本文摘要：全文共2984字，预计学习时长12分钟在学习人工智能时，我们肯定要去读一读业内顶尖专家的论文。然而，你知道顶尖人工智能专家的阅读清单上有哪些研究文章吗？以下论文涵盖的主题从超梯度到卷积神经网络的模拟产量响应，所有的论文都可以免费会见。每位专家还表述了论文被选中的原因并附有简介。Jeff Clune，OpenAI研究团队卖力人我们在一月份和Jeff举行过对话，他认为不能只挑一篇论文作为必读：《从学习到强化学习》（2016） ——JaneX Wang等。

全文共2984字，预计学习时长12分钟在学习人工智能时，我们肯定要去读一读业内顶尖专家的论文。然而，你知道顶尖人工智能专家的阅读清单上有哪些研究文章吗？以下论文涵盖的主题从超梯度到卷积神经网络的模拟产量响应，所有的论文都可以免费会见。每位专家还表述了论文被选中的原因并附有简介。Jeff Clune，OpenAI研究团队卖力人我们在一月份和Jeff举行过对话，他认为不能只挑一篇论文作为必读：《从学习到强化学习》（2016） ——JaneX Wang等。

链接：https://arxiv.org/search/cs?searchtype=author&query=Wang%2C+J+X本文展现了两个关键问题：稀疏训练数据（sparsetraining data）的局限性，以及递归网络是否能够支持完全监视情况下的元学习。这些看法在七个观点验证实验中获得相识决，每一个实验都考察了深度元语言的一个关键方面。我们思量了扩展该方法的前景，也指出了一些神经科学的潜在重要意义。

《通过可逆学习举行基于梯度的超参数优化》（2015）——Dougal Maclaurin，David Duvenaud与Ryan P. Adams。链接：https://arxiv.org/pdf/1502.03492.pdfJeff推荐的第二篇论文通过在整个训练历程中向后链接导数，盘算相对于所有超参数的交织验证性能的准确梯度。这些梯度可以对数千个超参数举行优化，包罗步长和动量调理、权重初始化漫衍、富厚的参数化正则化方案、以及神经网络架构。图源：pexelsAndriy Burkov，Gartner数据科学总监《注意（attention）是最重要的》（2017） ——AshishVaswani等人。

链接：https://arxiv.org/abs/1706.03762Andriy推荐这篇2017年的论文：“它用Bert这样的预训练Transformer模型把自然语言处置惩罚带到了一个全新的高度。”本文提出了一种新的简朴网络结构——Transformer，它完全基于注意机制，完全省去了递推和卷积。在两个机械翻译任务上的实验讲明，这些模型质量更佳，同时具有更好的并行化能力，所需的训练时间也显着淘汰。

Shalini Ghosh，美国三星研究院智能电视事业部首席科学家（全球）兼机械学习研究团队卖力人《是非时影象》（1997） ——SeppHochreiter与Jürgen Schmidhuber（免费版）链接：https://www.mitpressjournals.org/doi/abs/10.1162/neco.1997.9.8.1735这篇论文揭晓于1997年，是一篇开创性论文，其思想超前于其时代。只是在最近（已往6年左右），硬件加速器才气够运行LSTM的训练/服务操作，使得LSTM乐成地到场到许多应用中（例如，语言建模、手势预测、用户建模）。LSTM的基于内存的序列建模体系结构很是有影响力，它启发了许多最近的革新，例如转换器。

这篇论文对我的事情影响很大。《移动目的检测的高效增量学习》（2019） ——Dawei Li等。链接：https://arxiv.org/abs/1904.00781本文讨论了盛行的目的检测模型RetinaNet的一种新变体，并先容了一种增量学习的规范，该规范对于该模型以及多模态学习的其他应用十分有效。

本文中使用的关键观点和增量学习公式对任何从事盘算机视觉事情的人都是有用的，而且可以为未来可用于移动设备的高效增量算法的创新铺路。Kenneth Stanley，CharlesMillican教授（UCF）以及优步高级研究司理图源：pexels《多智能体自动课程应急工具的使用》（2019） ——Bowen Baker等。链接：https://arxiv.org/abs/1909.07528Ken选择这篇论文是因为其中一个奇特的例子，说明晰表示无限开放性开始的应急行为。本文发现，在我们所处的情况中，智能体计谋泛起了六个应急阶段，每一个阶段都对对方团队发生了新的适应压力。

例如，智能体学习使用可移动的箱子来制作多目的的掩体，这反过来又促使智能体发现它们可以使用坡道来克服障碍。图源：pexels《无限开放性：最后一个前所未有的大挑战》（2017）——Kenneth Stanley等人。

链接：https://www.oreilly.com/radar/open-endedness-the-last-grand-challenge-youve-never-heard-of/Ken还加入他自己和他同事的一篇论文，他的建议是“对无限开放性挑战的非技术先容”。这篇文章在形貌中解释了这个挑战是什么、其惊人寄义、以及如何加入探索。Andrew NG，LandingAI首创人兼CEO；deeplearning.ai首创人当我们联系Andrew时，他并没有想出任何详细的文章。但我们看到了他最近的一个帖子，其中强调了两篇他认为有趣的论文。

《使用卷积神经网络模拟作物治理的产量响应》（2020）——AndreBarbosa等人。链接：https://www.sciencedirect.com/science/article/pii/S0168169919308543Andre等人在本文中提出一种卷积神经网络来捕捉差别属性的相关空间结构，并将它们组合起来模拟产量对养分和种子率治理的响应。使用九个玉米地田间试验构建合适的数据集来训练和磨练卷积神经网络模型，对网络中差别阶段联合输入属性的四种架构举行了评估，并与最常用的预测模型举行了比力。

《深度学习与医疗保健专业人员在从医学影像中检测疾病方面的能力比力：系统性的回首与元分析》（2019）——XiaoxuanLiu等。链接：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(19)30123-2/fulltext#seccestitle10本文评估了深度学习算法与医疗保健专业人员在使用医学成像举行疾病分类时的诊断准确性。接纳统一的分层模型，在元分析中举行样本外外部验证的研究。

Kirk Borne，首席数据科学家和数据科学研究员，BoozAllen Hamilton公司执行照料《Netflix推荐系统：算法、商业价值和创新》（2015）——Carlos Gomez-Uribe 与Neil Hunt。链接：https://dl.acm.org/doi/10.1145/2843948这篇论文揭晓于几年前的，并不是特别具有技术性，但它涵盖了一小我私家在运营情况中部署一小我私家工智能算法之前、期间和之后必须思考的、测试和验证的大量基础问题、商业决议、算法特性、怀抱和数据特征。我喜欢这篇论文另有一个原因是推荐器引擎很盛行，在许多差别的行业中使用，而且获得了所有人的认可。

这篇论文可以迅速地将学生（和其他人）带入到更深入、更富厚的明白中——无论是对算法自己及其兴趣还是盈利时机。GregoryPiatetsky-Shapiro，数据科学家，KDnuggets总裁当我们联系到Gregory，他的论文选择建议是基于试图明白人工智能和机械学习的大趋势。

最近的两篇论文也印证了这一点：“下面是我最近读到的两篇重要论文，来自Gary&Francois。对于前者，我也建议相识YoshuaBengio和GaryMarcus在蒙特利尔市的辩说。”《人工智能领域的下一个十年：稳健人工智能的四步走》（2020）——Gary Marcus链接：https://arxiv.org/abs/2002.06177本文先容了人工智能和机械学习领域的最新研究结果，主要强调了通用学习以及越来越大的训练集和越来越多的盘算量。

而Gary提出了一种以认知模型为中心的混淆体，混淆了知识驱动、基于推理的方法，该方法可以为比现在更富厚，更稳健的人工智能提供基础。图源：pexels《论智能的权衡》（2019）——François Chollet链接：https://arxiv.org/abs/1911.01547Gregory的第二个建议是FrançoisChollet的《论智能的权衡》。本文总结并批判性地评价了智能丈量的界说和评估方法，同时阐明晰指导它们的隐含的两个智能历史观点。

然后，François以算法信息论为基础，提出了一个新的智能形式化界说，将智能形貌为技术习得效率，并强调了规模、总结难度、先验和履历等观点。Myriam Cote，咨询师《用机械学习应对气候变化》（2019）——DavidRolnick，Priya LDonti，YoshuaBengio等。链接：https://arxiv.org/pdf/1906.05433.pdf?utm_campaign=nathan.ai%20newsletter&utm_medium=email&utm_source=Revue%20newsletterMyriam的建议涵盖了机械学习及其对情况的影响。

气候变化是人类面临的最大挑战之一，机械学习专家们正在探究他们如何资助人类。在这篇论文中，作者形貌了机械学习如何在淘汰温室气体排放和资助社会适应不停变化的气候方面成为一个强有力的工具。

从智能电网到灾害治理，它们确定了影响较大的问题，在这些问题上，现有的空缺可以通过机械学习与其他领域互助来填补。这份业内大佬的推荐阅读清单，你收好了吗？留言点赞关注我们一起分享AI学习与生长的干货如转载，请后台留言，遵守转载规范。

本文关键词：爱游戏app官网下载,顶尖,专家推荐,的,必读,论文,一,定要,加入

本文来源：ayx爱游戏app体育官方下载-www.0352hsy.com