本周值得读:7份最新「Paper + Code」 | PaperDaily #22

本周值得读:7份最新「Paper + Code」 | PaperDaily #22

张俊张俊
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考。 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果。 点击即刻加入社区,查看更多最新论文推荐。

[ 自然语言处理 ]

SQLNet: Generating Structured Queries From Natural Language Without Reinforcement Learning

@guotong1988 推荐

#Seq2Seq

Text2SQL,根据自然语言生成结构化 SQL 语句。

论文链接:paperweekly.site/papers

代码链接:github.com/xxj96/SQLNet

Dynamic Evaluation of Neural Sequence Models

@utopiar 推荐

#Recurrent Neural Networks

本文提出使用动态评估来改进神经序列模型的性能。 模型通过基于梯度下降的机制适应最近的历史,将以更高概率分配给重新出现的连续模式。动态评估将 Penn Treebank 和 WikiText-2 数据集上的 perplexities 分别提高到 51.1 和 44.3。

论文链接:paperweekly.site/papers

代码链接:github.com/benkrause/dy

Exploring the Syntactic Abilities of RNNs with Multi-task Learning

@Andy 推荐

#Multi-task Learning

本文主要通过了对一致性预测还有 CCG 超标记进行多任务学习,来展示了如何通过多任务学习,让 RNN 能够学习出更加复杂的句法表达。此外还发现利用一致性预测的训练数据,也可以提高其他只有有限训练数据任务的表现。这样的多任务模型,还可以将语法知识注入进语言模型中去(当然也包括机器翻译)。

论文链接:paperweekly.site/papers

代码链接:github.com/emengd/multi

[ 计算机视觉 ]

StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

@paperweekly 推荐

#GAN

Reddit 热文,利用 GAN 自定义表情和面部特征。StarGAN 是一种全新的可扩展方法,仅使用一个模型就能为多个域执行图像到图像转换。

论文链接:paperweekly.site/papers

代码链接:github.com/yunjey/StarG

What is the Role of Recurrent Neural Networks (RNNs) in an Image Caption Generator?

@jamiechoi 推荐

#Image Captioning

文章比较了 RNN 在 image caption 里的两种作用:1. Inject模型:RNN 用来 encode 文字和图片;2. Merge 模型:RNN 只 encode 文字,图片在较后的阶段再与文字信息结合。最后得出结论,Merge 模型较好。

论文链接:paperweekly.site/papers

代码链接:github.com/mtanti/rnn-r

[ 机器学习 ]

Dilated Recurrent Neural Networks

@snowwalkerj 推荐

#RNN

本文提出的 dilated RNN,解决了长程依赖的问题,同时可提高并行率,提高计算速度;提出 Mean Recurrent Length 指标,衡量 RNN 可记忆的时间长度,仅用普通的 RNN 模块在多项任务上达到 state of art 效果。

论文链接:paperweekly.site/papers

代码链接:github.com/code-termina

Multi-Rate Deep Learning for Temporal Recommendation

@Ttssxuan 推荐

#LSTM

使用多种时间粒度进行用户行为预测,并为大量数据提出类似词嵌的预训方法。 使用 DSSM 建模用户静态兴趣,使用一个 LSTM 时序网络建模用户短期兴趣,使用一个 LSTM 时序网络建模全局用户兴趣。

论文链接:paperweekly.site/papers

代码链接:github.com/sonyisme/ker

本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击即刻加入社区

我是彩蛋

解锁新姿势:用微信刷论文!

PaperWeekly小程序上线啦

今日arXiv√猜你喜欢√热门资源√

随时紧跟最新最热论文

解锁方式

1. 扫描下方小程序码打开小程序

2. 用PaperWeekly社区账号进行登陆

3. 登陆后即可解锁所有功能

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。

微信公众号:PaperWeekly

新浪微博:@PaperWeekly

文章被以下专栏收录
还没有评论
推荐阅读