AI研發乾貨 | 2018第四彈 | 03.18-03.24 | 機器學習入門、英特爾開源、CVPR、Nature醫療AI……

05-13

點擊藍色字體，關註：九三智能控

課程

Artificial Intelligence Education推出了一套三個月學習機器學習的課程，按照數學、機器學習、深度學習三個維度，對標DeepMind招聘要求，高效入門機器學習掌握基礎知識。

傳送門：https://www.leiphone.com/news/201803/vLUItMfuzWfqJwel.html

公開課：英特爾中國研究院院長宋繼強：AI的豐富應用與晶元發展

北京大學「人工智慧前沿與產業趨勢」第四講，本期英特爾中國研究院院長宋繼強授課主題為「人工智慧的豐富應用與晶元發展」，分享計算硬體與AI晶元的發展現狀及趨勢。

傳送門：https://c.m.163.com/news/l/174317.html

Github項目

Uber 開發了一款用於神經演化的互動式數據可視化工具——Visual Inspector for Neuroevolution（VINE），並於近日開源。神經演化（Neuroevolution）的概念最早於上世紀 80 年代被提出，其基本思路就是借鑒生物的演化過程：突變->選擇->繁衍->突變->……。在機器學習領域，傳統的方法是研究人員根據自己的經驗去設計一個神經網路，然後通過實驗驗證它的效率；而神經演化的思路是，先初始化一群（例如 100 個）略有差異的網路，通過訓練，篩選（也可以合成）出某些符合標準的個體，然後再複製出（例如）100 個副本，對這些副本網路添加一些隨機擾動（類似生物進化中的突變），隨後再訓練和再篩選，如此往複，直至篩選出符合期望的網路為止。

傳送門：https://github.com/uber-common/deep-neuroevolution/tree/master/visual_inspector

澳大利亞伍倫貢大學聯合電子科技大學發表論文《Independently Recurrent Neural Network (IndRNN): Building A Longer and Deeper RNN》，提出一種新型的循環神經網路 IndRNN，不僅可以解決傳統 RNN 所存在的梯度消失和梯度爆炸問題，還學習長期依賴關係；此外，藉助 relu 等非飽和激活函數，訓練之後 IndRNN 會變得非常魯棒，並且通過堆疊多層 IndRNN 還可以構建比現有 RNN 更深的網路。實驗結果表明，與傳統的 RNN 和 LSTM 相比，使用 IndRNN 可以在各種任務中取得更好的結果。

項目地址：https://github.com/batzner/indrnn
論文鏈接：https://arxiv.org/abs/1803.04831

近日，開羅大學和阿爾伯塔大學的研究者提出了一種能實現實時形義分割的框架 ShuffleSeg。這種方法能在保證分割準確度的同時顯著降低對計算資源的需求，從而構建計算高效的卷積神經網路（CNN）。

項目代碼：https://github.com/MSiam/TFSegmentation
論文地址：https://arxiv.org/abs/1803.03816

英特爾的人工智慧產品團隊宣布開源 nGraph，這是一個面向各種設備和框架的深度神經網路模型編譯器。有了 nGraph，數據科學家能夠專註於數據科學研發，不需要擔心如何將 DNN 模型部署到各種不同設備做高效訓練和運行。

Github 地址：https://github.com/NervanaSystems/ngraph

本項目介紹了一本非常精鍊的 Python 免費書籍，它不僅有基礎知識，同時每一章節還有非常多的練習與源代碼。讓入門者先學習基礎的 Python 編程，然後在實踐中完善代碼技巧。

項目地址：https://github.com/joaoventura/full-speed-python

學術會議

一年一度的計算機視覺頂會CVPR即將召開，入選論文也陸續揭曉。CVPR是年度計算機視覺的學術盛會，側重於機器視覺方面的前沿進展和高質量成果。

傳送門：http://cvpr2018.thecvf.com/
收錄論文地址：http://cvpr2018.thecvf.com/files/cvpr_2018_final_accept_list.txt

BMVC（British Machine Vision Conference）的2018年大會將在9月3日英國紐卡斯爾召開，將由華人英國東安格利亞大學計算機學院教授邵嶺擔任大會主席（general chair）。BMVC 已經有三十年歷史，是計算機視覺領域的著名國際會議，其主要側重於機器視覺、圖像處理和模式識別等方向。

傳送門：http://bmvc2018.org/

論文

近日，《自然》雜誌再出人工智慧重磅成果。來自美國、德國、義大利等100多個實驗室的近150位科學家通力合作，聯合在頂級期刊《自然》發表了這篇文章，他們開發了一個超級AI系統，該系統基於腫瘤組織DNA的甲基化數據，可以準確區分近100種不同的中樞神經系統腫瘤。更厲害的是，這個AI系統還能自學成才，發現一些臨床指南裡面沒有的新分類。《Nature》雜誌近日發布消息稱，研究人員利用人工智慧發現了近6000種未知的病毒。這項工作是在3月15日由美國能源部(DOE)組織的一次會議上提出的，它展示了一種探索地球上巨大而未知的病毒多樣性的新工具。Roux提出了一種機器學習演算法，其中包含兩組數據：其中一組含有來自已知的Inoviridae的805個基因組序列，另一個含有來自細菌和其他類型病毒的約2000個基因序列。該演算法可以找到區分它們的方法。

傳送門：https://www.nature.com/articles/d41586-018-03358-3

DeepMind最新的一篇關於神經網路學習的論文《On the Importance of Single Directions for Generalization》（https://arxiv.org/abs/1803.06959）將投稿在第六屆 ICLR（國際學習表徵會議）。這項研究所採用的方法是受數十年臨床神經系統科學的啟發，通過探索損傷神經元的影響來確定小規模神經元組對神經網路的重要性。研究人員通過刪除單個神經元或神經元組來衡量它是否對網路的性能產生了影響。這項實驗有了兩個令人驚訝的發現：可解釋的神經元和那些難以理解，不可描述的神經元對神經網路的影響，並沒什麼不同；推理性好的網路比那些單純的記憶網路更不依賴於單一方向。

論文地址：https://arxiv.org/abs/1803.06959
ICLR 2017最佳論文：https://arxiv.org/abs/1611.03530

FAIR 研究工程師吳育昕和研究科學家何愷明聯名著作的一篇論文 Group Normalization 提到了一種新的訓練神經網路的方法。該方法稱為群組歸一化（Group Normalization），試圖以群組方式實現快速訓練神經網路，這種方法對於硬體的需求大大降低，並在實驗中超過了傳統的批量歸一化方法。

論文地址：https://arxiv.org/abs/1803.08494

最近UCF的CV研究中心就在CVPR18上發表了一篇關於監控視頻異常事件檢測的論文(Real-world Anomaly Detection in Surveillance Videos, arxiv 1801.04264)，提出了一種基於深度多實例排序的弱監督演算法框架，同時提出了一個新的大規模異常事件檢測數據集。

論文地址：https://arxiv.org/abs/1801.04264

近日，來自斯坦福大學&DeepMind 的研究者發表論文《Reinforcement and Imitation Learning for Diverse Visuomotor Skills》，提出一種學習機器人深度視覺運動策略的新方法，它結合強化學習和模仿學習來實現高效的強化學習智能體，該方法可解決大量視覺運動任務。實驗證明該智能體性能顯著優於僅使用強化學習或模仿學習訓練出的智能體。

論文地址：https://arxiv.org/pdf/1802.09564.pdf

變分自編碼器（VAE）與生成對抗網路（GAN）一樣，是無監督學習最具前景的方法之一。牛津大學統計系在讀博士 Adam Kosiorek 發表論文《Tighter Variational Bounds are Not Necessarily Better》，從原理上向我們介紹了 VAE 目前面臨的挑戰。同時，文中也提出了對於該方法的幾種改進方向。

論文地址：https://arxiv.org/abs/1802.04537

喬治亞理工學院博士生Edward Choi等發表論文《實現了用深度學習方法提前半年到一年半發現心臟衰竭早期徵兆》，研究者們運用RNN對電子病歷中事件之間的時序關係進行了建模，能夠發現哪些事件容易在6-18個月內導致心力衰竭，也希望深度學習能在醫療保健行業用廣泛的應用。

論文地址：https://doi.org/10.1093/jamia/ocw112

紐約大學聯合谷歌大腦提出「COG」數據集，在認知心理學和神經科學中豐富的視覺推理和記憶傳統的啟發下，開發了一個人工的、可配置的視覺問題和答案數據集（COG），用於在人類和動物中進行平行實驗。COG比視頻分析的一般問題要簡單得多，但它解決了許多與視覺、邏輯推理和記憶有關的問題——這些問題對現代的深度學習架構來說仍然具有挑戰性。

論文地址：https://arxiv.org/pdf/1803.06092.pdf

數據集

美的全球人工智慧團隊發布高精度人工智慧中國成品菜識別功能及命名為Chinese FoodNet的大規模中國成品菜圖片科研數據集。這套中國成品菜圖片科研數據集是中國成品菜種類較多、規模較大的人工智慧數據集。其中包括了超過208類中國各大常見菜系的實物和菜譜圖片，合計18萬張，只要登錄網站即可進行下載。從粵菜系的梅菜扣肉到川菜系的麻婆豆腐，再到淮揚菜系的紅燒獅子頭，應有盡有。該數據集正式發布後，3個月內就被數百家專業機構和科研人員下載，在業內形成了較大影響力。

傳送門（國內一般打不開）：https://sites.google.com/view/chinesefoodnet/

信息來源：雷鋒網、億歐網、新智元、機器之心、量子位等；

微信群&商業合作

加入微信群：不定期分享資料，拓展行業人脈請在公眾號留言：「微信號+名字+研究領域/專業/學校/公司」，我們將很快與您聯繫。
投稿（無稿費）、商業合作請留言聯繫。

http://weixin.qq.com/r/AC91bd-EloLprZsO93oS (二維碼自動識別)