https://mp.weixin.qq.com/s/dQxbmSHouyAx13LxDKl8kQ
by 超神经
读论文这件事，对深入了解细分领域的技术和难题来说，重要性毋庸置疑。
2018 年也出现了很多优质的论文，比如各大顶级学术会议上的获奖论文，我们今天盘点的是 Reddit 网友心中那些 2018 帮助过他们的论文。Netizen de Reddit: voto por este artículo
@ beezlebub33 Artículo recomendado:
"Estudio a
gran escala del aprendizaje impulsado por la curiosidad" Investigación del aprendizaje impulsado por la curiosidad a gran escala
https://pathak22.github.io/large-scale-curiosity/
Motivo de la recomendación:
La importancia de este artículo se refleja en su excelente desempeño en muchos juegos sin un buen mecanismo de recompensa. Lo importante es que aprende a jugar a través de predicciones, puede identificar comportamientos que violan las expectativas y puede explorar áreas desconocidas. Esta puede ser la dirección futura de la IA: autocontrol, datos sin etiquetar, previsibilidad, curiosidad, motivación interna, etc.
La gente no ha tenido tiempo suficiente para crear conjuntos de entrenamiento supervisados y definir matrices para estos conjuntos de datos. Pero si proporciona a la IA datos sin procesar y puede aprender la representación interna de la evolución espacio-temporal del sistema, entonces puede definir objetivos y finalmente lograrlos con la IA.
@YBuzzinGA Artículo recomendado:
"Aprendizaje de reglas de
aprendizaje sin supervisión " Aprendizaje de reglas de aprendizaje sin supervisión
https://arxiv.org/abs/1804.00222 .
Motivo recomendado:
Este artículo trata sobre el uso del aprendizaje no supervisado para realizar algunas tareas, su característica es que el modelo está aprendiendo a aprender por sí mismo.
El metaaprendizaje es un área clave. Aprender esas reglas de aprendizaje permitirá que la IA se comprenda a sí misma y se mejore. Si puede enseñarle a una computadora cómo aprender a comprenderse a sí misma, entonces podemos dar un salto.
Informe recomendado por @breadwithlice:
"
Traducción automática neuronal no
supervisada y basada en frases " basada en la traducción automática neuronal no supervisada de frases
https://arxiv.org/abs/1810.04805v1
Motivo de la recomendación: en
este artículo, solo se puede utilizar un único corpus para completar la traducción sin ningún mapeo, diccionario o datos paralelos.
En el artículo se utiliza una técnica de traducción inversa: al convertir de A a B, luego convertir B a A. Esto mejora enormemente el traductor y luego cambiar A y B. ¡Este resultado es asombroso!
Artículo recomendado por @kartayyar:
"Pre-formación de transformadores bidireccionales profundos
para la comprensión del lenguaje " Pre-formación del
método bidireccional profundo en la comprensión del lenguaje
https://arxiv.org/abs/1809.10756
Razón recomendada:
Lo que me gusta de él:
gran concepto innovador, el método de enmascaramiento que utilizan es muy creativo.
Aclararon su filosofía central en oraciones muy simples.
Hay códigos de resultados reproducibles en Github.
Capaz de manejar una serie de tareas diferentes.
@ ndha1995 Artículo recomendado:
"Introducción a la programación
probabilística " Introducción a la planificación probabilística
https://arxiv.org/abs/1809.10756
Razón recomendada:
este es mi favorito en el artículo de 2018.
El autor hizo una introducción exhaustiva y rigurosa a la planificación probabilística y, en el último capítulo, presentó la investigación reciente sobre la combinación de redes neuronales profundas y planificación probabilística.
Sugerencias estrictas para leer artículos
Incluso si conoces grandes periódicos, excepto por gritar wow, que son realmente geniales, ¿cómo puedes entenderlos?
En primer lugar, piense en su motivación. Quiere explorar activamente y completar tareas pasivamente. El efecto y la experiencia serán completamente diferentes. Encontramos algunas sugerencias incondicionales, um, te ayudaremos aquí.
Leer críticamente
Esta es una actitud muy importante. No sigas ciegamente el punto de vista del autor. En cambio, ve a dudar y verifica.
¿Qué es la lectura crítica? Trate de hacer preguntas. Si el autor intentó resolver un problema, ¿lo resolvió correctamente? ¿Hay algún autor que no consideró una solución sencilla? ¿Cuáles son las limitaciones de la solución (incluidas aquellas que el autor no notó o reconoció explícitamente)?
¿Es razonable la suposición del autor? Dada la hipótesis, ¿la lógica del artículo es clara y razonable, o hay una falla en el razonamiento?
Si los autores proporcionan datos, ¿se pueden utilizar sus datos para confirmar su argumento? ¿Es razonable su camino para recopilar datos? ¿Cómo interpretan los datos? ¿Sería mejor cambiar a otros datos?
Leer creativamente
No es muy difícil leer un artículo críticamente, porque es más fácil de destruir que de construir. Y la lectura creativa implica un pensamiento más duro y positivo.
Por ejemplo: ¿Cuáles son algunas buenas ideas de este artículo? ¿Existen otras aplicaciones o extensiones para estas ideas? ¿Pueden promoverse más? ¿Hay mejoras que marcarían una gran diferencia? Si realiza la investigación pertinente usted mismo, ¿qué hará a continuación?
Tome notas mientras lee el periódico
Mucha gente toma notas mientras lee artículos. Este método es muy bueno. Registre cualquier pregunta o comentario que se le ocurra de la manera que desee. Trate de encontrar los puntos clave del autor.
El aclamado método Cornell
Marque los datos más importantes o aparentemente problemáticos. Esta marca ayuda a comprender el artículo, pero también ayuda a revisarlo más tarde.
Después de la primera lectura,
intente resumir el artículo en una o dos oraciones.
Casi todos los artículos excelentes responden a una pregunta específica. Si puede describir un artículo de manera sucinta, es posible que haya entendido el trabajo del autor, incluido el problema que desea resolver y la respuesta final. Una vez que se concentre en la idea principal, vuelva atrás y describa el documento para obtener una comprensión más profunda de los detalles específicos.
De hecho, si es fácil resumir el artículo en una o dos oraciones, puede probar otro método y enumerar tres o cuatro esquemas para resumir las ideas principales.
Si es posible,
compare el papel con otros trabajos.
Resumir el artículo es una forma de intentar determinar la contribución científica del artículo. Pero para comprender verdaderamente el valor científico, debe comparar el artículo con otros trabajos en el campo. ¿Para saber si estas ideas son nuevas o han aparecido antes?
Cabe mencionar que existen muchas formas de presentar la investigación científica. Por ejemplo, algunos artículos solo proponen nuevas ideas, mientras que otros implementan la verificación y muestran cómo funcionan; otros combinan ideas previas y las integran bajo un marco novedoso. Comprender otros trabajos en el campo puede ayudarlo a comprender mejor el valor del artículo.
Enciclopedia súper nerviosa
Aprendizaje sin supervisión
El aprendizaje automático se puede dividir en aprendizaje supervisado, aprendizaje no supervisado y aprendizaje semi-supervisado.
El aprendizaje no supervisado es un método de aprendizaje que no proporciona la identificación de categoría correspondiente para el conjunto de capacitación. Es adecuado para situaciones en las que hay un conjunto de datos pero no etiquetas.
Los datos utilizados en el aprendizaje no supervisado no están etiquetados y el resultado de salida correspondiente a los datos de entrada no se conoce durante el entrenamiento. Sin mejora supervisada (dígale qué tipo de aprendizaje es correcto).
El aprendizaje no supervisado solo puede leer los datos en silencio, buscando modelos de datos y leyes, como agrupamiento (agrupando datos similares en un grupo) y detección de anomalías (buscando anomalías).
El propósito del aprendizaje no supervisado es clasificar los datos originales para comprender la estructura interna de los datos. Su característica es que solo proporciona ejemplos de entrada para este tipo de red y encuentra automáticamente sus reglas de categoría potencial a partir de estos ejemplos. Después de aprender y probar, también puede aplicarlo a nuevos casos.
