哈佛提出新高维数据分析法让计算机一眼认出“猫”

哈佛提出新高维数据分析法让计算机一眼认出“猫”

目前，还没有人能够真正理解深度网络在目标分类任务方面的运行方式和原理。主要原因是对深度网络在分类任务中所做的“工作”还没有一个很好的衡量标准，一篇最近发表的关于“通用感知流形”理论的论文试图解决这个问题。 这篇论文于7月5日发表在《Phisical Review X》上，题为《Classification and Geometry of General Perceptual Manifolds》。论文作者为哈佛大学工程和应用科学系的SueYeon Chung, 宾夕法尼亚大学工程与应用科学系的Daniel D. Lee以及哈佛大学大脑科学中心的Haim Sompolinsky。

百度PaddlePaddle的新特性与大规模稀疏数据分布式模型训练

7 月 5 日，第二届百度 AI 开发者大会落下帷幕。在今年的开发者大会上，百度宣布了一系列重磅内容：全球首款 L4 自动驾驶巴士「阿波龙」量产下线；发布全功能云端 AI 芯片「昆仑」；发布百度大脑 3.0；推出百度智能小程序等。此外，百度还发布了 PaddlePaddle3.0，升级核心框架，提供 EasyDL 快速应用平台、AutoDL 网络结构自动化设计，以及 AI Studio 在线实训平台。

不使用深度学习，进化算法也能玩Atari游戏！

深度学习因为其强大的表征能力，在很多方面都有非常优秀的性能，它不论是在计算机视觉、自然语言处理，还是在游戏智能体上都能构建出优秀的模型。而最近图卢兹联邦大学等研究者表示进化算法也有着与深度学习相类似的潜力，它可以进化出一些能玩 Atari 游戏的智能体，并取得与人类相匹配的性能。

ECCV 2018 | 美图云联合中科院提出基于交互感知注意力机制神经网络的行为分类技术

以往注意机制模型通过加权所有局部特征计算和提取关键特征，忽略了各局部特征间的强相关性，特征间存在较强的信息冗余。为解决此问题，来自美图云视觉技术部门和中科院自动化所的研发人员借鉴 PCA（主成分分析）思想，提出了一种引入局部特征交互感知的自注意机制模型，并将模型嵌入到 CNN 网络中，提出一个端到端的网络结构。该算法在多个学术数据集和美图公司内部工业界视频数据集上的行为分类表现都非常出色。基于该算法思想的相关论文「Interaction-aware Spatio-temporal Pyramid Attention Networks for Action Classification」已被 ECCV2018 收录。

带引导的进化策略：摆脱随机搜索中维数爆炸的魔咒

机器学习模型优化的很多案例中都需要对真实梯度未知的函数进行优化。虽然真实梯度未知，但其代理梯度信息却可用。本文提出了一种带引导的进化策略——一种利用代理梯度方向和随机搜索的优化方法，并将该方法应用于合成梯度等问题，最终证明该方法在标准进化策略和直接遵循代理梯度的一阶方法上得到提升。

来源：机器之心、新智元等。