大家心目中的這些「優質」論文,你讀過幾篇?| PaperDaily #01
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。
在這個欄目里,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。
點擊即刻加入社區,查看更多最新論文推薦。
[ 自然語言處理 ]
1. Sequence Level Training with Recurrent Neural Networks
@cosmmb 推薦
#recurrent neural networks
現在的 neural-based 的機器翻譯在 decoder 端,training 和 testing 在生成機制上存在一定的 disagreement。
decoder 說 training time 的時候後是 local 的,比如說無論之前生成的字是什麼 mode l都會用 ground truth 作為前一個字。而在 testing time 的時候是沒有 ground truth 的,因此無法給出前應該正確生成的字,這就導致了 training 和 testing 的時候對前一個字的準確度的依賴程度不一樣。
如果 testing time 前一個字生產錯誤,這就導致了 training 時學習的 distribution 和此時不一致而導致未知的後果。這篇文章就是為了統一 training 和 testing 的生成模式。
論文鏈接:http://www.paperweekly.site/papers/785
2. Learning to Rank Short Text Pairs with Convolutional Deep Neural Networks
@geledek 推薦
#question answering
這是一篇相當經典的 Siamese 網路模型,類似架構可以通過改變左右兩邊的網路結構而適用於各種 task。
如果把右側網路輸入換成 Label,則可以用於實現:http://yann.lecun.com/exdb/publis/pdf/lecun-06.pdf.
論文鏈接:http://www.paperweekly.site/papers/775
3. Generating Sentences by Editing Prototypes
@paperweekly 推薦
#natural language generation
本文提出了一種新的文本生成模型,即先從大量的語料中學習生成出一個原型句子,然後再次編輯原型句子而形成最後的句子。相對傳統的 left-to-right beam search,本文提出的 prototype-then-edit 生成的句子質量更高。
論文鏈接:http://www.paperweekly.site/papers/786
[ 計算機視覺 ]
4. Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
@ailingzeng 推薦
#motion estimation
CVPR 2017:多人姿態實時估計,這裡主要亮點還是多人實時+效果.本文演算法主要流程如下:輸入一幅圖像,經過卷積網路提取特徵,得到一組特徵圖,然後分成兩個岔路,分別使用 CNN 網路提取 Part Confidence Maps 和 Part Affinity Fields ,得到這兩個信息後,我們使用圖論中的 Bipartite Matching 將同一個人的關節點連接起來得到最終的結果。
論文鏈接:http://www.paperweekly.site/papers/784
5. In Defense of the Triplet Loss for Person Re-Identification
@Molly 推薦
#question answering
對 triplet loss 的一個討論,裡面的 batch hardmining 非常好用。
論文鏈接:http://www.paperweekly.site/papers/787
[ 機器學習 ]
6. Graph Regularized Non-negative Matrix Factorization for Data Representation
@jindongwang 推薦
#matrix factorization
數據表示領域的經典文章,討論用圖正則化和矩陣分解的方式來表示數據。可以應用到很多方向的研究中。 第一作者是大牛、浙江大學 Deng Cai 老師,Jiawei Han 是共同作者。
論文鏈接:http://www.paperweekly.site/papers/781
本文由 AI 學術社區 PaperWeekly 精選推薦,社區目前已覆蓋自然語言處理、計算機視覺、人工智慧、機器學習、數據挖掘和信息檢索等研究方向,點擊「閱讀原文」即刻加入社區!
關於PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域,歡迎在公眾號後台點擊「交流群」,小助手將把你帶入 PaperWeekly 的交流群里。
微信公眾號:PaperWeekly
新浪微博:@PaperWeekly
推薦閱讀:
※微軟愛上Linux:當PowerShell來到Linux時
※科學式家|第四範式陳雨強:萬字深析工業界機器學習最新黑科技
※一位「AI 專家」的自白:自己像個騙子