AI大事件 | Geoffrey Hinton决定抛弃反向传播，预期策略梯度算法-程序员宅基地

呜啦啦啦啦啦大家好呀，又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么？大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？文摘菌带你盘点过去一周AI大事件！

了解过去一周AI爆点，一篇就够啦！

新闻
Geoffrey Hinton决定抛弃反向传播
来源：WWW.AXIOS.COM
链接：https://www.axios.com/ai-pioneer-advocates-starting-over-2485537027.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
现在几乎所有神经网络都会经过反向传播的训练。然而在最近的一次采访中，Hinton，深度学习之父却表示，他将“抛开一切重新开始”。要想在深度学习上向前推进，就必须发明全新的方法。

Facebook人工智能研究登陆蒙特利尔
来源：NEWSROOM.FB.COM
链接：https://newsroom.fb.com/news/2017/09/fair-montreal/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
作为Facebook的人工智能研究的一部分（FAIR），这个新的团队将由超过100名来自门洛帕克、纽约和巴黎的科学家组成，他们将努力推进人工智能领域的研究。
蒙特利尔实验室将对AI领域进行广泛的研究，但它也将特别关注强化学习和对话系统。

Sophia Genetics筹集了3000万美元帮助医生使用人工智能和基因组数据进行诊断
来源：VENTUREBEAT.COM
链接：https://venturebeat.com/2017/09/13/sophia-genetics-raises-30-million-to-help-doctors-diagnose-using-ai-and-genomic-data-analysis/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
9月13日消息，瑞士医疗数据分析公司Sophia Genetics宣布完成3000万美元D轮融资，Balderton Capital领投，Alychlo、Invoke Capital Partners、360 Capital Partners等跟投。

Sophia Genetics成立于2011年，是一家遗传信息数据分析公司，专注于通过人工智能找出患者基因突变原理，并结合专家意见提供个性化的治疗诊断方案。

文章&教程
学习其他代理想法的模型（OpenAI）
来源：BLOG.OPENAI.COM
链接：https://blog.openai.com/learning-to-model-other-minds/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一种算法，它解释了其他代理也在学习的事实，并在迭代囚徒困境中发现了类似于针锋相对的合作策略。

AI健身房
来源：LEARNINGAI.IO
链接：https://learningai.io/projects/2017/07/28/ai-gym-workout.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一个易于理解的近端策略优化（ Proximal Policy Optimization）的介绍（PPO）并且能够很好的应对MuJoCo 和 RoboSchool 的环境。点击这里查看代码：https://github.com/pat-coady/trpo

使用强化学习达到最优化
来源：BAIR.BERKELEY.EDU
链接：http://bair.berkeley.edu/blog/2017/09/12/learning-to-optimize-with-rl/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
机器学习的算法仍然是人工设计的。这就引出了一个自然的问题：我们可以学习这些算法吗？

项目&数据
使用TensorBoard API完成自定义可视化
来源：RESEARCH.GOOGLEBLOG.COM
链接：https://research.googleblog.com/2017/09/build-your-own-machine-learning.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
为了让学习者能够使用新的和有用的可视化进行创作，谷歌公布了一组API，允许开发人员添加自定义的可视化插件到TensorBoard。

膨胀残留网络（Dilated Residual Network）的实现
来源：GITHUB.COM
链接：https://github.com/fyu/drn?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
基于膨胀卷积的多元内容集成和膨胀残留网络的官方PyTorch实现。

对TensorFlow数据集和估计机制（Estimators）的介绍
来源：DEVELOPERS.GOOGLEBLOG.COM
链接：https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
TensorFlow 1.3介绍了两个重要的特点：数据集和估计机制。这篇文章显示了他们如何适应TensorFlow架构。

数据集 | 一万本最受欢迎的书：一万本书，六百万次阅读
来源：GITHUB.COM
链接：https://github.com/zygmuntz/goodbooks-10k?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
该数据集包含了goodreads.com上一万本最受欢迎的书，其中最受欢迎的被阅读了六百万次。

爆款论文
针对工程师的机器学习简介
来源：ARXIV.ORG
链接:https://arxiv.org/abs/1709.02840?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一个200页的“简短”的介绍。这项工作旨在介绍机器学习中的关键概念、算法和理论框架，包括监督和无监督学习、统计学习理论、概率图形模型和近似推理。

把所有东西都嵌入进去！
来源：ARXIV.ORG
链接：https://arxiv.org/abs/1709.03856?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
一个通用的神经嵌入模型，可以解决各种各样的问题：标签型任务，如文本分类；排序型任务，如信息检索、网络搜索、基于协同过滤和基于内容的推荐；多关系图的嵌入，并能够实现单词、句子或文档级的嵌入。在每种情况下，模型都是通过嵌入由离散特征组成的实体来实现的，并将对它们进行比较——学习依赖于任务的相似性。

预期策略梯度算法
来源：ARXIV.ORG
链接：https://arxiv.org/abs/1706.05374?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI
预期策略梯度算法（EPG：Expected policy gradients）使强化学习中的随机策略梯度算法（SPG： stochastic policy gradients ）和确定性策略梯度算法（DPG： deterministic policy gradients ）达成了一致。这一算法的灵感来自于预期的SARSA算法，EPG在估计梯度的时候整合了整个操作，而不是仅仅依赖于采样轨迹。

原文发布时间为：2017-09-19
编译 | 宁云州
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“大数据文摘”微信公众号

本文链接：https://blog.csdn.net/weixin_34008933/article/details/90351711

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios