選對論文,效率提升50% | 本週值得讀

Paper_weekly發表於2018-03-09


640?wxfrom=5&wx_lazy=1


在碎片化閱讀充斥眼球的時代,越來越少的人會去關注每篇論文背後的探索和思考。


在這個欄目裡,你會快速 get 每篇精選論文的亮點和痛點,時刻緊跟 AI 前沿成果。


點選本文底部的「閱讀原文」即刻加入社群,檢視更多最新論文推薦。

這是 PaperDaily 的第 50 篇文章

// 自然語言處理 //


640?wxfrom=5&wx_lazy=1

Chinese Text in the Wild

@paperweekly 推薦

#Chinese Text Dataset

清華大學和騰訊共同推出了一個超大規模的中文自然文字資料集——CTW,該資料集包含 32,285 張影像和 1,018,402 箇中文字元,規模遠超此前的同類資料集。

論文連結

https://www.paperweekly.site/papers/1738

資料集連結

https://ctwdataset.github.io/

640?

Reinforced Self-Attention Network: a Hybrid of Hard and Soft Attention for Sequence Modeling

@zhkun 推薦

#Attention Model

本文將 hard-attention 和 soft-attention 進行巧妙融合,hard-attention 處理長句子依賴問題,soft-attention 進行更精細化的操作,同時為 hard-attention 提供指導,並在強化學習的方法下實現了兩種 attention mechanism 的有效融合,方法還是很有意思的。

論文連結

https://www.paperweekly.site/papers/1711

640?

Building Task-Oriented Dialogue Systems for Online Shopping

@xcwill 推薦

#Dialog System

本文來自微軟小冰團隊,論文展示了完整的基於網購任務的對話系統構建

論文連結

https://www.paperweekly.site/papers/1724


640?

A Survey of Model Compression and Acceleration for Deep Neural Networks

@kaierlong 推薦

#Deep Learning

本文全面概述了深度神經網路的壓縮方法,主要可分為引數修剪與共享、低秩分解、遷移/壓縮卷積濾波器和知識精煉,本論文對每一類方法的效能、相關應用、優勢和缺陷等進行獨到的分析。

論文連結

https://www.paperweekly.site/papers/1675


640?

A Hybrid CNN-RNN Alignment Model for Phrase-Aware Sentence Classification

@yinnxinn 推薦

#Sentence Classification

本文有機地將 CNN 和 RNN 結合,從語義層面對 sentense 進行分類,取得良好的效果,文章亮點在於模型的結合使用。

論文連結

https://www.paperweekly.site/papers/1666


// 計算機視覺 //



640?

Tiny SSD: A Tiny Single-shot Detection Deep Convolutional Neural Network for Real-time Embedded Object Detection

@Romantic1412 推薦

#Object Detection

本文來自滑鐵盧大學和 DarwinAI,論文提出了一個比 Tiny YOLO 更快效果更好的適用於嵌入式裝置的物體檢測演算法

論文連結

https://www.paperweekly.site/papers/1687


640?

Comparative Analysis of Unsupervised Algorithms for Breast MRI Lesion Segmentation

@xaj 推薦

#Medical Image Analysis

本文研究的問題是乳腺核磁共振影像(2D)的分割,對比了 K-Means、標記控制分水嶺演算法和高斯混合模型三種方法。

論文連結

https://www.paperweekly.site/papers/1737


640?

Diagnose like a Radiologist: Attention Guided Convolutional Neural Network for Thorax Disease Classification

@Layumi 推薦

#Medical Image Analysis

本文提升了 ChestX-ray14 資料集上 state-of-the-art performance。通過 Attention機制,讓計算機關注病理區域

論文連結

https://www.paperweekly.site/papers/1677


640?

GIFGIF+: Collecting Emotional Animated GIFs with Clustered Multi-Task Learning

@sunlightll 推薦

#Multi-task Learning

本文從 Giphy 網站上獲取 GIF 圖片,通過其 GIFGIF 平臺,這篇文章構建了一個帶有情感的 GIF 圖片庫:GIFGIF+,包含 23,544 張圖片,17 種情感分類。

論文連結

https://www.paperweekly.site/papers/1727

資料集連結

http://affect.media.mit.edu/share-data.php


640?

Netizen-Style Commenting on Fashion Photos: Dataset and Diversity Measures

@jamiechoi 推薦

#Image Captioning

本文研究的問題是根據圖片生成網民評論,提出了一個大規模服裝資料集——NetiLook,其中包含源自 11,034 位 Lookbook 使用者的 355,205 張圖片和 500 萬條評論。此外,論文還提出了三種衡量多樣性的方法。

論文連結

https://www.paperweekly.site/papers/1679

資料集連結

http://affect.media.mit.edu/share-data.php


// 機器學習 //



640

Discriminative Label Consistent Domain Adaptation

@jindongwang 推薦

#Domain Adaptation

本文是一篇比較新的 domain adaptation 文章,裡面有二十幾種方法的結果,非常值得借鑑。

論文連結

https://www.paperweekly.site/papers/1703


640

Efficient Neural Architecture Search via Parameter Sharing

@Synced 推薦

#Neural Network Architectures

本文提出超越神經架構搜尋(NAS)的高效神經架構搜尋(ENAS),這是一種經濟的自動化模型設計方法,通過強制所有子模型共享權重從而提升了 NAS 的效率,克服了 NAS 算力成本巨大且耗時的缺陷,GPU 運算時間縮短了 1000 倍以上。

在 Penn Treebank 資料集上,ENAS 實現了 55.8 的測試困惑度;在 CIFAR-10 資料集上,其測試誤差達到了 2.89%,與 NASNet 不相上下(2.65% 的測試誤差)。

論文連結

https://www.paperweekly.site/papers/1678


640

The Case for Learned Index Structures

@chenliang 推薦

#Database

本文創造性地將資料庫索引視為可學習的物件,將不同的索引結構對應成不同的機器學習問題。比如,將索引一段排序內容視為 regression 問題,將 hash 解決的資料存在與否問題視為 classification 問題。

雖然目前主要考慮了 read-only 的解決方案,但仍有開闢新研究領域的潛力。

論文連結

https://www.paperweekly.site/papers/1683


640

Predicting Tomorrow’s Mood, Health, and Stress Level using Personalized Multitask Learning and Domain Adaptation

@sunlightll 推薦

#Affective Computing

本文結合了多工學習和領域自適應方法,個性化地對個人第二天的心情、健康和壓力等級進行預測

過往的方法通常準確率較低,大部分是解決心情識別的問題,很少做心情預測,對心情識別只是二值分析,不區分程度。對每個人都採用統一的模型分析,不針對個人進行模型的調整。

本文利用使用者的生理指標,行為和天氣等資訊訓練 DNN 和 GP 來同時對使用者第二天的心情、健康和壓力進行預測。在 DNN 中運用多工學習機制,對每個人進行建模,在 GP 中運用領域自適應機制,對每個人的模型進行調整。

論文連結

https://www.paperweekly.site/papers/1721


640

Fast-Slow Recurrent Neural Networks

@sylar 推薦

#Sequential Modeling

NIPS 2017 錄用論文,本文解決的是不同 timescale 的序列輸入問題,適用場景包括語音、推薦 session 中的興趣捕捉等。

論文連結

https://www.paperweekly.site/papers/1726


本文由 AI 學術社群 PaperWeekly 精選推薦,社群目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、資料探勘和資訊檢索等研究方向,點選「閱讀原文」即刻加入社群!


640?


640?#榜 單 公 布 #


2017年度最值得讀的AI論文 | NLP篇 · 評選結果公佈

2017年度最值得讀的AI論文 | CV篇 · 評選結果公佈


我是彩蛋 


 解鎖新功能:熱門職位推薦!


PaperWeekly小程式升級啦


今日arXiv√猜你喜歡√熱門職位


找全職找實習都不是問題

 

 解鎖方式 

1. 識別下方二維碼開啟小程式

2. 用PaperWeekly社群賬號進行登陸

3. 登陸後即可解鎖所有功能


 職位釋出 

請新增小助手微信(pwbot01)進行諮詢

 

長按識別二維碼,使用小程式

*點選閱讀原文即可註冊



640?




關於PaperWeekly


PaperWeekly 是一個推薦、解讀、討論、報導人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域,歡迎在公眾號後臺點選「交流群」,小助手將把你帶入 PaperWeekly 的交流群裡。


640?


▽ 點選 | 閱讀原文 | 加入社群一起刷論文

相關文章