第1079期AI100_机器学习日报(2017-09-01)
AI100_机器学习日报 2017-09-01
- 谷歌全新神经网络架构Transformer：基于自注意力机制，擅长自然语言理解 @机器之心Synced
- 神经网络调试手册：从数据集与神经网络说起 @机器之心Synced
- Keras序列标记库(命名实体识别/词性标记/语义角色标记 @爱可可-爱生活
- Python(机器学习)实验流程工具集 @爱可可-爱生活
- 深度学习打游戏技术演进史 @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18 深度学习9 自然语言处理3 算法3 资源2 入门1 公告板1 经验总结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)
经验总结 算法 自然语言处理 博客 行业动态 神经网络
【谷歌全新神经网络架构Transformer：基于自注意力机制，擅长自然语言理解】继论文《Attention Is All You Need》之后，谷歌在研究博客撰文对 Transformer 作了更详细的介绍。Transformer 是一个基于自注意力机制的全新神经网络架构，训练速度提升了一个数量级。http://t.cn/RNMo5ZF
算法 资源 神经网络 书籍
【神经网络调试手册：从数据集与神经网络说起】近日，hackernoon 上出现了一篇题为《How to debug neural networks. Manual.》的文章，从数据集与神经网络两个方面分享了作者 Andrey Nikishaev 在调试神经网络方面的实践心得。http://t.cn/RNJtL0T
自然语言处理
【Keras序列标记库(命名实体识别/词性标记/语义角色标记)】’anaGo – Sequence Labeling Library using Keras. Easy-to-use and state-of-the-art performance.’ by Hiroki Nakayama GitHub: https ://github .com/Hironsan/anago
Python
【Python(机器学习)实验流程工具集】’Artemis – collection of tools that make it easier to run experiments in Python.’ by QUVA Lab GitHub: https ://github .com/QUVA-Lab/artemis Reddit:http://t.cn/RNfOyB9
深度学习
【深度学习打游戏技术演进史】“Overview of Deep Learning Methods Applied To Games” from:《Deep Learning for Video Game Playing》http://weibo.com/1402400261/FjtsyBW4W
最新动态
2017-09-01 (13)
深度学习
『为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的？ – 知乎』http://t.cn/RVE3JnB
发布了头条文章：《公开课打怪团 | 无监督学习最新论文解读（直播回顾）》 热爱学习的你怎能错过这样的公开课？ http://t.cn/RNxxYOn
公告板 入门 问题
《Ask HN: What maths are critical to pursuing ML/AI? | Hacker News》 http://t.cn/RNMDxlF 《搞机器学习/AI有什么必备的数学基础？》via:量子位 http://t.cn/RNMDxlD
自然语言处理
【大型众包关系数据库自然语言查询语义解析数据集(8万+查询样本)】’WikiSQL – A large annotated semantic parsing corpus for developing natural language interfaces.’ by Salesforce GitHub: https ://github .com/salesforce/WikiSQL ref:《Seq2SQL: Generating Structured Queries from Natural…全文： http://m.weibo.cn/1402400261/4147158951693424
深度学习 Kang Github
【PyTorch生成模型集锦:GAN/LSGAN/WGAN/DRAGAN/CGAN/infoGAN/ACGAN/EBGAN/BEGAN(及Fashion-MNIST实验)】’Collection of generative models in Pytorch version.’ by Hyeonwoo Kang GitHub: https ://github .com/znxlwm/pytorch-generative-model-collections ref:…全文： http://m.weibo.cn/1402400261/4147145319795009
【Quora是如何使用机器学习的?】http://t.cn/RN5N7Yd 在本文中，作者从提问，解答，阅读等方面介绍了Quora在2017年是如何将机器学习应用于网站的，同时给出了使用的模型。
深度学习 Jason Brownlee
【LSTM模型过拟合/欠拟合判断】《How to Diagnose Overfitting and Underfitting of LSTM Models | Machine Learning Mastery》by Jason Brownlee http://t.cn/RNf0Uqn
深度学习 Richard Friedman
【针对最新英特尔架构优化TensorFlow深度学习】《TensorFlow Deep Learning Optimized for Modern Intel Architectures – insideHPC》by Richard Friedman http://t.cn/RNfpCOK
深度学习
【Logo Rank：深度学习Logo设计评价应用】“Logo Rank – Check your logo design with deep learning” http://t.cn/RCkJBMR
深度学习 资源 视频
【两分钟论文解析之DeepMind自主音视频概念学习】《DeepMind’s AI Learns Audio And Video Concepts By Itself | Two Minute Papers #184 – YouTube》 http://t.cn/RNfpfli http://t.cn/RNfpfWs
De Minas Gerais 论文
《A Robust Indoor Scene Recognition Method based on Sparse Representation》G Nascimento, C Laranjeira… [Universidade Federal de Minas Gerais] (2017) http://t.cn/RNfpPH3 Home:http://t.cn/RNfpPH1 GitHub: https ://github .com/verlab/SceneUnderstanding_CIARP_2017
深度学习 算法 论文 神经网络
《Cascade Residual Learning: A Two-stage Convolutional Neural Network for Stereo Matching》J Pang, W Sun, J SJ. Ren, C Yang, Q Yan [SenseTime Group Limited] (2017) http://t.cn/RNfNWKC
