NIPS 2017 论文解读集锦

(Updated:2017/12/13)

机器学习领域顶会之一NIPS 2017(Neural Information Processing Systems)将于12月4日至9日在美国洛杉矶地区的长滩(Long Beach)举行。本次NIPS 2017共收到3240篇论文投稿,其中有679篇论文被选中作为大会论文,比例20.9%。

点击此处查看NIPS2017入选论文列表

我们整理了一些NIPS 2017入选论文解读总结的文章,分享给大家,欢迎大家收藏并推荐~

1.NIPS 2017有什么值得关注的亮点?
知乎上关于NIPS2017关注的一些论文讨论。

2.杜克大学NIPS 2017 Oral论文:分布式深度学习训练算法TernGrad
这篇文章主要是对杜克大学「进化智能研究中心」提出的TernGrad 分布式训练算法做了简要的介绍。该篇论文为NIPS 2017 Oral论文,提出的TernGrad算法在大规模分布式深度学习中可以提高分布式深度学习的速度和效率。

3.NIPS 2017录用论文先睹为快!论文作者清华专场分享
本文为雷锋网组织的在清华大学的NIPS 2017分享会内容,包括5位NIPS 2017入选论文的作者分享的干货内容。

4.NIPS 2017 腾讯AI Lab入选的8篇论文
本文详细介绍了腾讯AI Lab入选NIPS 2017的八篇论文,以及他们对机器学习未来研究方向的一些思考。

5.超级变变变:喵星人汪星人还有街景神奇变身
利用“图像到图像翻译“,实现各种神奇的变身,本文主要解读的是Nvidia 研究团队的一篇 NIPS 2017 论文Unsupervised Image-to-image Translation Networks。

6.终于,Geoffrey Hinton那篇备受关注的Capsule论文公开了
近期,Geoffrey Hinton 等人公开了一直备受关注的 NIPS 2017 论文《Dynamic Routing Between Capsules》, 展示了Hinton 对于未来人工智能形态的新探索。本篇文章是对这篇论文的详细编译。

7.先读懂CapsNet架构然后用TensorFlow实现,这应该是最详细的教程了
在Geoffrey Hinton 等人公开了那篇NIPS 2017 论文《Dynamic Routing Between Capsules》之后,很多研究者与开发者都阅读了该论文并作出了一定的代码实现。本文中将详细解释该论文提出的结构与过程,并借助 GitHub 上热烈讨论的项目完成了 CapsNet 的 TensorFlow 实现,并提供了主体架构的代码注释。

8.NIPS 2017论文提出深度离散哈希算法,可用于图像检索
这篇文章介绍的是智能感知与计算研究中心李琦博士提出的一种深度离散哈希算法(discrete hashing algorithm),该算法认为学习到的二值编码应该也可以用于分类。实验结果表明该方法在基准数据集上的表现要好过目前最好的哈希方法。

9.机器学习大神Bengio发新论文,专注RNN优化难题将在NIPS提新概念
Bengio在新作中提出了RNN优化的新概念fraternal dropout,通过最小化使用不同的dropout mask的同一个RNN的预测差异,提升RNN对于不同dropout mask的不变性,来对RNN进行优化。本文将对他的这篇新论文进行简要的解读。

10.【论文分享】中科院自动化所多媒体计算与图形学团队NIPS 2017论文提出平均Top-K损失函数,专注于解决复杂样本
自动化所多媒体计算与图形学团队和美国纽约州立大学奥尔巴尼分校合作提出了一种新的聚合损失函数,即平均Top-K损失函数。该成果被NIPS2017选为大会论文。

11.【BicycleGAN】NIPS 2017论文图像转换多样化,大幅提升pix2pix生成图像效果
在NIPS 2017上,伯克利AI研究实验室与Adobe公司朱俊彦等人提出了新的BicycleGAN,解决了pix2pix生成图像模式单一的问题。


推荐文章
ICCV2017|计算机视觉顶级会议ICCV2017论文分类汇总
CVPR 2017 论文解读集锦
极市计算机视觉技术分享集锦



file
△ 扫一扫关注 极市平台
每天推送最新CV干货

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货