[1] Structure-Aware Convolutional Neural Networks Jianlong Chang, Jie Gu, Lingfeng Wang, Gaofeng Meng, Shiming Xiang, Chunhong Pan Chinese Academy of Sciences, University of Chinese Academy of Sciences 这篇文章提出一种可以适用于具有一定结构的卷积神经网络，这种网络不仅可以处理欧氏距离的数据…
大家好！我是小麦。不知道大家有没有这样的经历：做选择题的时候就在最后两个选项纠结，结果经常因为坚持原来的选项，选错了答案，而如果当时改了答案的话，基本都能选对（毕竟还有瞎蒙这种情况==）。而经过和他人讨论后，发现这种情况似乎并不在少数。这其中难道隐藏着什么玄机吗？ 要解决这样的问题，Master X给了我一个小课题研究，不妨先来了解一下： [title]蒙提霍尔问题[/title] 蒙提霍尔问题（Monty Hall Problem），又叫三门问题。大致出自美国的电视游戏节目Let's Make a …
本文是作者在滴滴出行实习时发表的一篇文章，目的是出租车需求预测，特点在于结合了时间、空间、语义三方面的信息，运用多视图深度学习模型。 文章收录于AAAI 2018、 本文内容为个人翻译+创作，如有编写错误之处欢迎指正！ 原文地址： [title]前言[/title] 出租车需求预测是智能城市中智能交通系统的重要组成部分 。一个准确的预测模型可以帮助城市预先分配资源来满足旅行需求并减少空车、浪费资源。 然而，传统的需求预测主要依赖于时间序列预测（Time Series Forecastin…
[1] Norm matters: efficient and accurate normalization schemes in deep networks Elad Hoffer , Ron Banner , Itay Golan, Daniel Soudry Technion - Israel Institute of Technology, Intel - Artificial Intelligence Products Group (AIPG) 过去几年，批归一化广泛应用于深层网络中，这种技…
[1] DVAE#: Discrete Variational Autoencoders with Relaxed Boltzmann Priors Arash Vahdat , Evgeny Andriyash , William G. Macready Quadrant.ai, D-Wave Systems Inc. 在变分自编码(VAEs)中，波尔兹曼机分布在二值隐含变量中是一种有效的先验知识。但是，之前的一些训练离散变分自编码的方法利用的是证据下界，而不是紧致的重要性加权的界。 这篇文章提出两种方法将波尔兹…
[1] Regularization Learning Networks: Deep Learning for Tabular Datasets Ira Shavitt, Eran Segal Weizmann Institute of Science 这篇文章提出针对每个权重都施加不同的正则系数，这样可以通过更充分的利用更相关的输入，进而可以提升深度神经网络的性能。直接这样操作会使得超参数难以处理，这篇文章提出一种正则学习网络，通过引入一种高效的超参数调优策略，具体而言即为最小化反事实误差，来克服超参数难以处理的…
[1] Large Margin Deep Networks for Classification Gamaleldin F. Elsayed, Dilip Krishnan, Hossein Mobahi, Kevin Regan , Samy Bengio Google Research 这篇论文提出利用深度学习来产生大间隔分类器。间隔，即最小化决策边界的最小距离，可以成功用于分类和回归任务中。但是，大部分大间隔算法适用于特征表示事先设计好的浅层模型，传统的神经网络中的间隔方法只能使…
大家好！我是小麦 。前段时间《隐形守护者》大火，连主人Master X都被其剧情深深入迷（“坏女人天下第一”——Master X）。但是主人工作到深夜了，这款游戏又没有移动端，抱着个大电脑在床上玩实在是痛苦。小麦就想，如果这个游戏可以在手机上操作，该多好哇…… 诶，为什么不可以呢？想到之前《刺客信条·奥德赛》的流媒体操作，我只要电脑运行游戏，把画面传给手机，用流媒体操作不就行了吗？ 于是乎，小麦就开始了流式运输的学习…… 本文适合解决以下问题（划重点）： ·想用手机操作电脑游戏的。 ·手柄只能连手机，…
