上一周，ICML 2016在纽约画上了完美的句号。这个会议（International Conference on Machine Learning）已经逐渐发展为了由国际机器学习学会（IMLS）主办的世界最顶级的机器学习领域会议之一。来自世界各地的机器学习领域的专家们都以论文投稿的方式向大会递交了自己最新的研究成果，其中包括一篇来自百度硅谷实验室的语音识别的论文。大会主要采用演讲和PPT展...

对自然图片的分布进行建模一直以来都是无监督学习中的里程碑式的难题。这要求图片模型易表达、易处理、可拓展。我们提出一个深度神经网络，它根据顺序沿着两个空间维度来预测图片中的像素。我们的模型离散了原始像素值的可能性，同时编码保证了整个图片的完整性。 建模特性包含二维循环层，以及对深度递归网络连接的有效利用。我们实现了比之前所有的模型都要好的在自然图片上对数可能性的分数。我们的主要结果也对Imag...

论文作者：Dario Amodei , Rishita Anubhai , Eric Battenberg , Carl Case , Jared Casper , Bryan Catanzaro , JingDong Chen , Mike Chrzanowski Baidu USA, Inc., Adam Coates , Greg Diamos Baidu USA, Inc., Eri...

6月19日（美国时间）在纽约举行的国际机器学习大会（ICML）上，来自谷歌、Facebook以及顶尖研究学府的科学家们通过论文和讲座，分享了最尖端的机器学习研究成果。其中，谷歌DeepMind科学家David Silver在讲座“深度增强学习”中分享了深度神经网络在各项实际应用中的算法。虽然David Silver不如DeepMind CEO Demis Hassabis那么为人所知，实际上...

深度学习的类型按照数据是否有标记来区别可以分为三种：监督学习、半监督学习和无监督学习。事实上人类不可能把每件事都手把手的教给AI。无监督学习应该才是未来的趋势。ICML给无监督学习单独开了一个专区，包括无监督学习的研究和应用。我们今天主要来关注一下无监督学习应用方面的论文。深度嵌入的无监督聚类分析（Unsupervised Deep Embedding for Clustering Anal...

优化（连续）会议主席: Le Song地点: Lyceum03:40 – On the Statistical Limits of Convex Relaxations（关于凸松弛的统计范围）Zhaoran Wang 、Quanquan Gu , Han普林斯顿大学03:57 – Faster Convex Optimization: Simulated Annealing with an ...

ICML第一天的行程即将开始。这一天来自深度学习各个研究领域的专家们将对自己的论文和研究做出演讲。ICML选中的论文主要关注的类型都是基础理论类的研究，如深度学习主题的论文大多数关注于如何有效的建立学习模型和训练模型，而比较少最终应用的论文。ICML论文关注领域非常广泛。我们在周一的深度学习论文中选出了几篇我们认为可能比较有价值的文章，它们分别来自不同的主题板块，供大家参考：深度学习模型的一...

神经网络和深度学习大会主席：Hal Daume III地点： Ballroom 1+2+Juliard10：30– 强类型递归神经网络 （Strongly-Typed Recurrent Neural Network） David Balduzzi、 Muhammad Ghifary 惠灵顿维多利亚大学10：47– 源代码极端总结卷积关注网络 （A Convolutional Attenti...

论文作者：Mathias Niepert、Mohamed Ahmed、Konstantin Kutzkov NEC Labs Europe，海德尔堡，德国 论文摘要 许多重要问题可以划归到图像数据学习框架里。我们针对学习卷积神经网络提出了一个框架，可以适用于任何图形。这些图形可以是无向的，定向的，也可以是具有离散和连续节点和边缘属性。类似于基于图形的卷积网络，可以再本地化的可连接输入区域上允...

国际机器学习大会（ICML）即将于6月19日-24日在纽约召开，众多顶尖的科研人员与公司的人工智能实验室提交了最新研究论文。在此，雷锋网为大家分享著名学者 Yoshua Bengio 与谷歌 DeepMind 研究科学家等人合作的研究论文。最近业界对于“闸门”架构重新产生了兴趣，这种架构可以应用在图片或视频自动标题生成等广泛领域，虽然这项方法获得了成功，但是还存在关键问题。本片论文以引入噪音...