--Ashish Vaswani等人。
本文先容了人工智能和机械学习的最新研究这些研究在很大水平上强调了通用学习和越来越大的训练集和越来越多的盘算。与此形成对比的是加里提出了一种混淆的、知识驱动的、基于推理的方法以认知模型为中心可以为比现在可能的更富厚、更结实的人工智能提供基础。
双语原文链接：13 ‘Must-Read’ Papers from AI Experts
当我们联系到Gregory时他建议他的论文选择是基于试图明白AI和ML的大趋势最近的两篇论文对他来说很是突出。“我最近读了两篇重要的论文下面是Gary & Francois的文章。
我还推荐看Yoshua Bengio和Gary Marcus在Montrea举行的辩说。”
当我们联系Andrew时脑海中并没有详细的论文然而我们被引导到他最近的一篇帖子其中突出了他认为可能感兴趣的两篇论文。下面引用了这两篇论文。
以下所有的论文都是免费的涵盖了从超梯度到CNN的产量响应建模等一系列主题。
每位专家还附上了论文被选中的原因以及简短的小我私家简历。
我们在一月份的时候就和Jeff谈过其时他不能只选一篇论文作为必读所以我们让他选了两篇。
下面列出这两篇论文。
Efficient Incremental Learning for Mobile Object Detection (2019) - Dawei Li et al
如果你也是位热爱分享的AI喜好者。接待与译站一起学习新知分享发展。
-- et al.
Emergent Tool Use From Multi-Agent Autocurricula (2019) --Bowen Baker等人。
-David RolnickPriya L DontiYoshua Bengio等
Myriam的建议包罗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想知道如何提供资助。
在本文中作者形貌了机械学习如何成为淘汰温室气体排放和资助社会适应气候变化的有力工具。从智能电网到灾难治理他们通过与其他领域互助来发现现在影响较大的问题这些问题可以通过机械学习的方法来举行解决。在此处阅读本文的更多内容。
《人工智能的下一个十年：迈向稳健人工智能的四个步骤》(2020)--
Kenneth Stanley Charles Millican教授（UCF）和Uber高级研究司理
Jeff推荐的第二篇论文通过在整个训练历程中倒链导数盘算出所有超参数的交织验证性能的准确梯度。这些梯度允许对数千个超参数举行优化包罗步长和动量计划、权重初始化漫衍、富厚的参数化正则化方案和神经网络架构。
你可以在这里阅读更多关于这篇论文的内容。
“这篇论文已有一定年份且不是技术性文章可是它涵盖了许多你需要思考的基本问题业务决议点算法特征怀抱和数据特征测试和验证在操作情况中部署AI算法。我之所以喜欢这篇文章也是因为推荐引擎很受接待且在差别的行业中使用获得了所有人（甚至是非专家）的认可。因此本文可以迅速为学生（包罗其他人）获得对算法的深入明白和兴趣。
请在此处阅读。
数据科学家和KDnuggets总裁
我们允许Ken也加入了他自己和他的同事们的一篇论文他的建议是 "关于开放式挑战的非技术性先容"。
这篇论文在形貌中解释了这个挑战到底是什么如果解决了它的惊人意义以及如果我们引发了你的兴趣如何加入这个探索。在这里阅读更多关于这篇论文的内容。
Gartner数据科学总监
AI研习社是AI学术青年和AI开发者技术交流的在线社区。我们与高校、学术机构和工业界互助通过提供学习、实战和求职服务为AI学术青年和开发者的交流相助和职业生长打造一站式平台致力成为中国最大的科技创新人才聚集地。
Andriy推荐了2017年的这篇论文因为用他自己的话说"它将NLP与BERT等预训练的Transformer模型带到了一个全新的高度"。论文提出了一种新的简朴网络架构--Transformer完全基于注意力机制完全免去了递归和卷积。在两个机械翻译任务上的实验讲明这些模型在质量上更胜一筹同时更可并行化所需的训练时间也大大淘汰。
你可以在这里阅读这篇论文。
在这项事。
本文关键词：专家,们,推荐,的,13篇,“,必读,”,论文,--Ashish,爱游戏app下载
本文来源：爱游戏app下载-www.hbqccl.com