Paper Today | Sanal Deneme Ağı; Kalabalık Sayma Karşılaştırması; Federal Meta-öğrenme; Nesne Algılama vb.
Akademik gençlerin en yeni araştırma sonuçlarını ve teknolojilerini daha iyi öğrenmelerine yardımcı olmak için, AI Technology Review ve Paper Research Institute (paper.yanxishe.com) [Paper.yanxishe.com) [Paper Today] sütununu başlattı ve her gün sizin için yapay zekanın sınırlarını seçeceğiz. Akademik belgeler, çalışma referansınız içindir. Aşağıdakiler bugünün seçili içeriğidir
içindekiler
-
NWPU-Crowd: Kalabalık Sayımı için Büyük Ölçekli Bir Kıyaslama
-
Birleşik Meta-Öğrenme aracılığıyla İşbirliğine Dayalı Öğrenme Çerçevesi
-
VITON: Görüntü Tabanlı Sanal Deneme Ağı
-
Zaman serisi sınıflandırması için aktarım öğrenimi
-
PR Ürünü: Yapay Sinir Ağlarında İç Ürünün İkamesi
-
JPEG'DEN DOĞRUDAN DAHA HIZLI SİNİR AĞLARI
-
20 Yılda Nesne Tespiti: Bir Araştırma
-
Küresel Metin Gömme
-
Bisiklet Paylaşım Sistemleri İçin Öngörülen Görev Geliri ile Mekanizma Tasarımı
-
Dilin Anlaşılması için Anlam bilincine sahip BERT
NWPU-CHAND: Büyük ölçekli nüfus sayım karşılaştırması
Kağıt adı: NWPU-Crowd: Kalabalık Sayımı için Büyük Ölçekli Bir Kıyaslama
Yazar: Wang Qi / Gao Junyu / Lin Wei / Li Xuelong
Gönderme süresi: 2020/1/10
Kağıt bağlantısı: https://paper.yanxishe.com/review/8731?from=leiphonecolumn_paperreview0114
Önerilen neden: Bu makale, nüfus sayımı sorununu ele almaktadır.
Mevcut kamu nüfusu temel veri setleri, evrişimli sinir ağlarına dayalı eğitim için çok küçük. Bu makalenin katkısı, 5109 görüntü içeren ve toplam 2133238 kişinin açıklamalı olduğu büyük ölçekli bir kalabalık sayımı veri seti NWPU-Crowd'dur. Diğer veri setleriyle karşılaştırıldığında, yeni veri seti çeşitli aydınlatma sahneleri içerir ve bu tür problemler için en geniş yoğunluk aralığına sahiptir. Ek olarak, araştırmacı, araştırma sonuçlarınızın karşılaştırmasını kolaylaştırmak için en son sonuçları gönderebileceğiniz veri seti için bir değerlendirme web sitesi de açmıştır.
Birleşik meta öğrenmeye dayalı işbirlikli öğrenme çerçevesi
Kağıt adı: Birleşik Meta-Öğrenme aracılığıyla İşbirliğine Dayalı Öğrenme Çerçevesi
Yazar: Lin Sen / Yang Guang / Zhang Junshan
Gönderme süresi: 2020/1/9
Kağıt bağlantısı: https://paper.yanxishe.com/review/8732?from=leiphonecolumn_paperreview0114
Bu makale, gerçek zamanlı uç istihbarat sorununu ele almaktadır.
Sınırlı bilgi işlem kaynakları ve sınırlı yerel verileri nedeniyle, Nesnelerin İnterneti'ndeki uç cihazlar genellikle gerçek zamanlı uç zeka elde edemez. Bu nedenle, bu makale platformla geliştirilmiş işbirliğine dayalı bir filtreleme çerçevesi önermektedir: İlk olarak, model ortak bir meta-öğrenme yöntemiyle bir grup uç düğüm üzerinde eğitilir ve ardından model, yalnızca birkaç örnekle hedef uç düğümündeki yeni görevlere hızlı bir şekilde uyarlanabilir. Aynı zamanda bu makale, önerilen ortak meta-öğrenme algoritmasının, düğüm benzerliği ve hedef kenarların uyarlanabilir performansı üzerindeki yakınsamasını da incelemektedir. Meta-öğrenme algoritmasının maruz kalabileceği düşmanca saldırılara karşı savunmak için, bu makale ayrıca dalın sağlamlık optimizasyonuna dayalı ortak bir meta-öğrenme algoritması önermektedir. Farklı veri kümeleri üzerindeki deneyler, bu makalede önerilen ortak meta öğrenmeye dayalı çerçevenin etkinliğini kanıtlamaktadır.
VITON: görüntü tabanlı bir sanal deneme ağı
Bildiri Başlığı: VITON: Görüntü Tabanlı Sanal Deneme Ağı
Yazar: Han Xintong / Wu Zuxuan / Wu Zhe / Yu Ruichi / Davis Larry S.
Yayın zamanı: 2017/11/22
Kağıt bağlantısı: https://paper.yanxishe.com/review/8579?from=leiphonecolumn_paperreview0114
Önerilen neden
1. Sanal uygulama hakkındaki ilk makale
2. TPS Wrap teknolojisini kullanma
3. Açık kaynak kodu; (şu anda veri kaynağı yasal riskler nedeniyle kapalıdır)
4. Başlamaya değer
Derin transfer öğrenmeye dayalı zaman serisi sınıflandırması
Kağıt adı: Zaman serisi sınıflandırması için aktarım öğrenimi
Yazar: Fawaz Hassan Ismail / Forestier Germain / Weber Jonathan / Idoumghar Lhassane / Muller Pierre-Alain
Yayın zamanı: 2018/11/5
Kağıt bağlantısı: https://paper.yanxishe.com/review/70?from=leiphonecolumn_paperreview0114
Önerilen neden: derin sinir ağlarının aktarım öğrenmesi, önce temel ağın kaynak veri kümesinde eğitilmesi ve ardından öğrenilen özelliklerin (ağ ağırlıkları) hedef veri kümesi üzerinde eğitilecek ikinci ağa aktarılması sürecidir. Bu fikrin, görüntü tanıma ve nesne yerelleştirme gibi birçok bilgisayar görüşü görevinde derin sinir ağlarının genelleme yeteneğini geliştirdiği kanıtlanmıştır. Bu uygulamalara ek olarak, derin evrişimli sinir ağları (CNN) son zamanlarda zaman serisi sınıflandırma (TSC) topluluğunda popüler hale geldi. Bununla birlikte, görüntü tanıma probleminin aksine, TSC görevleri için, transfer öğrenme teknolojisi kapsamlı bir şekilde çalışılmamıştır. Bu şaşırtıcıdır, çünkü modeli önceden eğitilmiş bir sinir ağından ayarlarsanız (sıfırdan eğitim yerine), TSC derin öğrenme modelinin doğruluğunu potansiyel olarak artırabilirsiniz.
Bu makalede yazar, TSC görevleri için derin CNN'nin nasıl aktarılacağını inceleyerek bu boşluğu dolduruyor. Transfer öğrenmenin potansiyelini değerlendirmek için yazar, 85 veri seti içeren en büyük halka açık TSC kıyaslaması olan UCR arşivini kullanarak kapsamlı deneyler gerçekleştirdi. Arşivdeki her veri kümesi için bir model önceden eğitildi ve ardından diğer veri kümelerinde ince ayar yapıldı ve sonuçta 7.140 farklı derin sinir ağı elde edildi. Bu deneyler, transfer öğrenmenin, transfer tarafından kullanılan veri setine dayalı olarak modelin tahminini iyileştirebileceğini veya azaltabileceğini göstermektedir. Bu nedenle, belirli bir hedef veri kümesi için en iyi kaynak veri kümesini tahmin etmek için yazar, veri kümeleri arasındaki benzerliği ölçmek için dinamik zaman atlamasına dayanan yeni bir yöntem önerir ve yönteminin, en iyi kaynak veriyi seçmek için aktarımı nasıl yönlendirdiğini açıklar. Veri setleri, böylece 85 veri setindeki 71 veri setinin doğruluğunu artırır.
Halkla İlişkiler ürünü: sinir ağlarında iç çarpım işlemlerinin yerine geçer [ICCV 2019 Oral]
Bildiri Başlığı: PR Ürünü: Yapay Sinir Ağlarında İç Ürünün İkamesi
Yazar: Wang Zhennan / Zou Wenbin / Xu Chen
Gönderme süresi: 2019/4/30
Kağıt bağlantısı: https://paper.yanxishe.com/review/176?from=leiphonecolumn_paperreview0114
Önerilen neden: Ağırlık vektörü w'nin ve özellik vektörü x'in iç çarpım işlemi sinir ağlarında her yerde bulunur, ancak neredeyse hiç kimse iç çarpımı kullanmanın olumsuz etkilerini düşünmedi ve araştırmadı.
Bu makale, iç ürün operasyonunun eksikliklerine işaret etmekte ve iç ürün operasyonunun eksikliklerini ortadan kaldıran ve ağ eğitiminin zorluğunu azaltabilen PR ürün operasyonunu önermektedir.
1. Araştırma motivasyonu: iç çarpım işlemi, vektör açısı 0'a veya pi'ye yakın olduğunda geri yayılma eğimini küçülterek ağ eğitiminin zorluğunu artıracaktır.
2. İnovasyon: İleriye doğru yayılmada iç çarpıma eşdeğer olan, ancak parametre gradyanını geri yayılmadaki vektör açısından bağımsız hale getirebilen PR ürün işlemini önerin
3. Deneysel sonuçlar: Sadece iç ürün çalışmasını PR ürünüyle değiştirmek çeşitli ağların performansını önemli ölçüde artırabilir ve FC, CNN ve RNN uygulanabilir.
PR ürünü basit ve etkili, tak ve çalıştır, tıpkı elindeki bir İsviçre çakısı gibi, bu makale ICCV 2019 tarafından sözlü bir rapor kağıdı olarak kabul edildi.
Yazar, PyTorch kodunun PR ürün versiyonunun kullanıma hazır olan Yoğun katmanını, evrişimli katmanını ve LSTM birimini uygun bir şekilde sağladı.
Tembel olmak haklı! Ağı 1,77 kat hızlandırmak için yarısı çözülmüş JPEG görüntüleri kullanın
Kağıt adı: JPEG'DEN DÜZ DÜZ HIZLI SİNİR AĞLARI
Yazar: Lionel Gueguen / Alex Sergeev / Ben Kadlec / Rosanne Liu / Jason Yosinski
Düzenlenme zamanı: 2018/3/21
Kağıt bağlantısı: https://paper.yanxishe.com/review/72?from=leiphonecolumn_paperreview0114
Önerilen neden: Görüntü kodlamayı öğrenmediyseniz, bir resmin üç kanallı bir RGB tensörüne eşdeğer olduğunu düşünebilirsiniz. Ancak aslında, elektronik ekipmandaki resimlerin tümü kodlanmıştır ve kodlanmış görüntü dosyaları genellikle daha küçük ve daha kompakttır, bu da depolama ve iletim için uygundur. Mevcut sinir ağlarının tümü giriş olarak orijinal RGB piksellerini kullanır ve resim dosyasını tamamen çözmesi gerekir, ancak NN evrensel bir eşleme öğrenicisi olduğundan, sıkıcı kod çözme adımını kaydedebilir ve kodlanmış dosya "girdisine dayalı olarak doğrudan öğrenebilirsiniz. > Etiketlerin eşleştirilmesi ne olacak?
NIPS18'den alınan bu kağıt, örnek olarak en yaygın kullanılan JPEG kodlu görüntüyü kullanmayı denedi. Giriş verileri olarak "yarı-kodu çözülmüş" JPEG görüntüleri (DCT katsayılarının ayrı blokları) aldılar ve ResNet-50 ağını uyarlamalı bir dönüşüm gerçekleştirmek için örnek aldılar (boyuta uyarlama). ImageNet veri kümesindeki sınıflandırma görevi değerlendirme deneyi, ağın Aynı performans korunurken hız 1,77 kat arttı! Başka bir deyişle, "tembel" ağa önemli iyileştirmeler getirdi! Ben şahsen sırrın nicelleştirilmiş DCT katsayı tablosunda olduğunu düşünüyorum. Orijinal piksel girdisi ile karşılaştırıldığında, frekans alanına dayalı daha rafine ve kompakt yeni bir gösterimdir.İyi bir temsilin iyi sonuçlar elde etmesi doğal olarak daha kolaydır.Veri madenciliği yarışmalarında tecrübesi olan öğrenciler sözde düşünebilirler Bu makalenin neden işe yaradığını anlamak zor değil.
Bu makale Uber AI Lab'den geliyor, içerik basit ve anlaşılması kolay, 10 dakika içinde hızlı bir genel bakış ve size yeni ve ilginç bilgiler veriyor.
20 yıllık hedef tespiti hatırlayarak: kuru ürünler
Bildiri Başlığı: 20 Yılda Nesne Algılama: Bir Anket
Yazar: Zou Zhengxia / Shi Zhenwei / Guo Yuhong / Ye Jieping
Verilme zamanı: 2019/5/13
Kağıt bağlantısı: https://paper.yanxishe.com/review/53?from=leiphonecolumn_paperreview0114
Öneri nedeni: Bu, dün arXiv'de yayınlanan hedef tespitine genel bir bakıştır.Yazar, VJ Det ve HOG Det gibi erken geleneksel yöntemlerden son yıllara kadar veri kümeleri, değerlendirme göstergelerinden teknolojik evrime kadar hedef tespit alanının derinlemesine bir analizini gerçekleştirdi. FPN ve RetinaNet gibi yeni yöntemler, çok ölçekli algılamanın evrimi, aday çerçeve regresyonunun geliştirilmesi, NMS'nin ilerlemesi, algılama hızının atılımı ve pratik uygulamaların zenginliği gibi birçok kuru maddeye sahiptir. Samimiyetle dolu, şiddetle tavsiye edilir!
Küresel metin gömme
Kağıt adı: Küresel Metin Gömme
Yazar: Meng Yu / Huang Jiaxin / Wang Guangyuan / Zhang Chao / Zhuang Honglei / Kaplan Lance / Han Jiawei
Gönderme süresi: 2019/11/4
Kağıt bağlantısı: https://paper.yanxishe.com/review/4532?from=leiphonecolumn_paperreview0114
Öneri nedeni: Bu makale, veri madenciliği alanında uzman olan Profesör Han Jiawei tarafından şiddetle tavsiye edilmektedir ve okumaya değer.
Araştırma geçmişi: Denetimsiz metin gömme, çeşitli NLP görevlerinde güçlü işlevler gösterir. Büyük miktarda metin verisinin kendisi çok sayıda gizli kalıp, yapı ve bilgi anlamına gelir.Metin gömülmesi genellikle Öklid uzayında öğrenilse de, yönsel benzerlik genellikle kelime benzerliği ve belge kümeleme gibi görevlerde kullanılır. Daha etkili, bu eğitim aşaması ile metin yerleştirmenin kullanım aşaması arasında bir boşluk yaratır.
İnovasyon noktası: Yazar, bu boşluğu kapatmak için, bu modele dayanan küresel bir üretken model önerdi, denetimsiz kelime ve paragrafı bir araya getirmeyi öğrenebilir. Küresel uzayda metin gömmeyi öğrenmek için, bu makalenin yazarı Riemann optimizasyonuna dayalı yakınsama garantili verimli bir optimizasyon algoritması geliştirdi.
Araştırmanın önemi: Yazarın modeli oldukça etkilidir ve kelime benzerliği ve belge kümeleme dahil olmak üzere çeşitli metin yerleştirme görevlerinde en gelişmiş performansa sahiptir. Bu nedenle, bu modeli, büyük verilerin yapılandırılmamış verilerden yararlı bilgilere nasıl dönüştürüleceğini keşfetmek için kullanabiliriz.
Görev Faydası Beklenen Bisiklet Paylaşım Sisteminin Mekanizma Tasarımı
Kağıt adı: Bisiklet Paylaşım Sistemleri için Öngörülen Görev Geliriyle Mekanizma Tasarımı
Yazar: Lv Hongtao / Zhang Chaoli / Zheng Zhenzhe / Luo Tie / Wu Fan / Chen Guihai
Yayın zamanı: 2019/11/18
Kağıt bağlantısı: https://paper.yanxishe.com/review/5496?from=leiphonecolumn_paperreview0114
Öneri nedeni: Bu makale AAAI 2020 tarafından kabul edilmiştir. Çözülmesi gereken temel sorun, kullanıcıları paylaşılan bisikletleri programlamak için kullanmanın teşvik edici problemidir.
Önceki kırmızı paketlere benzer şekilde, bisiklet paylaşım şirketleri, kullanıcıları kırmızı paketler aracılığıyla belirlenen yerlere bisiklet sürmeye teşvik edebilir. Bu makale, paylaşılan bisiklet şirketinin, planlama görevinin getirebileceği beklenen geliri (örneğin, tarihsel verilere dayanarak) tahmin edebileceği senaryoyu ele alır ve kullanıcının görev tahsisini ve motive etmek için ödül şemasını içeren TruPreTar adlı bir mekanizma önerir. Kullanıcı, arz ve talep arasında bir denge sağlamak için bisikletin planlama görevini tamamlar. Bu mekanizma, gerçek raporlama ve bütçe fizibilitesi dahil olmak üzere ekonomik ve hesaplama özelliklerini tatmin edebilir. Şirketin bütçesi sınırlı olduğunda, bu mekanizma bütçeyi aşan beklenen geliri de sağlayabilir. Yazarlar, önerdikleri planın Mobike'ın veri seti üzerindeki etkinliğini doğruladılar.
Mevcut paylaşılan bisiklet pazarı artık acımasız bir genişleme değil, rafine bir operasyon aşamasına girmiştir. Kullanıcıları bisiklet planlama girişiminde bulunmaya teşvik etmek, yalnızca uzman operatörlerin maliyetinden tasarruf etmekle kalmaz, aynı zamanda bisiklet kullanım oranını da artırabilir. Bununla birlikte, sınırlı bir bütçeye dayalı olarak verimli kullanıcı teşvik programlarının nasıl tasarlanacağı, bu tür teşvik programlarının kullanıcılar tarafından kabul edilip edilmeyeceği ve kullanıcıların yünü takip etmelerinin nasıl önleneceği vb. Hala daha fazla araştırmaya ihtiyaç duymaktadır.
Dil anlayışı için anlam bilincine sahip BERT
Kağıt adı: Dil Anlamak için Anlambilime duyarlı BERT
Yazar: Zhang Zhuosheng / Wu Yuwei / Zhao Hai / Li Zuchao / Zhang Shuailiang / Zhou Xi / Zhou Xiang
Gönderme süresi: 2019/9/5
Kağıt bağlantısı: https://paper.yanxishe.com/review/6193?from=leiphonecolumn_paperreview0114
Öneri nedeni: Dil temsiline ilişkin en son çalışma, bağlama duyarlı işlevleri dikkatli bir şekilde dil modeli eğitimine entegre ederek, özellikle çeşitli makine okumasını anlama ve doğal dil çıkarım görevlerinde bir dizi başarı ile sonuçlanır. Ancak, mevcut dil temsil modelleri (ELMo, GPT ve BERT dahil) yalnızca karakter veya kelime gömme gibi genel bağlama duyarlı işlevleri kullanır. Dil temsili için zengin anlambilim sağlayabilen yapılandırılmış anlamsal bilgileri birleştirmeyi nadiren düşünürler.
Yenilik: Doğal dilin anlaşılmasını teşvik etmek için yazar, önceden eğitilmiş anlamsal rol etiketlerinden açık bağlamsal anlambilim eklemeyi ve iyileştirilmiş bir dil temsil modeli, yani anlamsal olarak farkında olan BERT (SemBERT) sunmayı önerir. BERT omurgasındaki bağlam semantiğini açıkça özümseyin. SemBERT, göreve özgü birçok değişikliğe gerek kalmadan, ince ayar yoluyla BERT öncü ekipmanının uygun kullanılabilirliğini koruyabilir. BERT ile karşılaştırıldığında, anlam bilincine sahip BERT kavramsal olarak basit ama güçlüdür. On okuduğunu anlama ve dil muhakeme görevinde, en son teknik seviyeyi elde etti veya sonuçları önemli ölçüde geliştirdi.
Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı
