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。Пользователи сети Reddit: я голосую за эту статью
@ beezlebub33 Рекомендуемая статья:
«Крупномасштабное исследование обучения, основанного на любознательности».
Крупномасштабное исследование обучения, основанного на любознательности.
https://pathak22.github.io/large-scale-curiosity/
Причина рекомендации:
важность этой статьи отражается в ее отличной производительности во многих играх без хорошего механизма вознаграждения. Важно то, что он учится играть в игры через предсказания, может определять поведение, которое нарушает ожидания, и может исследовать неизвестные области. Это может быть будущее направление ИИ: самоконтроль, немаркированные данные, предсказуемость, любопытство, внутренняя мотивация и т. Д.
У людей не было достаточно времени, чтобы создать контролируемые обучающие наборы и определить матрицы для этих наборов данных. Но если вы предоставите ИИ необработанные данные, и он сможет изучить внутреннее представление пространственно-временной эволюции системы, тогда вы сможете определить цели и, наконец, достичь их с помощью ИИ.
@YBuzzinGA Рекомендуемый документ:
«Изучение правил неконтролируемого обучения»,
изучение правила неконтролируемого обучения
https://arxiv.org/abs/1804.00222 .
Рекомендуемая причина: в
этой статье рассказывается об использовании обучения без учителя для выполнения некоторых задач. Характерной чертой этой статьи является то, что модель учится сама по себе.
Мета-обучение является ключевой областью. Изучение этих правил обучения позволит ИИ понять себя и улучшить себя. Если вы можете научить компьютер, как научиться понимать самого себя, тогда мы сделаем скачок.
Статья, рекомендованная @breadwithlice:
" Фразовый и нейронный неконтролируемый
машинный перевод",
основанный на фразовом и неконтролируемом нейронном машинном переводе
https://arxiv.org/abs/1810.04805v1
Причина рекомендации: в
этой статье для завершения перевода можно использовать только один корпус без каких-либо сопоставлений, словарей или параллельных данных.
В статье используется метод обратного перевода: при преобразовании из A в B, затем при преобразовании B в A. Это значительно улучшает переводчик, а затем переключает A и B. Это потрясающий результат!
Документ, рекомендованный @kartayyar:
«Предварительная подготовка глубоких двунаправленных преобразователей
для понимания языка » Предварительная подготовка к
глубокому двунаправленному методу понимания языка
https://arxiv.org/abs/1809.10756
Рекомендуемая причина:
Что мне в нем нравится:
отличная инновационная концепция, очень креативный метод маскировки.
Они разъяснили свою основную философию очень простыми предложениями.
На Github есть воспроизводимые результаты кода.
Способен справиться с множеством разных задач.
@ ndha1995 Рекомендуемая статья:
«Введение в вероятностное программирование».
Вероятностное планирование. Введение
https://arxiv.org/abs/1809.10756
Рекомендуемая причина:
это моя любимая статья из статьи 2018 года.
Автор дал всестороннее и строгое введение в вероятностное планирование, а в последней главе представил результаты недавнего исследования сочетания глубоких нейронных сетей и вероятностного планирования.
Хардкорные предложения для чтения статей
Даже если вы знаете отличные статьи, за исключением криков «вау», которые действительно классные, как вы можете их понять?
Прежде всего, подумайте о своей мотивации. Активно хотите исследовать и пассивно выполнять задания. Эффект и опыт будут совершенно другими. Мы нашли несколько хардкорных предложений, мы поможем вам здесь.
Читайте критически
Это очень важное отношение. Не следует слепо следовать точке зрения автора. Вместо этого сомневайтесь и проверяйте.
Что такое критическое чтение? Попробуйте задать вопросы. Если автор пытался решить проблему, правильно ли он ее решил? Есть ли автор, который не рассматривал простое решение? Каковы ограничения решения (в том числе те, которые автор не заметил или явно не признал)?
Разумно ли предположение автора? Учитывая гипотезу, является ли логика статьи ясной и разумной, или в ее рассуждениях есть изъян?
Если авторы предоставляют данные, могут ли их данные использоваться для подтверждения их аргументов, и является ли их способ сбора данных разумным? Как они интерпретируют данные? Не лучше ли перейти на другие данные?
Читайте творчески
Критически прочитать статью не так уж сложно, потому что ее легче разрушить, чем построить. А творческое чтение предполагает более твердое и позитивное мышление.
Например: какие хорошие идеи содержатся в этой статье? Есть ли другие приложения или расширения этих идей? Можно ли их продвигать дальше? Есть ли улучшения, которые могут иметь большое значение? Если вы сами проведете соответствующее исследование, что вы будете делать дальше?
Делайте заметки во время чтения статьи
Многие люди делают заметки во время чтения статей. Этот метод очень хорош. Запишите любые вопросы или комментарии, которые вы думаете, как вам нравится. Попытайтесь найти ключевые моменты автора.
Известный метод Корнелла
Отметьте наиболее важные или, казалось бы, проблемные данные. Такая отметка помогает понять статью, но также помогает просмотреть ее позже.
После первого чтения
постарайтесь резюмировать статью одним или двумя предложениями.
Почти все отличные статьи задают ответ на конкретный вопрос. Если вы можете кратко описать статью, возможно, вы поняли работу автора, включая проблему, которую он хочет решить, и окончательный ответ. Как только вы сконцентрируетесь на основной идее, вернитесь и обрисуйте бумагу, чтобы лучше понять конкретные детали.
Фактически, если легко резюмировать статью одним или двумя предложениями, вы можете попробовать другой метод и перечислить три или четыре схемы, чтобы обобщить основные идеи.
По возможности
сравните статью с другими работами.
Подведение итогов статьи - это способ попытаться определить научный вклад статьи. Но чтобы по-настоящему понять научную ценность, вы должны сравнить статью с другими работами в этой области. Чтобы выяснить, новые ли эти идеи или появились раньше?
Стоит отметить, что есть много способов представить научные исследования. Например, в одних документах предлагаются только новые идеи, в других - проверка и показывается, как они работают; другие объединяют предыдущие идеи и объединяют их в новую структуру. Понимание других работ в этой области может помочь вам лучше понять ценность статьи.
Энциклопедия супер нервной системы
Обучение без учителя
Машинное обучение можно разделить на обучение с учителем, обучение без учителя и обучение без учителя.
Обучение без учителя - это метод обучения, который не обеспечивает идентификацию соответствующей категории для обучающей выборки. Он подходит для ситуаций, когда есть набор данных, но нет меток.
Данные, используемые при обучении без учителя, не помечены, и выходной результат, соответствующий входным данным, неизвестен во время обучения. Нет контролируемых улучшений (скажите, какое обучение правильное).
Неконтролируемое обучение может только молча читать данные, ища модели данных и законы, такие как кластеризация (группирование похожих данных в группу) и обнаружение аномалий (поиск аномалий).
Цель обучения без учителя - классифицировать исходные данные, чтобы понять внутреннюю структуру данных. Его характерно то, что он предоставляет только входные примеры для такого типа сети и автоматически находит свои потенциальные правила категории из этих примеров. После изучения и тестирования вы также можете применить его к новым случаям.
