AMiner會議論文推薦第二十二期：AAAI2021,IJCAI2020,NeurIPS2020論文

訂閱瞭解更多論文資訊，定製您的個人科研動態資訊流：https://www.aminer.cn/user/notification

IJCAI 2020 論文推薦：
論文名稱：Toward A Neuro-inspired Creative Decoder
推薦理由：造力，是一個產生新穎和有價值的想法的過程，它涉及到大腦中任務正啟用（控制）和任務負啟用（預設）網路之間的關聯增強。受這一重要發現的啟發，作者提出了一種創意解碼器，它可以直接調控神經元啟用模式，同時從學習隱空間（learned latent space）中取樣。該研究所提出的方法是完全無監督的並能夠作為現成的方法使用。作者在三個不同的影像資料集（MNIST，FMNIST，CELEBA）上進行實驗，揭示了在深度神經網路解碼過程中任務正啟用和任務負啟用神經元之間的共同啟用能夠生成新的偽影（artifacts）。作者進一步確定了幾個新穎度量指標的充分條件，用來衡量生成樣本的創造力。
論文連結：https://www.aminer.cn/pub/5cede0eeda562983788ccf73/r?conf=ijcai2020
會議連結：https://www.aminer.cn/conf/ijcai2020

NeurIPS 2020 論文推薦：
論文名稱：Multi-Task Reinforcement Learning with Soft Modularization
推薦理由：多工學習（multi-task learning）是強化學習中一個非常具有挑戰性的問題。雖然聯合訓練多個任務可以讓策略在不同的任務中共享引數，但優化問題會變得非平凡：網路中的哪些引數應該在不同任務中重用是不清楚的，而且來自不同任務的梯度可能會相互干擾。因此，作者在策略表示上引入了一種顯式模組化技術來緩解這一優化問題，而不是單純地在不同任務間共享引數。在給定的基礎策略網路下，作者設計一個路由網路，該網路用於估計不同的路由策略，而為每個任務重新配置基礎網路。同時，該工作中特定任務策略不是為每個任務建立一個具體的路由，而是用所有可能的路由的軟組合來表示。作者將這種方法命名為軟模組化（soft modularization）。作者在模擬中對多個機器人操縱任務進行了實驗，表明了該方法較基線提高了顯著的樣本效率和效能。
論文連結：https://www.aminer.cn/pub/5efe617adfae548d33e5d7f1/?conf=neurips2020
會議連結：https://www.aminer.cn/conf/neurips2020

AAAI 2021 論文推薦：
論文名稱：An Attention Mechanism using Multiple Knowledge Sources for COVID-19 Detection from CT Images
推薦理由：截至目前，冠狀病毒SARS-CoV-2已在120多個國家造成超過85萬人死亡，感染人數超過2700萬。除了主聚合酶鏈反應（PCR）檢測外，基於計算機斷層掃描（CT）自動識別陽性樣本的方法對於COVID-19的早期診斷而言是一種有前景的選擇。最近，越來越多的研究開始利用深度神經網路進行基於CT掃描的COVID-19診斷。這些方法大多專注於引入新型架構、轉移學習技術或大規模資料的構建上，而作者提出了一種新的策略：利用與醫生診斷相關的多個有用資訊源來提高診斷表現。具體來說，作者從學習網路中提取的感染區域和熱圖特徵，將其它們在學習過程中通過一種注意力機制與全域性影像進行整合。這個過程使該研究中的系統對噪聲影響更加健壯，並引導網路聚焦於區域性病變區域。廣泛的實驗證明該方法較近期基線方法具有優越的效能。此外，該研究中的學習網路指導能夠幫助醫生理解灰箱模型中輸入和輸出之間的聯絡。
論文連結：https://www.aminer.cn/pub/5fc99d899e795e122ad20f82/?conf=aaai2021
會議連結：https://www.aminer.cn/conf/aaai2021

訂閱瞭解更多論文資訊，定製您的個人科研動態資訊流：https://www.aminer.cn/user/notification