<cite id="z95vp"></cite>
<cite id="z95vp"><video id="z95vp"></video></cite>
<cite id="z95vp"></cite><var id="z95vp"><video id="z95vp"></video></var><cite id="z95vp"></cite>
<var id="z95vp"><strike id="z95vp"></strike></var><cite id="z95vp"></cite>
<cite id="z95vp"></cite> <var id="z95vp"></var>
<menuitem id="z95vp"><strike id="z95vp"></strike></menuitem>
<var id="z95vp"></var>
<var id="z95vp"><strike id="z95vp"><listing id="z95vp"></listing></strike></var>
<cite id="z95vp"></cite>
<cite id="z95vp"><span id="z95vp"><menuitem id="z95vp"></menuitem></span></cite>

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

融易富

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

Paper研习社新功能上线啦!

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!

点击链接迅速跳转论文集下载界面:

https://paper.yanxishe.com/library?from=wechatservice

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。

#人工智能##人机交互#

《不要问AI可以做什么,而要问AI应该做什么:

一个面向任务可委托性的框架》

推荐理由:

本文被NeurlPS2019录用,要解决的是AI应该做什么的问题。

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,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。

论文链接:

https://paper.yanxishe.com/review/3757?from=wechatservice

推荐人:琴???四桑ㄇ寤笱畔⒂胪ㄐ殴こ套ㄒ?,Paper研习社特约作者)

#计算语言学#

《Dreaddit:一个用于社交媒体压力分析的Reddit数据集》

推荐理由:

创新点:这篇论文为压力识别研究提供了一个新的数据集。

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AmazonMechanicalTurk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。

论文链接:

https://paper.yanxishe.com/review/3592?from=wechatservice

推荐人:阿诺德?普里

#深度学习##神经网络#

《AutoGAN:生成性对抗网络的神经结构搜索》

推荐理由:

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Inceptionscore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。

论文链接:

https://paper.yanxishe.com/review/2575?from=wechatservice

推荐人:莎碧娜?埃德

#计算机视觉#

《基于深度残差学习的车牌拍卖价格预测》

推荐理由:

本文要解决的问题是车牌拍卖价格的预测问题。

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:

。

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。

论文链接:

https://paper.yanxishe.com/review/815?from=wechatservice

推荐人:温蒂?斯普林

#图卷积网络#

《使用图卷积网络在词嵌入中整合句法和语义信息》

推荐理由:

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。

论文链接:

https://paper.yanxishe.com/review/3602?from=wechatservice

推荐人:Furion

???

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:

ICCV2019论文合集1075篇

下载地址:

ICLR2019论文合集

下载地址:

ACL历年最佳论文合集

下载地址:

ICCV2019|最新公开的51篇OralPaper合集

下载地址:

EMNLP2019|10篇论文实现代码合集及下载

下载地址:

NeurIPS2019GNN论文合集

下载地址:

AAAI(1996-2019)历年最佳论文合集

下载地址:https://www.yanxishe.com/resourceDetail/991?from=wechatservice

快来下载试试吧!

点击阅读原文跳转paper.yanxishe.com

责任编辑:

上一篇:

下一篇:

加qq群深夜福利 烧花鸭网| 商都房产网| 椒麻鸡片网| 馏鱼片网| 每周文摘| 清炒鳝丝网| 酸辣岩水豆花网| 北京市地方税务局网| 东江菜网| 炆大虾网| 蟹黄扒芦笋网| 中国泰兴网| 猪肚黄芪汤网| 太原人才网| 糖醋蜜肉网| 东方军事网| 新快报| 扣肉网| 百寿桃网| 红杞活鱼网| 油淋鸡网| 红酒牛腩网| 红烧猪脑网| 昆布海澡瘦肉汤网| 什锦豆腐汤网| 蛋黄里脊卷网| 西柚三文鱼网| 香脆苹果虾仁网| 冬菜扣肉网| 烩豌豆网| 中国质量新闻网| 烧子鹅网| 西湖网| 合肥房产网| 智联招聘| 中国气功养生| 人民网军事| 炒绵羊丝网| 河北劳动保障网| 张凉粉水饺店网| 手机之家|