你的位置:主页 > 赢遍天下心水论坛 >

论文推荐精选 问AI应该做什么;社交媒体压力分析数据集;AutoGAN

发布时间: 2019-11-23? 来源:本站原创 作者:admin

  原标题:论文推荐精选 问AI应该做什么;社交媒体压力分析数据集;AutoGAN;车牌拍卖预测

  大家除了浏览或者参与论文推荐,还可以一键打包下载论文合集,针对长期更新的论文合集,你能通过系统消息第一时间收到更新的通知,让你的科研的道路上,绝不慢人一步!

  是 Paper 研习社推出的全新栏目,展现社友们在研习论文的过程中,推荐自己所阅读到的优秀论文,帮助大家一起学习、讨论每个领域最新、最精彩的学术论文。

  是 Paper 研习社推出的全新栏目,展现社友们在研习论文的过程中,推荐自己所阅读到的优秀论文,帮助大家一起学习、讨论每个领域最新、最精彩的学术论文。

  为了回答该问题,这篇论文收集了100项任务,从动机、困难、风险和信任四个方面衡量了这些任务可以委托给AI的程度。通过设计调查问卷和收集回答,这篇论文发现大家还是倾向于让AI参与而人类保持主导的方式,而不是完全交给AI来控制。在4个因素中,信任是与AI可委托性最相关的一个因素。

  这篇论文是想引发人们对于AI应该做什么的思考,女子公路自行车:美国名将阿姆斯特朗取得三连冠,不过目前它的调查结果基于亚马逊的众包平台,也限制了受访者来自美国,可能换一个调查群体会有完全不一样的结果,例如中国的AI开发者对于这4个因素的关注程度会完全不一样。

  推荐人:琴•福克纳(清华大学信息与通信工程专业,Paper 研习社特约作者)

  作为一种场景的人类情感,压力在网络论坛中表现得非常明显。适当的压力可以成为人们的工作动力,但是过大的压力会危害到人们的健康。之前的研究缺失压力识别研究相关的数据集,因此这篇论文通过从Reddit社区上获取的帖子,经过标注后,提出了一个用于压力识别研究的社交媒体上下文语料集。这个数据集包含了来自五个不同的Reddit社区类型的19万帖子,还从3千份帖子样本中使用Amazon Mechanical Turk标注了其中的3万5千个片段。作者们设计了有监督学习方法,包括传统机器学习方法和神经网络方法,来识别压力。最后,作者们还分析了数据的复杂度和多样性,以及每类数据的特性。

  研究意义:新的数据集的提出会有助于后续的研究进一步探索压力识别方向的方法,并且与这篇论文中的方法进行对比。

  核心问题:对抗神经网络再自然图像方面具有明显的优势,如何生成高质量的图片成为一个很重要的问题,本论文使用自动搜索的方式搜索到一个较好的生成器结构而无需人工设计,这种结构自设计的方式成为Auto-GAN。

  创新点:作者首先定义了生成器结构变化的搜索空间,然后使用RNN控制器来指导搜索,并通过参数共享和动态重置来加速该过程。最后使用Inception score作为奖励,引入多级搜索策略以逐步执行NAS。

  研究意义:自动结构设计一直是火热的话题,而如何再GAN中做自动结构设计是一个难题,NAS和GAN结合面临的独特挑战。

  由于迷信等因素,不同字母和数字对应的车牌号的拍卖价格很不一样,甚至可以高达数百万元,例如本文使用的香港车牌拍卖的历史上就有5次车牌售价超过了一百万美元。在这样的背景下,这篇论文试图搭建一个在线服务,用来提供以下服务:

  * 价格估计:通过深度残差学习等模型,基于语言学和计算机视觉这两方面的特征(例如数字是否吉利、是否对称等),来估计车牌的拍卖价格;

  * 给出估计的价格的分布,特别是对于价格比较贵的车牌,能够给用户更准确的参考;

  基于香港车牌拍卖的历史价格数据,这篇论文发现基于卷积神经单元的模型要优于基于递归神经单元的模型,也优于其他机器学习模型。

  与之前一篇试图用计算机图形学技术预测艺术品价格的论文类似,这也是一篇试图在现实问题中应用计算机技术的论文,或许能够启发后续的研究在传统的计算机任务之外,找到更多计算机视觉技术能够应用的场景。

  词嵌入已在多个NLP应用程序中广泛采用。大多数现有的单词嵌入方法都利用单词的顺序上下文来学习其嵌入。尽管已经尝试了利用单词的句法上下文,但是这种方法导致词汇量的爆炸式增长。

  创新点:在本文中,作者通过提出SynGCN(一种基于图卷积的灵活方法来学习单词嵌入)克服了这一问题。SynGCN在不增加词汇量的情况下利用单词的依存关系。SynGCN学习的单词嵌入在各种内在和外在任务上的表现均优于现有方法,与ELMo结合使用时具有优势。作者还提出了Sem-GCN框架,这是一个可以整合各种语义知识,以进一步增强学习的单词表示形式的有效框架。作者提供两种模型的源代码,以鼓励可重复的研究。

  除了上述的的五篇精选论文推荐,我们还为你精心准备了可以一键下载的论文集:


Copyright © 2002-2011 DEDECMS. 织梦科技 版权所有 Power by DedeCms
高手解藏宝图| 今期跑狗玄机图| 小喜图库喜哥图库通天| 香港管家婆玄机彩图六| 港妹彩图库自选商城| 精准平特一肖二中一| 内部资料 四肖选一肖| 香港六合财神网| 香港王中王一肖一码| 香港马会资料铁算盘资料|