxBPGbI demo: http://t.cn/Rfou874 训练出来的结果看,人民日报2014语料的词性标注更像是某个程序标的,静态的,能拟合到99.6%

深度学习 算法 Yoshua Bengio 神经网络
【新智元导读】Yoshua Bengio 日前在 Beneficial AI 大会上发表题为《创造人类水平AI》的演讲,总结深度学习技术发展及问题,Bengio 认为①极深网络(Very Deep NN)能更好地处理序列数据且有望处理高层抽象,相关研究有巨大应用前景;②随着加速神经网络的专门硬件越来越多,接下来几年我们会得到更多…全文: http://m.weibo.cn/5703921756/4070747322488081

应用 Python 推荐系统
【最佳Python开源推荐系统】《What is the best open source package to build a recommender system in Python? – Quora》 http://t.cn/Rx19E3U

深度学习 算法 代码 分类
人工智能A.I. Odyssey的两个项目,1)用深度学习找到一首歌的流派,Finding the genre of a song with Deep Learning , http://t.cn/Rx3ggu9 代码DeepAudioClassification: http://t.cn/Rx3geVa 2)使用您的眼睛和深度学习,命令您的计算机,Use your eyes and Deep Learning to command your compute…全文: http://m.weibo.cn/5501429448/4070676015090419

深度学习 GPU 代码
deep-makeover,深度学习项目,将男性肖像变成女性,反之亦然, http://t.cn/RxEKNWR 这个深度学习项目的目的,主要是自动将面部照片转换为更有用和有趣的方式

深度学习 视觉
用imagenet标注好的boundingbox对训练集和测试集进行处理,boundingbox外的像素都设为0,然后把重新生成的图片用googlenet进行训练,发现收敛的速度要快很多,但最终的识别率却比原始图像的效果还略差,比我预想的结果要差,不知道原因是什么

算法 论文 神经网络
【新趋势:NN高效模拟复杂物理模型】“Recent trend: abstracting complex physical models into much simpler neural nets that require far less computation” via:François Chollet ref:《Enabling large-scale viscoelastic calculations via neural network acceleration》 http://t.cn/Rx3x3ng

深度学习 算法 资源 幻灯片 课程 神经网络 视频
【MIT深度自驾课程第四讲:RNN转向控制】《MIT 6.S094: Recurrent Neural Networks for Steering Through Time》 http://t.cn/Rx3xcuG 云(Video+Slides): http://t.cn/RM8vCf3 ref: http://weibo.com/1402400261/Erbs1qRlR

深度学习 算法 Python Robbie Barrat 代码 神经网络
【用深度网络生成说唱歌词】’Rapping-neural-network – Neural network that can “write” rap songs — other python files help it deliver the raps.’ by Robbie Barrat GitHub: http://t.cn/Rx3bjpW

视觉 算法 代码 分类
【(MatLab)图像分类特征抽取工具包】’feature-extraction – Computer vision feature extraction toolbox for image classification’ by Aditya Khosla GitHub: http://t.cn/Rx34WPl

深度学习 论文
《SenseGen: A Deep Learning Architecture for Synthetic Sensor Data Generation》M Alzantot, S Chakraborty, M B. Srivastava [University of California, Los Angeles & IBM T. J. Watson Research Center] (2017) http://t.cn/Rx34bQN

统计
《Bayesian Learning of Consumer Preferences for Residential Demand Response》M V. Goubko, S O. Kuznetsov, A A. Neznanov, D I. Ignatov [V.A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences & National Research University Higher School of Economics] (2017) …全文: http://m.weibo.cn/1402400261/4070569454475171

深度学习 视觉 算法 Santa Barbara 论文 强化学习
《Deep Reinforcement Learning for Visual Object Tracking in Videos》D Zhang, H Maei, X Wang, Y Wang [University of California at Santa Barbara & Samsung Research America] (2017) http://t.cn/RxulkM5