Andy Warr，优步工程博客作者ti8 竞猜雷竞技app雷竞技到底好不好用

物理上可实现的激光雷达目标检测对抗实例

杜俊杰，任敏，S.Manivasagam，杨波，梁敏，杜锐，程峰，r . Urtasun
现代自动驾驶系统严重依赖深度学习模型来处理点云感官数据;同时，深度模型已被证明容易受到视觉上难以察觉的扰动的对抗性攻击。尽管这给自动驾驶行业带来了安全问题，但在3D感知方面的探索很少，因为大多数对抗性攻击只应用于2D平面图像。[…][PDF]
计算机视觉与模式识别(CVPR), 2017

超梯度下降的一阶预处理

t·莫斯科维茨r .王，j .局域网，美国卡普尔，t . Miconi，j . Yosinski，答:拉瓦尔大声回答
标准梯度下降方法容易受到一系列问题的影响，这些问题会阻碍训练，例如高相关性和参数空间中的不同缩放。这些困难可以通过二阶方法解决，即对梯度应用预处理矩阵以提高收敛性。不幸的是，这样的算法通常很难扩展到高维问题，部分原因是特定的预处理条件的计算，如逆Hessian或Fisher信息矩阵是非常昂贵的。我们介绍了一阶预处理(FOP)，这是一种快速、可扩展的方法，它概括了以前关于超梯度下降的工作(Almeida等人，1998;Maclaurin等人，2015;Baydin等人，2017)学习一个只使用一阶信息的预处理矩阵。[…][PDF]
神经信息处理系统研讨会(NeurlPS), 2019

Fiber:用于强化学习和基于群体的方法的有效开发和分布式训练的平台

j .智，r .王，Clune j .，k·斯坦利
机器学习的最新进展是通过不断增加的计算量来实现的。强化学习(RL)和基于群体的方法对底层分布式计算框架的效率和灵活性提出了独特的挑战。这些挑战包括与模拟的频繁交互，动态扩展的需求，以及对低采用成本和跨不同后端一致性的用户界面的需求。在这篇论文中，我们解决了这些挑战，同时通过引入光纤，一个可扩展的分布式计算框架，用于RL和基于人群的方法，为研究和实际应用保持开发效率和灵活性。雷竞技是骗人的[…][PDF]
arXiv

用深度确定性动态梯度估计Q(s,s’)

答:爱德华兹，希曼舒·萨尼，r·刘，j .挂，a . Jain，r .王，答:Ecoffet，t . Miconi， C.伊斯贝尔，j . Yosinski
在本文中，我们引入了一种新形式的值函数Q(s,s’)，它表示从一个状态s转换到相邻状态s’，然后在此后采取最优行动的效用。为了获得最优策略，我们开发了一个正向动力学模型，学习做出下一个状态预测，使该值最大化。[…][PDF]
机器学习国际研讨会(ICML), 2020

增强POET:通过无限发明学习挑战及其解决方案的开放式强化学习

r .王，j·雷曼，答:拉瓦尔大声回答，j .智，y李，Clune j .，k·斯坦利
创建开放式算法，这些算法可以产生自己永无止境的新颖和具有适当挑战性的学习机会，这有助于自动化和加速机器学习的进步。成对开放式开拓者(成对开放式开拓者，POET)是朝着这个方向迈出的最新一步，它是一种生成并解决自身挑战的算法，并允许在挑战之间进行目标切换以避免局部最优。在这里，我们介绍并实证验证了原始算法的两个新创新，以及两个旨在帮助阐明其全部潜力的外部创新。[…][PDF]
机器学习国际研讨会(ICML), 2020

基于异质因果学习的用户营销效果优化

邹文远，美国杜，j·李，彼得森j .
用户营销是基于消费者的互联网公司的重点。学习算法可以有效地优化营销活动，增加用户粘性，并促进相关产品的交叉营销。通过奖励吸引用户，营销方法可以有效地提高用户对所需产品的活跃度。奖励会产生巨大的成本，而这些成本可以通过未来收益的增加来抵消。[…][PDF]
2020

学习连续治疗策略与异质因果效应匹配的二部嵌入

邹文远，美国Shyam，m·梅，m .王，彼得森j .，z Ghahramani
因果推理方法广泛应用于医学、政策和经济学领域。这些应用的核心是评估治疗效果以作出决策。目前的方法基于单个结局维度的治疗效果做出二元是或否的决定。这些方法无法捕获具有一定强度的连续空间处理策略。[…][PDF]
2020

通过大规模优化发现基本的多基因效应:在人类癌症代谢中的应用

t . Durieuxy Hamadi，蒙佩鲁斯先生
在过去的几年中，web应用程序的复杂性已经增加，从而为用户提供了更动态的web应用程序。这种复杂性的缺点是前端应用程序中越来越多的错误。在本文中，我们提出了一种为网络提供自我修复的方法。[…][PDF]
软件测试验证与可靠性30(2)，2018年3月

即插即用语言模型:受控文本生成的简单方法

s。达瑟里，a。马多托，j .局域网，j .挂，e·弗兰克，p . Molino，j . Yosinski，r·刘
在庞大的文本语料库上训练的基于变压器的大型语言模型(LMs)显示了无与伦比的生成能力。然而，控制生成语言的属性(例如切换主题或情绪)是困难的，如果不修改模型架构或对特定属性的数据进行微调，并需要大量的再训练成本。我们提出了一个简单的替代方案:用于可控语言生成的即插即用语言模型(PPLM)，它将预先训练好的LM与一个或多个简单的属性分类器结合起来，这些属性分类器指导文本生成，而无需对LM进行任何进一步的训练。[PDF]
学习表征国际会议(ICLR), 2020

完全自动化的HTML和JavaScript重写构造一个自我修复的Web代理

t . Durieuxy Hamadi，蒙佩鲁斯先生
在过去的几年中，web应用程序的复杂性已经增加，从而为用户提供了更动态的web应用程序。这种复杂性的缺点是前端应用程序中越来越多的错误。在本文中，我们提出了一种为网络提供自我修复的方法。[…][PDF]
软件测试验证与可靠性30(2)，2018年3月

基于图神经网络的自动驾驶联合交互与轨迹预测

d·李,y顾，j .黄平君，m . Marchetti-Bowick
使用弱意图标签可以更好地预测相互作用和产生的轨迹。我们使用GNN来模拟交互。[PDF]
神经信息处理系统研讨会(NeurIPS), 2019

识别自动驾驶的未知实例

k黄，美国王，m .任，m .梁，r . Urtasun
我们提出了一种新的开放集实例分割算法，用于点云识别来自已知和未知类的实例。特别地，我们训练了一个深度卷积神经网络，它将属于同一个实例的点投射到一个类别不确定的嵌入空间中。[PDF]
机器人学习研讨会(考), 2019

基于离散残流的行人行为概率预测

耆那教的,美国卡萨斯，r·廖，y熊，美国风，美国西格尔，r . Urtasun
我们的研雷竞技是骗人的究表明，非参数分布可以非常好地捕捉(不稳定的)行人行为。我们提出了离散残流(Discrete Residual Flow)，这是一种用于人类运动预测的卷积神经网络，可以准确地对时间依赖性进行建模，并捕捉长期运动预测中固有的不确定性。特别是，我们的方法非常逼真地捕捉了未来人类运动的多模态后态。[PDF]
神经信息处理系统研讨会(NeurIPS), 2019

基于注意吸引网络的增量少镜头学习

m .任，r·廖， E.费塔亚，R.泽梅尔
本文解决了这个问题，增量少镜头学习，其中一个常规的分类网络已经被训练来识别一组基类，并且正在考虑几个额外的新类，每个类只有几个标记的示例。在学习新类后，对模型在基类和新类上的整体分类性能进行评估。为此，我们提出了一个元学习模型，注意力吸引网络，它规范了新类的学习。[PDF]
神经信息处理系统研讨会(NeurIPS), 2019

利用图循环注意网络高效生成图

r·廖，李勇，宋勇，美国王纳什，W. L.汉密尔顿。Duvenaud,r . UrtasunR.S.泽梅尔
我们提出了一组新的高效且富有表现力的图生成模型，称为图循环注意网络(GRANs)。在标准基准测试中，我们的模型生成的图形在质量上与以前的最先进技术相当，并且至少快了一个数量级。[PDF]
神经信息处理系统研讨会(NeurIPS), 2019

Swift协议优化

r . Barik，斯里达兰先生，M. K. Ramanathan，m . Chabbi
Swift是一种越来越流行的编程语言，它提倡使用协议，协议为符合类型定义了一组必需的方法和属性。Swift程序中通常使用协议来抽象实现细节;例如，在Uber的一个大型工业应用程序中，它们被大量用于为单元测试启用模拟对象。不幸的是，大量使用协议会导致显著的性能开销。[…][PDF]
面向对象程序设计、系统、语言与应用(OOPSLA), 2019

学习深度补全的联合2D-3D表示

y陈，b .杨，m .梁，r . Urtasun
我们设计了一个简单而有效的架构，在多个层次上融合2D和3D表示之间的信息，以学习多个层次上完全融合的关节表示，并在KITTI深度完井基准上展示最先进的结果。[PDF]
计算机视觉国际会议(ICCV), 2019

利用越野损失和偏差缓解改进交通行为体的运动预测

m . Niedobah·崔， K. Luo，d .对冲基金，F.-C。周，n Djuric
本文采用越野损失和行为类别加权两种新方法改进了对交通行为体的预测。越野损失通过惩罚不切实际的越野预测来弥补传统的L2距离损失。[PDF]
神经信息处理系统研讨会(NeurIPS), 2019

DAGMapper:通过发现车道拓扑来学习映射

n Homayounfar，观测。马\ *，j .梁\ *，x吴，j .风扇，r . Urtasun
我们通过将问题表述为深度有向图形模型来绘制高速公路中的复杂车道拓扑。作为一个有趣的结果，我们可以在I40中训练我们的模型，并推广到SF中未见的高速公路。[PDF]
计算机视觉国际会议(ICCV), 2019

DMM-Net:用于视频实例分割的可微掩码匹配网络

x曾庆红,r·廖，顾丽华，y熊， S.费德勒，r . Urtasun
针对视频实例分割问题，提出了可微掩码匹配网络(DMM-Net)。在DAVIS 2017数据集上，DMM-Net在第一帧不进行在线学习的情况下表现最好，在第二帧进行在线学习的情况下表现最好。在没有任何微调的情况下，DMM-Net在SegTrack v2数据集上的性能与最先进的方法相当。[PDF]
计算机视觉国际会议(ICCV), 2019

不确定性感知的自动驾驶交通参与者短期运动预测

n Djuric，拉多萨夫耶维奇，h·崔，阮晋勇，F.-C。周,郭宏源。林，N.辛格，J.施奈德
我们引入了一种考虑当前世界状态的方法，并生成每个交通参与者附近的栅格化表示。然后，栅格图像被用作深度卷积的输入，以推断行动者的未来运动，同时也解释和捕获预测任务的固有不确定性，在真实世界数据上的大量实验强烈表明了所提方法的优点。[PDF]
计算机视觉应用冬季会议(WACV), 2020

哈密顿神经网络

S.格雷达努斯，M. Dzamba，j . Yosinski
尽管神经网络得到了广泛的应用，但它们仍然难以学习基本的物理定律。我们如何赋予它们更好的归纳偏差?在本文中，我们从哈密顿力学中获得灵感，以无监督的方式训练学习和尊重精确守恒定律的模型。[…][PDF]
神经信息处理系统会议(NeurIPS), 2019年

LCA:神经网络训练的损失变化分配

j .局域网，r·刘，h .周，j . Yosinski
神经网络得到了广泛的应用，但人们对其训练、表示和操作的许多方面知之甚少。特别是，我们对训练过程的观察是有限的，单个标量损失是对这个高维动态过程的最常见的观察口。我们提出了一个新的训练窗口，称为损失变化分配(LCA)，其中网络损失变化的信用被保守地划分到参数中。[…][PDF]
神经信息处理系统会议(NeurIPS), 2019年

解构彩票:零、符号和超级面具

h .周，j .局域网，r·刘，j . Yosinski
近年来，由于深度学习的复兴，光学字符识别(OCR)方法得到了广泛的发展。最先进的模型主要是在由约束场景组成的数据集上训练的。从现实世界的图像中检测和识别文本仍然是一个技术挑战。[…][PDF]
神经信息处理系统会议(NeurIPS), 2019年

DeepPruner:通过可微分PatchMatch学习高效立体匹配

美国Duggal，美国王，观测。妈，r·胡，r . Urtasun
提出了一种基于立体图像对的实时密集深度估计方法，该方法利用可微贴片匹配逐步修剪立体匹配搜索空间。我们的模型在KITTI基准测试中获得了具有竞争力的性能，尽管是实时运行的。[PDF]
计算机视觉国际会议(ICCV), 2019

营销机器学习平台的最大相关性和最小冗余特征选择方法

z赵R.阿南德，m .王
在在线产品供应和营销策略的机器学习应用程序中，通常有数百或数千个功能可用来构建这样的模型。特征选择是这类应用中一种重要的方法，可实现多个目标:消除不相关特征，提高预测精度;加快模型训练和预测速度;减少特征数据管道的监控和维护工作量;提供更好的模型解释和诊断能力。[…][PDF]
IEEE数据科学与高级分析国际会议(DSAA), 2019

具有成本优化的多重处理隆起建模

z赵，t . Harinen
隆起建模是一种新兴的机器学习方法，用于在个人或亚组水平上估计治疗效果。它可用于优化干预措施的表现，如营销活动和产品设计。[…][PDF]
IEEE数据科学与高级分析国际会议(DSAA), 2019

DSIC:深度立体图像压缩

j .刘，美国王，r . Urtasun
我们设计了一种新的架构来压缩立体图像对，试图从第一张图像中提取尽可能多的共享信息，以降低第二张图像的比特率。我们展示了一个令人印象深刻的30-50%降低第二图像比特率在低比特率。[PDF]
计算机视觉国际会议(ICCV), 2019

面向任务对话的柔性结构模型

l .蜀，p . Molino，m . Namazifar，徐宏，刘波，h .郑，g .病重
针对面向任务的对话系统，提出了一种新颖的端到端架构。它基于一种简单实用但非常有效的序列到序列方法，其中语言理解和状态跟踪任务与结构化复制增强序列解码器和每个插槽的多标签解码器联合建模。策略引擎和语言生成任务在此基础上联合建模。[…][PDF]
2019

利用因果学习提高用户留存率

美国杜，j·李，f . Ghaffarizadeh
用户留存率是基于消费者的互联网公司关注的重点，促销是提高用户留存率的有效手段。然而，公司要么依靠非因果流失预测来捕捉异质性，要么依靠定期的A/B测试来捕捉平均治疗效果。在本文中，我们提出了一个异质治疗效果优化框架，以捕捉异质性和因果效应。[…][PDF]
知识发现与数据挖掘研讨会(知识发现(KDD)), 2019

NullAway:实用的基于类型的Java空安全

美国巴纳吉l·克拉普，斯里达兰
nullpointerexception (NPEs)是现代Java程序崩溃的关键来源。以前的工作已经展示了如何在编译时通过代码注释和可插式类型检查来防止此类错误。然而，这样的系统很难部署到大型软件项目中，因为存在显著的构建时间开销和/或较高的注释负担。本文介绍了一种新的基于类型的Java空安全检查器NullAway，它克服了这些问题。[…][PDF]
ACM联合欧洲软件工程会议和软件工程基础专题讨论会(工程师), 2019年

预算训练:资源约束下深度神经网络训练的再思考

m·李大肠百胜， D. Ramanan
目前用于超参数调优和神经结构搜索的方法往往受到实际资源约束的限制。因此，我们引入了一个正式的环境来研究非渐近的、资源受限的制度下的培训，即预算培训。我们分析以下问题:“给定一个数据集、算法和资源预算，什么是可实现的最佳性能?”[PDF]
学习表征国际会议(ICLR), 2020

可进化性ES:可进化性的可伸缩和直接优化

答:Gajewski，Clune j .，k.o.斯坦利，j·雷曼
设计能够揭示高度进化表象的进化算法是一个开放的挑战;这种可进化性很重要，因为它加速了进化，使人们能够快速适应不断变化的环境。本文介绍了evolvability ES，这是一种进化算法，旨在明确有效地优化可进化性，即进一步适应的能力。[…][PDF]
遗传与进化计算会议(GECCO), 2019

用延迟采样活粒子滤波器求解进化生灭模型的概率规划

j . KudlickaL. M.默里，朗奎斯特，t.b. Schön
我们考虑了进化的出生-死亡模型的概率规划，并引入了一种新的广泛适用的推理方法，该方法将活粒子滤波器(APF)的扩展与通过延迟采样的自动rao - blackwelliization结合起来。[…][PDF]
人工智能的不确定性研讨会(可用), 2019

基于强化学习的协同多智能体对话模型训练

答:Papangelis，研究。王，p . Molino，g .病重
我们提出了第一个完整的尝试，即同时训练对话代理，仅通过自我生成的语言进行通信。使用DSTC2作为种子数据，我们为每个智能体训练自然语言理解(NLU)和生成(NLG)网络，并让智能体在线交互。[…][PDF]
话语与对话特别兴趣小组(SIGDIAL), 2019

利益相关者作为研究人员:授权非研雷竞技是骗人的究人员直接与消费者互动

Marta Ponte Fissgus
一项对用户体验研究趋势的调查显示，企业和利益相关者将越来越重视人类的洞察力，因此，随着研究变得越来越主流雷竞技是骗人的，“组织将继续开发新的工具，使这些实践民主化，并适应公司的需求(dscout, 2018)。“[…][PDF]
代尔夫特理工大学(荷兰代尔夫特科技), 2019

激光网:一种用于自动驾驶的高效概率三维物体检测器

g·p·迈耶，答:Laddha，e·凯，c . Vallespi-Gonzalez，c .惠灵顿
在本文中，我们提出了激光网络，一种计算效率高的方法，用于自动驾驶的激光雷达数据的三维物体检测。这种效率来自于在传感器的本机距离视图中处理LiDAR数据，其中输入数据自然是紧凑的。[…]
[PDF]
计算机视觉与模式识别(CVPR), 2019

理解和设计聋人或重听司机在优步

李,b . Hubert-Wallander，m·史蒂文斯——j·m·卡罗尔
为了更好地了解DHH司机的体验，我们对应用内司机调查回复、客户支持票和推文进行了内容分析，并对DHH优步司机进行了面对面的采访。在这里，我们描述了DHH司机遇到的挑战，以及他们如何通过优步的无障碍功能和他们自己的变通办法来解决这些困难。[…]
[PDF]
计算系统的人为因素研讨会(气), 2019

端到端可解释神经运动规划器

w .曾，w·罗，美国锁，a·萨达特，b .杨，美国卡萨斯，r . Urtasun
在本文中，我们提出了一种神经运动规划器，用于学习在复杂的城市场景中自动驾驶，包括红绿灯处理、让步以及与多个道路用户的交互。为了实现这一目标，我们设计了一个整体模型，将原始激光雷达数据和高清地图作为输入，并以3D检测及其未来轨迹的形式产生可解释的中间表示，以及定义自动驾驶汽车在规划范围内可以采取的每个位置的优劣的成本量。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

学习通过压缩二进制地图进行本地化

x魏、i.a. Bârsan，美国王，j·马丁内斯，r . Urtasun
将当前的定位系统扩展到大型环境的主要困难之一是地图所需的机载存储。在本文中，我们建议学习压缩地图表示，以便它是最优的定位任务。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

基于卷积循环网络的道路边界提取

j .梁，n Homayounfar，美国王，观测。妈，r . Urtasun
创建包含场景静态元素精确信息的高清地图对于自动驾驶汽车的安全驾驶至关重要。在本文中，我们解决了从激光雷达和相机图像中提取可行驶道路边界的问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

基于多任务多传感器融合的三维目标检测

m .梁，b .杨，y陈，r·胡，r . Urtasun
在本文中，我们提出了利用多个相关任务来进行精确的多传感器三维目标检测。为了实现这一目标，我们提出了一个端到端可学习的架构，用于2D和3D对象检测以及地面估计和深度补全。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

深度刚性实例场景流

观测。妈，美国王，r·胡，y熊，r . Urtasun
在本文中，我们解决了自动驾驶环境下的场景流估计问题。我们利用深度学习技术和强大的先验，因为在我们的应用领域，场景的运动可以由机器人的运动和场景中演员的3D运动组成。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

表示概率模型知识的降维方法

罗敏哲，斯奈尔，m.t. Law;Farahmand,r . Urtasun泽梅尔
大多数深度学习模型依赖于富有表现力的高维表示来实现分类等任务的良好性能。然而，这些表示的高维数使得它们难以解释并且容易过度拟合。我们提出了一个简单、直观和可扩展的降维框架，该框架考虑了用于分类的标准深度模型的软概率解释。[…][PDF]
学习表征国际会议(ICLR), 2019

DARNet:用于建筑分割的深层主动射线网络

d .程r·廖， S.费德勒，r . Urtasun
本文提出了一种用于建筑物自动分割的深度主动射线网络(DARNet)。以图像为输入，首先利用深度卷积神经网络(CNN)作为骨干预测能量图，然后利用能量图构建能量函数。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

共同构建:当研究在优步传播开来雷竞技是骗人的

b . Hubert-Wallander，鲁伊斯，m . Jain，L. G.巴里奥，S. S. Mitra，m·史蒂文斯
2017年底，Uber对其面向司机的移动应用程序进行了近一年的完全重新设计。本案例研究描述了我们为支持该应用程序的全球测试发布而执行的研究项目，该项目旨在与不同地区的司机“一起构建”。雷竞技是骗人的[…]
[PDF] (视频)
计算系统的人为因素研讨会(气), 2019

UPSNet:统一的全视分割网络

y熊，r·廖， H. Zhao，r·胡，m .呗，大肠百胜，r . Urtasun
在本文中，我们解决了自动驾驶环境下的场景流估计问题。我们利用深度学习技术和强大的先验，因为在我们的应用领域，场景的运动可以由机器人的运动和场景中演员的3D运动组成。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

DeepSignals:通过视觉属性预测驾驶员意图

d . Frossard，e·凯，r . Urtasun
在自动驾驶中，检测司机的意图是一项重要任务，对于预测车道变化和停车等突发事件是必要的。转向灯和紧急闪光灯传达了这种意图，提供了几秒钟的潜在关键反应时间。在本文中，我们提出通过使用一个深度神经网络来检测视频序列中的这些信号，该深度神经网络同时考虑空间和时间信息。[…][PDF]
机器人与自动化国际会议(ICRA), 2019

从视频中学习多步人-物交互的生成模型

王华，皮尔克，金，大肠百胜， L. gu
创建由人与物体交互组成的动态虚拟环境是计算机图形学中的一个基本问题。虽然人们普遍认为代理交互在合成此类场景中发挥着重要作用，但大多数现有技术只关注静态场景，而忽略了动态组件。在本文中，我们提出了一个生成模型来综合合理的多步动态人-物交互。[…][PDF]
欧洲计算机图形学协会Eurographics), 2019

利用视觉目标进行舞台灯光设计

清水e，帕里斯s，费雪m，大肠百胜法塔利安
灯光是戏剧的关键元素。灯光设计师负责将观众的注意力吸引到舞台的特定部分，设定一天的时间，创造一种情绪，传达情绪。设计师通常通过收集参考视觉图像来开始照明设计过程，这些图像捕捉了他们艺术意图的不同方面。然后，他们会尝试各种灯光选择，以确定哪种想法在舞台上最适合。然而，现代舞台包含数十到数百盏灯，单独设置每个光源的参数来实现一个想法既乏味又需要专业技能。在本文中，我们描述了一个探索性的照明设计工具，该工具基于专业设计师的反馈。[…][PDF]
欧洲计算机图形学协会Eurographics), 2019

Metropolis-Hastings生成对抗网络

r·特纳，j .挂，y Saatci，j . Yosinski
我们介绍了大都会-黑斯廷斯生成对抗网络(MH-GAN)，它结合了马尔可夫链蒙特卡洛和GANs的方面。MH-GAN从GAN的鉴别器-生成器对隐式定义的分布中抽取样本，而标准GAN则从生成器定义的分布中抽取样本。[…][PDF]
机器学习国际研讨会(ICML), 2019

通过特征可视化理解神经网络:一项调查

答:阮，j . Yosinski，Clune j .
了解大脑的一种神经科学方法是寻找和研究高度激活单个细胞或细胞群的首选刺激。机器学习的最新进展使一系列方法能够合成首选刺激，使人工或生物大脑中的神经元强烈放电。[…][PDF]
可解释的人工智能:解释、解释和可视化深度学习, 2019年

百万数据点上的精确高斯过程

王嘉安，G. Pleiss，j·r·加德纳， S.泰里，K. Q.温伯格，A. G.威尔逊
高斯过程(GPs)是一种灵活的模型，在许多有影响力的应用中具有最先进的性能。然而，标准推理程序的计算约束将精确的GPs限制在训练点少于1万个的问题上，这就需要对更大的数据集进行近似。在本文中，我们开发了一种用于精确GPs的可扩展方法，该方法利用多gpu并行化和线性共轭梯度等方法，仅通过矩阵乘法访问核矩阵。[…][PDF]
arXiv, 2019年

保持主绿色的规模

美国Ananthanarayanan，阿尔德卡尼女士，d . Haenikel，b .同，美国索里亚诺，d·帕特尔，联合。Adl-Tabatabai
本文介绍了SubmitQueue的设计与实现。它保证了在规模上总是绿色的主分支:所有构建步骤(例如，编译、单元测试、UI测试)都成功地执行了每个提交点。SubmitQueue已经投入生产一年多了，并且可以扩展到每天向大型单块存储库提交数千次。[…][PDF]
欧洲计算机系统会议(EuroSys), 2019

通过相干催化在零温度下量子加速

g.a.杜金
证明量子加速是可能的在某些模型的量子退火与非stoquastic驱动。结果在热力学极限上与传统的平均场分析相矛盾。有限尺寸系统的渐近分析预测了主要行为——超过50个量子比特系统的数值结果的比例和系数，表明了真空离域量子输运的合法性和重要性。[PDF]
美国物理学会(APS), 2019年

成对开放式开拓者(POET):无休止地生成日益复杂和多样化的学习环境及其解决方案

r .王，j·雷曼，Clune j .，k·斯坦利
到目前为止，机器学习的历史包含了一系列由研究人员和算法提出的问题，这些算法学习了它们的解决方案，但一个重要的问题是，这些问题本身是否可以在被解决的同时由算法产生。雷竞技是骗人的[…][PDF]
2019

去探索:解决难探索问题的新方法

答:Ecoffet，j .惠钦格，j·雷曼，k·斯坦利，Clune j .
强化学习的一大挑战是智能探索，特别是当奖励稀少或具有欺骗性时。有两款雅达利游戏可以作为这种艰难探索领域的基准:《Montezuma’s Revenge》和《Pitfall》。在这两款游戏中，当前的RL算法表现很差，即使是那些具有内在动机的算法，这是提高硬探索领域性能的主要方法。[…][PDF]
2019

图片素描:从图像中推断轮廓图

李敏，林志强，机甲荣，大肠百胜， D. Ramanan
边、边界和轮廓是计算机图形学和计算机视觉研究的重要课题。一方面，它们是传达3D形状的2D元素，另一方面，它们表示遮挡事件，从而分离对象或语义概念。在本文中，我们的目标是生成轮廓图，捕捉视觉场景轮廓的边界样图。现有技术通常将此问题称为边界检测。[…][PDF]
计算机视觉应用冬季会议(WACV), 2019

程序综合的神经引导约束逻辑规划

张亮，罗森布拉特，费塔亚，r·廖， W.伯德，M.梅，r . Urtasun——泽梅尔
利用实例输入/输出合成程序是人工智能领域的一个经典问题。我们提出了一种解决实例编程(PBE)问题的方法，即使用神经模型来指导约束逻辑编程系统miniKanren的搜索。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2018

通过任务感知生成不确定性对分布外输入的鲁棒性

麦克阿利斯特，卡恩，Clune j .S.莱文
当观察结果与训练数据相似时，深度学习为机器感知提供了强大的工具。然而，现实世界的机器人系统必须智能地对他们的观察做出反应，即使在意外的情况下。这就要求一个系统在不熟悉的、非分布观测的情况下，对自身的不确定性进行推理。[…][PDF]
机器人与自动化国际会议(ICRA), 2019

LanczosNet:多尺度深度图卷积网络

r·廖，赵振宇，r . Urtasun——泽梅尔
关系数据通常可以用图表示。为了处理这样的图结构数据，我们提出了LanczosNet，它使用Lanczos算法来构造图拉普拉斯的低秩逼近来进行图卷积。[…][PDF]
神经信息处理系统(NeurIPS), 2018年

用于神经结构搜索的图超网络

c .张，m .任，r . Urtasun
神经结构搜索(NAS)自动找到最佳的特定于任务的神经网络拓扑结构，优于许多人工架构设计。然而，这可能是非常昂贵的，因为搜索需要训练数千个不同的网络，而每个网络都可能持续数小时。在这项工作中，我们提出了图超网络(GHN)来摊销搜索成本:给定一个架构，它通过在图神经网络上运行推理直接生成权重。[…][PDF]
元学习工作坊@神经信息处理系统(NeurIPS), 2018

利用高清晰地图和高效卷积网络预测脆弱道路使用者的运动

f .周，郭宏源。林，h·崔，拉多萨夫耶维奇，t .阮，t .黄，尼多巴，施耐德，n Djuric
在检测和跟踪交通参与者之后，预测他们的未来运动是自动驾驶汽车(SDV)的下一个关键组成部分，使SDV能够在其环境中安全高效地移动。对于行人和骑自行车的弱势道路使用者(vru)来说，这一点尤其重要。我们提出了一种用于预测VRU运动的深度学习方法，其中我们将高清地图和演员周围环境光栅化为鸟瞰图像，用作卷积网络的输入。[…][PDF]
MLITS工作坊@神经信息处理系统(NeurIPS), 2018年

用于符号化建筑足迹提取的旋转矩形

m·迪金森，l . Gueguen
建筑足迹(BFP)为数字地图用户在空间导航时提供了有用的视觉环境。本文提出了一种利用卷积神经网络(CNN)从卫星图像中提取和符号化建筑足迹的方法。[…][PDF]
计算机视觉与模式识别会议“，(CVPR), 2018年

一个用于分析、可视化和比较深度强化学习代理的Atari模型动物园

f .这样，诉Madhavan，r·刘，r .王，卡斯特罗，y李，舒伯特，贝勒马雷，Clune j .，j·雷曼
许多人力和计算工作旨在提高深度强化学习算法在雅达利学习环境等基准上的表现。相对较少的努力集中在理解通过这种方法学习了什么，以及调查和比较不同家族的强化学习(RL)算法学习的表示。[…][PDF]
2018

更快的神经网络直接来自JPEG

l . Gueguen，答:能够， B.卡德利克，r·刘，j . Yosinski
直接从RGB像素训练卷积神经网络(cnn)的简单、优雅的方法获得了压倒性的经验成功。但是，通过使用不同的输入表示形式，是否可以从网络中挤出更多的性能呢?在本文中，我们提出并探索了一种简单的思想:直接在JPEG编解码器中间计算和可用的分块离散余弦变换(DCT)系数上训练cnn。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2018年

用Nanoscope分析Android应用程序

l .刘l . Takamine，答:Welc
对在桌面和服务器的现代jvm上执行的Java应用程序进行分析的用户级工具支持已经相当成熟——从开放JDK的Java Flight Recorder支持低开销的CPU和堆分析，到第三方异步分析器(例如async-profiler, honest-profiler)，再到开放JDK对分配调用站点的低开销跟踪的支持。[…][PDF]
虚拟机及语言实现(VMIL), 2018

通过可微传感器融合的联合测绘和校准

j .陈f·欧博迈亚，李雅普诺夫，l . Gueguen，n·古德曼
我们利用自动微分(AD)和概率规划开发了一种端到端优化算法，用于大量未知对象的批量三角测量。给定从没有深度信息的噪声地理定位街道图像中提取的噪声检测，我们联合估计不同类型物体的数量和位置，以及传感器噪声特征的参数和以侧面信息为条件的物体的先验分布。[…][PDF]
计算研究资料库(雷竞技是骗人的相关系数), 2018

学习使用激光雷达强度图进行本地化

即Barsan，美国王，波克罗夫斯基。，r . Urtasun
在本文中，我们提出了一个实时的，校准无关的，有效的自动驾驶汽车定位系统。我们的方法学习将在线激光雷达扫描和强度图嵌入到联合深度嵌入空间中。[…][PDF]
机器人学习研讨会(考), 2018年

深度多传感器车道检测

m .呗，g . Mattyus，n Homayounfar，美国王，拉克什米坎斯，r . Urtasun
可靠、准确的车道检测一直是自动驾驶领域长期存在的问题。近年来，已经开发了许多使用图像(或视频)作为图像空间的输入和推理的方法。在本文中，我们认为准确的图像估计不能转化为精确的3D车道边界，这是现代运动规划算法所需的输入。[…][PDF]
智能机器人与系统国际会议(——), 2018

HDNET:利用高清地图进行三维物体检测

b .杨，m .梁，r . Urtasun
在本文中，我们展示了高清(HD)地图提供了强大的先验，可以提高现代3D物体探测器的性能和鲁棒性。为了实现这一目标，我们设计了一个单级检测器，从高清地图中提取几何和语义特征。[…][PDF]
机器人学习研讨会(考), 2018年

神经网络的概率元表示

t . Karaletsos，p·达扬，z Ghahramani
现有的神经网络贝叶斯处理通常具有弱先验和近似后验分布的特征，根据这些分布，所有的权重都是独立绘制的。在这里，我们考虑一个更丰富的先验分布，其中网络中的单位由潜在变量表示，单位之间的权重是根据这些变量集合的值有条件地绘制的。[…][PDF]
UAI 2018深度学习研讨会中的不确定性(UDL), 2018年

Pyro:深度通用概率编程

e·宾汉，陈杰，m . Jankowiak，f·欧博迈亚，n .普拉丹，t . Karaletsos，r·辛格，p . Szerlip，霍斯福尔，n·古德曼
Pyro是一种基于Python构建的概率编程语言，是开发人工智能研究中高级概率模型的平台。雷竞技是骗人的[…][PDF]
机器学习研究杂志雷竞技是骗人的(JMLR), 2018年

网约车平台的动态定价与匹配

n Korolko，高管d Woodard，c .严，h·朱
优步、Lyft和滴滴等叫车平台实现了爆发式增长，重塑了城市交通。这些平台背后的理论和技术已经成为经济学、运筹学、计算机科学和交通工程领域最活跃的研究领域之一。雷竞技是骗人的[…][PDF]
2018

IntentNet:学习从原始传感器数据预测意图

美国卡萨斯，w·罗，r . Urtasun
为了制定安全的机动计划，自动驾驶车辆需要了解其他交通参与者的意图。我们将意图定义为离散的高级行为以及描述未来运动的连续轨迹的组合。在本文中，我们开发了一种单级探测器和预测器，它利用激光雷达传感器产生的3D点云以及环境的动态地图。[…][PDF]
机器人学习研讨会(考), 2018年

完美的uberPOOL:权衡的案例研究

洛佩兹，美国Morseman
案例研究——优步公司的使命之一是让拼车对乘客来说更实惠、更可靠，对司机来说更容易。2014年，优步推出了优步拼车服务，方便乘客与同路乘客分享行程。uberPOOL的基本机制是匹配乘客出行的智能，这可能会给用户体验带来各种不确定性。[…]
[PDF]
民族志行业实践研讨会(史诗), 2018

三维点云实时语义分割的高效卷积

c .张，w·罗，r . Urtasun
我们提出了一种半自动对象实例注释的方法。虽然目前大多数方法都将对象分割视为像素标记问题，但我们在这里将其视为多边形预测任务，模拟大多数当前数据集的注释方式。[…][PDF]
三维视觉国际研讨会(3 dv), 2018

基于深度连续融合的多传感器三维目标检测

m .梁，b .杨，美国王，r . Urtasun
在本文中，我们提出了一种新型的3D物体探测器，它可以利用激光雷达和摄像机来进行非常精确的定位。为了实现这一目标，我们设计了一个端到端的可学习架构，利用连续卷积来融合不同分辨率的图像和LIDAR特征图。[…][PDF]
欧洲计算机视觉会议(大会), 2018

无单个内禀图像的单图像内禀分解

w·马， H, Chu, B. Zhou，r . Urtasun，托拉尔巴
我们提出了一种半自动对象实例注释的方法。虽然目前大多数方法都将对象分割视为像素标记问题，但我们在这里将其视为多边形预测任务，模拟大多数当前数据集的注释方式。[…][PDF]
欧洲计算机视觉会议(大会), 2018

背丙胺:训练具有可微神经调节可塑性的自修正神经网络

t . Miconi，答:拉瓦尔大声回答，Clune j .，k·斯坦利
强化学习的一大挑战是智能探索，特别是当奖励稀少或具有欺骗性时。有两款雅达利游戏可以作为这种艰难探索领域的基准:《Montezuma’s Revenge》和《Pitfall》。在这两款游戏中，当前的RL算法表现很差，即使是那些具有内在动机的算法，这是提高硬探索领域性能的主要方法。为了解决这一不足，我们引入了一种名为Go-Explore的新算法。[…][PDF]
学习表征国际会议(ICLR), 2019年

基于深度卷积网络的自动驾驶多模态轨迹预测

h·崔，拉多萨夫耶维奇，f .周，郭宏源。林，t .阮，t .黄，施耐德，n Djuric
无论从难度还是潜在的社会影响来看，自动驾驶都是机器人和人工智能领域目前面临的最大问题之一。自动驾驶汽车有望预防交通事故，拯救数百万人的生命，同时改善更多人的生计和生活质量。[…][PDF]
机器人与自动化国际会议)举行(“国际机器人与自动化会议”, 2019年

lsq++:在多码本量化中降低运行时间，提高查全率

j·马丁内斯， S.扎克米，H.胡斯和J.利特尔
多码本量化(MCQ)是尽可能精确地用多个基中的离散项表示一组向量的任务。MCQ的工作主要集中在降低量化误差，从而在固定内存预算下提高视觉描述符基准的距离估计和召回率。[…][PDF]
欧洲计算机视觉会议(大会), 2018

模块化贝叶斯推理的函数式编程

A. Ścibior, O.卡玛，z Ghahramani
我们提出了一个现代函数式编程语言中贝叶斯建模和推理库的架构设计。我们的方法的新颖之处在于现有最先进的推理算法的模块化实现。我们的设计依赖于三个固有的功能特性:高阶函数、归纳数据类型以及对类型类或表达模块系统的支持。[…][PDF]
2019

绘制人行横道的端到端深度结构化模型

j .梁，r . Urtasun
在本文中，我们解决了从激光雷达和摄像机图像检测人行横道的问题。为了实现这一目标，给定多个Li-DAR扫描和相应的图像，我们将两个输入投影到地面上，以产生场景的自上而下视图。[…][PDF]
欧洲计算机视觉会议(大会), 2018

使用细化类型进行安全的基于流的编程

b·斯坦l·克拉普，斯里达兰，b.y。e . Chang
一种基于类型的方法，可以静态证明基于流的软件中UI访问的线程安全性。我们将该系统实现为基于流行的ReactiveX的Android程序的基于注释的Java类型检查器。我们评估了8个开源应用程序，并报告了我们将类型检查器应用于Uber的两个更大的应用程序的经验。[…][PDF]
IEEE/ACM自动化软件工程国际会议(ASE), 2018年

劳动力市场均衡:来自优步的证据

j .大厅， J.霍顿，d . Knoepfle
利用优步(Uber)创建的美国拼车市场的城市周小组，我们估计了票价突然变化对市场结果的影响，重点关注供给侧。[…][PDF]
2019

使用顺序测试和自适应实验设计，使用分期推出框架安全快速地部署新功能

z赵，m·刘，a . Deb
在互联网产品(网站和移动应用程序)的快速开发周期中，新功能不断开发并向用户推出。带有代码缺陷或设计缺陷的功能会导致停机并严重降低用户体验。传统的代码评审和变更管理方法既耗时又容易出错。为了使特征推出过程安全、快速，本文提出了一种使用自适应实验设计自动推出特征的方法。[…][PDF]
计算智能及应用国际研讨会(ICCIA), 2018

流形:用于机器学习模型解释和诊断的模型不可知框架

j .张y王，p . Molino，l .李——伊伯特
近年来，随着新方法的突破，机器学习模型的解释和诊断重新引起了人们的兴趣。我们提出了Manifold框架，它利用可视化分析技术，以更透明和交互式的方式支持机器学习模型的解释、调试和比较。[…][PDF]
IEEE可视化(IEEE VIS), 2018年

超级快乐吗?“零工经济”下的工作与幸福

t·伯格，c·b·弗雷，g·莱文，s.r.丹达
我们通过英国优步(Uber)及其司机的视角，探讨了所谓“零工经济”的兴起。利用优步的管理数据和一项新的伦敦司机代表性调查，我们探讨了他们的背景、收入和幸福状况。[…][PDF]
2019年第68届经济政策小组会议

发现深度生成和判别模型的可解释表示

t·阿德尔z Ghahramani——韦勒
深度生成模型和判别模型中表征的可解释性都是非常可取的。目前的方法结合准确性和可解释性共同优化目标。然而，这可能会降低准确性，并且不适用于已经训练过的模型。我们提出了两个可解释性框架。首先，我们为现有模型提供了一个可解释的透镜。我们使用生成式模型，它将现有(生成式或判别式)模型中的表示作为输入，由有限的侧信息弱监督。[…][PDF]
机器学习国际研讨会(ICML), 2018

高斯过程的可微复合核学习

孙晟，张国强，王成，w .曾，李俊，R. Grosse
高斯过程的泛化性质在很大程度上取决于核的选择，这种选择仍然是一种黑暗的艺术。我们提出了神经核网络(NKN)，一个由神经网络表示的灵活的核族。[…][PDF]
机器学习国际研讨会(ICML), 2018

多网:自动驾驶实时联合语义推理

泰希曼，韦伯，Zöllner，希波拉，r . Urtasun
虽然大多数语义推理方法都专注于提高性能，但在本文中，我们认为计算时间对于实现自动驾驶等实时应用非常重要。[…][PDF]
IEEE智能车辆研讨会(4), 2018

COTA:通过排名和深度网络提高客户支持的速度和准确性

p . Molino，h .郑，研究。王
对于一家希望提供令人愉快的用户体验的公司来说，关心任何客户问题都是至关重要的。本文提出了COTA系统，该系统通过自动票据分类和支持代表的答案选择来提高最终用户的客户支持速度和可靠性。[…][PDF]
知识发现与数据科学国际会议(知识发现(KDD)), 2018

变分贝叶斯退出:缺陷和修复

j·赫伦，a·马修斯，z Ghahramani
Dropout是一种用于神经网络训练的随机正则化技术，最近被重新解释为贝叶斯神经网络的一种特定类型的近似推理算法。重新解释的主要贡献是为分析和扩展算法提供了一个有用的理论框架[…][PDF]
机器学习国际研讨会(ICML), 2018

恢复和改进循环反向传播

r·廖，y熊、费塔亚、张良、尹凯、毕科、r . Urtasun——泽梅尔
在本文中，我们重新讨论了循环反向传播(RBP)算法，讨论了它在深度神经网络中的应用条件以及如何满足这些条件。我们证明了RBP可以是不稳定的，并提出了两种基于正常方程上的共轭梯度(CG-RBP)和诺伊曼级数(Neumann-RBP)的变体。[…][PDF]
计算机视觉与模式识别研讨会(ICML), 2018

学习为健壮的深度学习重新加权示例

m .任，w .曾，b .杨，r . Urtasun
深度神经网络已被证明是许多涉及复杂输入模式的监督学习任务的非常强大的建模工具。然而，它们也很容易过拟合训练集偏差和标签噪声。[…][PDF]
机器学习国际研讨会(ICML), 2018

用组合多目标进化算法通过多垫脚石进化多模态机器人行为

j .惠钦格，Clune j .
强化学习(包括进化机器人)的一个重要挑战是解决多模态问题，其中智能体必须根据环境以不同的质量方式行动。因为多模态问题通常很难直接解决，所以利用分段是有帮助的，在分段中，一个困难的任务被划分为更简单的子任务，这些子任务可以作为解决整体问题的垫脚石。[…][PDF]
2017

卷积神经网络的一个有趣的失败和CoordConv解

r·刘，j·雷曼，p . Molino，F.i这样，e·弗兰克，答:能够，j . Yosinski
很少有思想能像卷积那样对深度学习产生如此大的影响。对于任何涉及像素或空间表示的问题，常见的直觉认为卷积神经网络可能是合适的。在这篇论文中，我们通过看似平凡的坐标变换问题展示了一个惊人的反例，它只需要学习(x,y)笛卡尔空间和单热像素空间中的坐标之间的映射。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2018年

用于联合深度和表面正态估计的几何神经网络

齐晓霞，廖荣，刘志强，r . Urtasun贾杰
在本文中，我们提出了几何神经网络(GeoNet)来联合预测单幅图像的深度和表面法线地图。在双流cnn的基础上，我们的GeoNet通过新的深度-法线网络和法线-深度网络融合了深度和表面法线之间的几何关系。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

匹配对抗网络

g . Mattyus，r . Urtasun
生成对抗网络(GANs)和条件GANs (CGANs)表明，使用经过训练的网络作为损失函数(鉴别器)能够合成高度结构化的输出(例如自然图像)。然而，将鉴别器网络作为通用损失函数应用于常见的监督任务(例如语义分割，线检测，深度估计)是相当不成功的。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

深度参数连续卷积神经网络

美国王，美国锁，w·马，波克罗夫斯基。，r . Urtasun
我们提出了一种半自动对象实例注释的方法。虽然目前大多数方法都将对象分割视为像素标记问题，但我们在这里将其视为多边形预测任务，模拟大多数当前数据集的注释方式。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

学习端到端的深度结构化活动轮廓

马科斯，图亚，克伦贝格尔，张，m .呗，r·廖，r . Urtasun
世界上有数以百万计的建筑物，精确地知道每个实例的位置和范围对于大量应用来说是至关重要的。最近，由于卷积神经网络(CNN)的使用，自动建筑足迹分割模型显示出了卓越的检测精度。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

SBNet:用于快速推断的稀疏块网络

m .任，波克罗夫斯基。，b .杨，r . Urtasun
传统的深度卷积神经网络(cnn)在数百层的所有特征图上统一应用卷积算子，这对实时应用产生了很高的计算成本。对于许多问题，如目标检测和语义分割，我们能够从先验问题知识或低分辨率分割网络中获得低成本的计算掩码。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

iMapper:交互引导的单目视频场景映射

A.蒙斯帕特，P.格雷罗，D.锡兰大肠百胜——n·米特拉
场景分析中长期存在的挑战是直接从单目视频中恢复中到重度遮挡下的场景安排。虽然这一问题仍然是一个积极研究的主题，但在单目视频人体姿态重建的背景下，已经取得了同步的进展雷竞技是骗人的，包括图像空间特征点检测和3D姿态恢复。然而，这些方法在中度到重度遮挡下开始失效，因为问题变得严重不足约束。我们处理问题的方法不同。我们观察到人们在相似的场景中有相似的互动。[…][PDF]
计算机图形学及交互技术特别兴趣小组会议(SIGGRAPH), 2018

SurfConv:桥接3D和2D卷积的RGBD图像

朱鸿章，马文文，昆都，r . Urtasun——S.费德勒
在过去的几年里，人们尝试将深度传感器的日益流行和卷积神经网络的成功结合起来。将深度作为RGB输入旁的附加通道存在基于图像卷积的方法中存在的尺度方差问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

速度与激情:一个卷积网络的实时端到端3D检测，跟踪和运动预测

w·罗，b .杨，r . Urtasun
在本文中，我们提出了一种新的深度神经网络，能够联合推理三维检测，跟踪和运动预测给定的数据由三维传感器捕获。通过对这些任务进行联合推理，我们的整体方法对遮挡以及范围内的稀疏数据更加健壮。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

基于检测的多传感器三维跟踪的端到端学习

d . Frossard，r . Urtasun
在本文中，我们提出了一种新的检测跟踪方法，可以利用摄像机和激光雷达数据来产生非常精确的3D轨迹。为了实现这一目标，我们将问题表述为一个可以精确求解的线性程序，并学习卷积网络以端到端方式进行检测和匹配。[…][PDF]
机器人与自动化国际会议(ICRA), 2018

多元分布的路径导数

m . Jankowiak，t . Karaletsos
我们利用传输方程和期望导数之间的联系，为多元分布构建有效的路径梯度估计器。我们主要关注两个主线。[…][PDF]
人工智能与统计国际会议(人工智能统计)(提交中)，2019

利用深度学习自动识别、计数和描述相机陷阱图像中的野生动物

M. Norouzzadeh, A. Nguyen, M. Kosmala, A. Swanson, M. Palmer, C. Parker，Clune j .
拥有关于野生动物的位置和行为的准确、详细和最新的信息将彻底改变我们研究和保护生态系统的能力。我们研究自动、准确、低成本地收集这些数据的能力，这些数据可以将生物学、生态学和动物学的许多领域转变为“大数据”科学。[…][PDF]
PNAS卷115号25, 2018年

结构化在线地图的分层循环注意网络

N. Homayounfar, W. Ma, S. Lakshmikanth，r . Urtasun
本文研究了基于稀疏三维点云的道路网络在线提取问题。我们的方法受到注释器构建车道图的启发，首先确定有多少条车道，然后依次绘制每条车道。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

PIXOR:点云的实时三维物体检测

b .杨，w·罗，r . Urtasun
我们解决了自动驾驶环境下点云的实时三维物体检测问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

深度好奇心搜索:生命中的探索可以提高具有挑战性的深度强化学习问题的表现

c·斯坦顿Clune j .
RL中的传统探索方法要求智能体执行随机操作来寻找奖励。但这些方法在像《蒙特祖玛的复仇》这样的稀疏奖励领域中存在困难，即任何随机行动序列都可能导致奖励的概率非常低。最近的算法通过鼓励智能体访问与之前所有训练集相关的新状态或执行新动作(我们称之为跨训练新颖性)，在这类任务上表现良好。[…][PDF]
2018

再参数化技巧之外的路径导数

m . Jankowiak，f·欧博迈亚
我们观察到，通过重新参数化技巧计算的梯度与最优输运形式中的输运方程的解直接对应。我们使用这个透视图来计算不直接服从重参数化技巧的概率分布的(近似)路径梯度:Gamma, Beta和Dirichlet。[…][PDF]
机器学习国际会议(ICML), 2018年

峰时定价改变了优步的司机合作伙伴

答:陆， p.i.弗雷泽，o .基色路
我们研究了动态定价(所谓的“峰时定价”)对优步司机合作伙伴的搬迁决策以及他们所获得的相应收入的影响。我们使用了一个自然实验，该实验是由系统中断产生的，该系统为Uber在10个主要城市的部分司机合作伙伴制作了高峰价格热图，并采用了差异中的差异方法，研究了高峰热图的可见性对1)司机决定迁移到价格较高或较低的地区以及2)司机收入的短期影响。[…][PDF]
ACM经济学与计算会议(ACM EC), 2018年

VINE:用于神经进化的开源交互式数据可视化工具

r .王，Clune j .，k·斯坦利
深度神经进化的最新进展表明，进化算法，如进化策略(ES)和遗传算法(GA)，可以扩展到训练深度神经网络，以解决困难的强化学习(RL)问题。然而，在如此高的维度上分析和解释神经进化的潜在过程仍然是一个挑战。为了解决这一挑战，本文提出了一个名为VINE(神经进化视觉检查器)的交互式数据可视化工具，旨在帮助神经进化研究人员和最终用户更好地理解和探索这一算法家族。雷竞技是骗人的[…][PDF]
遗传与进化计算会议的可视化研讨会(GECCO), 2018年

大尺度动态环境的鲁棒密集映射

即Barsan，刘鹏，M.波莱菲斯，A.盖革
针对大规模动态城市环境，提出了一种基于立体的密集映射算法。与其他现有方法相比，我们同时重建静态背景、移动物体和可能移动但目前静止的物体，这对于高级移动机器人任务(如拥挤环境中的路径规划)是理想的。[…][PDF]
视频:(链接)
项目页面:(链接)
机器人与自动化国际会议(ICRA), 2018

司机峰时定价

h . Nazerzadeh——n·加格
优步和Lyft的叫车市场使用动态定价，通常被称为激增，以平衡可用司机的供应和乘车需求。我们从司机的角度研究了这种市场的定价机制，提出了理论基础，为优步新的加法司机激增机制的设计提供了依据。我们提出了一个动态随机模型，以捕捉峰时定价对司机收入的影响，以及他们最大化这种收入的策略。[…][PDF]
2016

仿真器网络的无似然推理

人类。Lueckmann G. Bassetto，t . Karaletsos， J. H.麦基
近似贝叶斯计算(ABC)为不允许可处理似然的基于模拟的随机模型提供了贝叶斯推理方法。我们提出了一种新的ABC方法，该方法使用概率神经模拟器网络来学习模拟数据上的合成似然，包括局部模拟器，它近似于特定观测数据的似然，以及适用于一系列数据的全局模拟器。[…][PDF]
2018

利用约束逻辑规划实现神经引导程序综合

张亮，罗森布拉特，费塔亚，r·廖， W.伯德，r . Urtasun——泽梅尔
我们提出了一种解决示例编程(PBE)问题的方法，该方法将神经网络与称为miniKanren的约束逻辑编程系统紧密集成。在内部，miniKanren搜索一个程序，该程序满足由提供的示例施加的递归约束。[…][PDF]
机器学习国际研讨会(ICLR), 2018

理解随机元优化中的短期偏差

y吴,m .任，r·廖——R.格罗斯
仔细调整学习率，甚至是其时间表，对于有效的神经网络训练是至关重要的。最近，人们对基于梯度的元优化非常感兴趣，在这种优化中，可以调整超参数，甚至学习优化器，以便在展开训练过程时将预期损失最小化。[…][PDF]
学习表征国际会议(ICLR), 2018

客观景观的内在维度测量

李春元，Heerad Farkhoor，r·刘，j . Yosinski
许多最近训练的神经网络使用大量参数来获得良好的性能。人们可以直观地使用所需参数的数量来粗略衡量问题的难度。但是这些观点有多准确呢?真正需要多少参数?在本文中，我们试图通过在一个更小的随机定向子空间中训练网络来回答这个问题，而不是在它们的原生参数空间中。[…][PDF]
学习表征国际会议(ICLR), 2018

宽深度神经网络中的高斯过程行为

亚历山大·g·德·g·马修斯，马克·罗兰，吉里·赫伦，理查德·e·特纳，Zoubin Ghahramani
虽然深度神经网络已经显示出巨大的经验成功，但要理解它们的理论性质，还有很多工作要做。在本文中，我们研究了具有多个隐藏层的随机、宽、全连接、前馈网络与具有递归核定义的高斯过程之间的关系。[…][PDF]
学习表征国际会议(ICLR), 2018

可微塑性:用反向传播训练塑性神经网络

t . Miconi，Clune j .，k·斯坦利
我们如何才能建立能够在初始训练之后，快速有效地从经验中不断学习的代理?在这里，我们从生物大脑的主要学习机制中获得灵感:突触可塑性，经过进化精心调整，以产生有效的终身学习。我们表明，可塑性，就像连接权重一样，可以通过梯度下降在具有Hebbian塑性连接的大型(数百万个参数)循环网络中优化。[…][PDF]
机器学习国际会议(ICML), 2018年

半监督分类的图划分神经网络

r·廖，布罗克施密特，塔洛，冈特，r . Urtasun——泽梅尔
我们提出了图划分神经网络(GPNN)，它是图神经网络(GNNs)的扩展，能够处理极大的图。gpnn在小子图的节点之间进行局部传播，在子图之间进行全局传播。[…][PDF]
工作坊@国际机器学习会议(ICLR), 2018

基于深度结构化模型的运动场地定位

n Homayounfar， S.费德勒，r . Urtasun
在这项工作中，我们提出了一种新颖的方法，可以有效地从单一的比赛广播图像中本地化足球场。该领域的相关工作依赖于手动标注一些关键帧并将定位扩展到类似图像，或在体育场安装固定的专用摄像机，从中可以获得球场的布局。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2017

数字进化的惊人创造力:来自进化计算和人工生命研究社区的轶事集合雷竞技是骗人的

j·雷曼，Clune j ., d . Misevic阿达米c . l . Altenberg j .比尤利·本特利s伯纳德·g·贝丝纶,d·布赖森p . Chrabaszcz n .切尼答:呆子,s . Doncieux f·代尔,k . Ellefsen r . Feldt费舍尔,福勒斯特,a . Frenoy c .赢l·高夫l·格拉博夫斯基b . Hodjat f . Hutter l·凯勒c . Knibbe p . Krcah r . Lenski h·利普森,r·麦c . Maestre r . Miikkulainen s .米特里·d·莫里亚蒂,j·穆雷打造,阮,c . Ofria m . Parizeau d·帕森斯r . Pennock w, t·雷·m·Schoenauer e . Shultek·西姆斯k·斯坦利、F.塔代伊、D.塔拉波尔、S.蒂博、W.韦默、R.沃森、j . Yosinski
生物进化为复杂而微妙的适应提供了创造性的源泉，经常让发现它们的科学家感到惊讶。然而，因为进化是一种算法过程，超越了它发生的基底，进化的创造力并不局限于自然界。[…][PDF]
2018

概率图模型的图神经网络推理

k .尹r·廖，y熊、张良、费塔亚、r . Urtasun， R.泽梅尔，X.皮特科
统计推断和准确决策的基本计算是计算与任务相关变量的边际概率或最可能状态。概率图形模型可以有效地表示这种复杂数据的结构，但执行这些推断通常是困难的。[…][PDF]
“学习表征”国际研讨会工作坊(ICLR), 2018

在端到端任务导向对话系统中整合信念状态结构

l .蜀p . Molino，m . Namazifar，b .刘，徐宏，h .郑,g .病重
端到端可训练网络试图克服传统面向任务的模块化对话系统架构的错误传播、缺乏通用性和整体脆弱性。大多数提出的模型扩展了序列到序列的体系结构。其中一些不跟踪信念状态，这使得与不断变化的知识库进行交互变得困难，而显式跟踪信念状态的则使用分类器。分类器的使用会遇到词汇量不足的问题，这使得这些模型很难在知识库不断变化的实际应用程序中使用。我们提出了结构化信念复制网络(SBCN)，这是一种新颖的端到端可训练的体系结构，允许与外部符号知识库进行交互，同时解决词汇量不足的问题。[…][PDF]
“神经资讯处理系统研讨会”对话智力挑战赛(ConvAI @ NeurIPS), 2018

你能更有礼貌更积极吗?将社会语言注入到面向任务的会话代理中

研究。王，r .王，g .病重，h·威廉姆斯
面向目标的对话代理在日常生活中变得无处不在，从个人助理到客户支持系统。为了让这些系统以更自然的方式吸引用户并实现他们的目标，他们不仅需要提供信息回复并指导用户解决问题，还需要与用户进行社交。为此，我们将风格迁移研究扩展到开发生成式深度学习模型，以控制特定的风格，如情感和个性。雷竞技是骗人的[…][PDF]
“神经资讯处理系统研讨会”对话智力挑战赛(ConvAI @ NeurIPS), 2018

强化学习中行为依赖基线的海市蜃楼

G.塔克，S.布帕提拉朱，S.古，R.特纳，z GhahramaniS.莱文
策略梯度方法是一种广泛使用的无模型强化学习算法，其中使用状态依赖基线来减少梯度估计方差。最近的几篇论文将基线扩展到同时依赖于状态和行为，并表明这显著减少了方差并提高了样本效率，而不会在梯度估计中引入偏差。[…][PDF]
机器学习国际研讨会(ICML), 2018

从策划媒体中弱监督的集体特征学习

木谷田，木村，艾德里安，z Ghahramani
目前最先进的特征学习依赖于由目标内容项及其各自类别标签组成的大规模数据集的监督学习。然而，构建如此大规模的全标记数据集通常需要艰苦的手工工作。解决这个问题的一个可能的解决方案是使用社区贡献的文本标签作为弱标签，然而，单个文本标签背后的概念很大程度上取决于用户。[…][PDF]
人工智能会议(AAAI), 2018

NerveNet:用图神经网络学习结构化策略

L. Castrejón, K.昆都，r . Urtasun——S.费德勒
我们解决了连续控制的学习结构化策略的问题。在传统的强化学习中，智能体的策略是由多层感知器(mlp)学习的，它将来自环境的所有观察数据串联起来作为预测行为的输入。[…][PDF]
机器学习国际研讨会(ICLR), 2018

零工经济中的性别收入差距:来自100多万名拼车司机的证据

C.库克，R.戴蒙德，j .大厅， J. A. List, P. Oyer
“零工”经济的发展带来了员工的灵活性，一些人猜测，这将有利于女性。我们通过调查美国Uber上超过100万名拼车司机的劳动力供应选择和收入来探索这一点[…][PDF]
2019

改进进化策略的探索，通过寻求新奇的代理群体进行深度强化学习

e .孔蒂诉Madhavan，f .这样，j·雷曼，k·斯坦利，Clune j .
进化策略(ES)是一组黑盒优化算法，能够像q学习和策略梯度方法一样训练深度神经网络，解决深度强化学习(RL)问题，但速度更快(例如，小时vs天)，因为它们的并行性更好。[…][PDF]
守夜@神经ips 2017(NeurIPS), 2017年

OpenAI进化策略与随机梯度下降的关系

x张Clune j .，k·斯坦利
由于随机梯度下降(SGD)已经显示出具有数百万个参数的神经网络的优化前景，而且已知存在的替代方案很少，因此它已经成为强化学习(RL)的主要方法的核心。[…][PDF]
2017

通过输出梯度的深度和循环神经网络的安全突变

j·雷曼，j·陈，Clune j .，k·斯坦利
虽然神经进化(进化神经网络)在从强化学习到人工生命的各个领域都有成功的记录，但它很少应用于大型深度神经网络。一个核心原因是，虽然随机突变通常在低维度下有效，但数千或数百万个权重的随机扰动很可能会破坏现有的功能，即使一些个体权重的变化是有益的，也不会提供学习信号。[…][PDF]
遗传与进化计算会议(GECCO), 2018年

半监督少镜头分类的元学习

m .任， E.特里安塔菲卢，S.拉维，J.斯内尔，K.斯维尔斯基，J.特南鲍姆，H.拉罗谢尔，R.泽梅尔
在少镜头分类中，我们感兴趣的是学习算法，这些算法只从少量标记的示例中训练分类器。最近在少镜头分类方面的进展以元学习为特色，其中学习算法的参数化模型被定义并在表示不同分类问题的事件上进行训练，每个事件都有一个小的标记训练集及其相应的测试集。[…][PDF]
代码和数据集:(链接)
学习表征国际会议(ICLR), 2018

描述可视化问题回答模型如何随世界缩放

e·宾汉，p . Molino，p . Szerlip，f·欧博迈亚，n·古德曼
在视觉问题回答任务中，检测模型之间泛化能力的差异已经被证明是非常困难的。我们提出了一种新的统计量，渐近样本复杂度，用于模型比较，并构造了一个合成的数据分布，将强基线CNN-LSTM模型与具有强大归纳偏差的结构化神经网络进行比较。[…][PDF]
守夜@ NeurIPS(NeurIPS), 2017年

深度神经进化:遗传算法是训练用于强化学习的深度神经网络的竞争性替代方案

f .这样，诉MadhavanE.孔蒂，j·雷曼，k·斯坦利，Clune j .
深度人工神经网络(dnn)通常通过基于梯度的学习算法进行训练，即反向传播。进化策略(ES)在具有挑战性的深度强化学习(RL)问题上可以与基于反支持的算法(如Q-learning和策略梯度)竞争。[…][PDF]
深度RL @ NeurIPS 2018

开放式:最后一个你从未听说过的大挑战

k·斯坦利
人工智能(AI)是计算机科学面临的巨大挑战。毕生的努力和数十亿美元为其追求提供了动力。然而，今天它最雄心勃勃的愿景仍未实现:尽管进步在继续，但我们无法达到与人类竞争的通用数字智能。[. .][HTML]
O ' reilly在线, 2017年

可逆残差网络:不存储激活的反向传播

答:戈麦斯,m .任，拉奎尔Urtasun——R.格罗斯
残差网络(ResNets)在图像分类方面比传统的卷积神经网络(cnn)有了显著的改进，随着网络的深度和广度的增长，性能也在不断提高。然而，内存消耗成为瓶颈，因为需要存储所有中间激活，以便使用反向传播计算梯度。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2017

ES不仅仅是一个传统的有限差分逼近器

j·雷曼，j·陈，杰夫Clune，肯尼思·o·斯坦利
一种基于自然进化策略简化的进化策略(ES)变体最近引起了人们的关注，因为它在挑战深度强化学习领域表现得出奇地好。它通过对当前参数集产生扰动来搜索神经网络参数，检查它们的性能，并朝着更高奖励的总方向移动。[…][PDF]
遗传与进化计算会议(GECCO), 2018年

基于深度学习的北方叶枯病玉米田间图像自动识别

C.德肯特，T.威斯纳-汉克斯，S .陈，E.斯图尔特，j . Yosinski， M.戈尔，R.纳尔逊和H.李普森
北叶枯病(NLB)可导致玉米严重减产;然而，对大面积区域进行探测以准确诊断这种疾病既耗时又困难。我们展示了一个系统，能够自动识别NLB病变在玉米植株的田间获得的图像具有高可靠性。[…][PDF]
植物病理学, 2017年

变分高斯Dropout不是贝叶斯

j·赫伦，a·马修斯，z Ghahramani
在确定性神经网络的训练中，高斯乘性噪声通常被用作随机正则化技术。最近的一篇论文将该技术重新解释为贝叶斯神经网络中近似推理的特定算法;随后又延长了几次。[…][PDF]
贝叶斯深度学习研讨会@ NeurIPS, 2017

基于扩散的神经调节可以消除简单神经网络中的灾难性遗忘

r·维Clune j .
人工智能的长期目标是生产出能够在其一生中学习各种技能并通过经验不断提高这些技能的代理。实现这一目标的长期障碍是灾难性遗忘，即学习新信息会抹去之前学过的信息。[…][PDF]
《公共科学图书馆•综合》, 2017年

做你自己的普拉达:结构连贯的时尚综合

朱,r . Urtasun， S.费德勒，D.林，C.洛伊
我们提出了一种新颖而有效的方法，通过生成对抗学习在穿着者身上生成新衣服。给定一个人的输入图像和一个描述不同服装的句子，我们的模型会按照期望“纠正”这个人，同时保持穿着者和她/他的姿势不变。[…][PDF]
计算机视觉国际会议(ICCV), 2017

DeepRoadMapper:从航空图像中提取道路拓扑

g . Mattyus，w·罗，r . Urtasun
创建道路地图对于自动驾驶和城市规划等应用至关重要。工业界的大多数方法都集中在利用安装在车队顶部的昂贵传感器。当利用循环中的用户时，这将导致非常准确的估计。[…][PDF]
计算机视觉国际会议(ICCV), 2017

RGBD语义分割的三维图神经网络

x气,r·廖，贾杰，S.费德勒，r . Urtasun
RGBD语义分割需要对二维外观和三维几何信息进行联合推理。本文提出了一种三维图神经网络(3DGNN)，该网络在三维点云上构建k-近邻图。[…][PDF]
计算机视觉国际会议(ICCV), 2017

SGN:用于实例分割的顺序分组网络

刘珊珊，贾俊杰，费德勒，r . Urtasun
本文提出了序列分组网络(SGN)来解决对象实例分割问题。sgn采用一系列神经网络，每个神经网络解决一个语义复杂度不断增加的子分组问题，以便逐渐将对象从像素中组合出来。[…][PDF]
计算机视觉国际会议(ICCV), 2017

通过实例综合实体匹配规则

r·辛格， V. Vamsikrishna Meduri, A. Elmagarmid, S. Madden, P. Papotti, Jo。Quiané-Ruiz, A. Solar-Lezama, N. Tang
实体匹配(EM)是数据集成的关键部分。通过正反匹配实例，研究如何综合实体匹配规则。我们解决方案的核心是程序合成，这是一个功能强大的工具，可以通过预定义的语法自动生成满足给定高级规范的规则(或程序)。[…][PDF]
VLDB基金会论文集(PVLDB)11(2): 189-202, 2017

优步vs出租车:司机的视角

安格里斯特，考德威尔，j .大厅
网约车司机向网约车平台运营商支付一定比例的车费，这种基于佣金的补偿模式被许多以互联网为媒介的服务提供商采用。对优步司机来说，这笔佣金被称为优步费。相比之下，美国多数城市的传统出租车司机支付的固定费用与收入无关，通常是每周或每天的租赁牌照，但每一美元的车费都是扣除费用的净额。[…][PDF]
2017

用图神经网络进行情景识别

李锐，塔帕西，r·廖，贾杰，r . Urtasun——S.费德勒
我们解决了图像中情况识别的问题。给定一个图像，任务是预测最突出的动词(动作)，并填补其语义角色，如谁在执行动作，动作的来源和目标是什么，等等。[PDF]
计算机视觉国际会议(ICCV), 2017

深度谱聚类学习

m.t. Law，r . Urtasun泽梅尔
聚类是对一组示例进行分组，使相似的示例被分组到相同的聚类中，而不同的示例被分组到不同的聚类中。聚类的质量取决于两个问题相关的因素，这两个因素是i)所选择的相似度量和ii)数据表示。因此提出了利用标记分区数据集的监督聚类方法，例如学习优化的度量来执行聚类。[…][PDF]
机器学习国际研讨会(ICML), 2017

失散亲人的甘贝尔把戏

巴洛格，特里普拉内尼，z Ghahramani——韦勒
冈贝尔技巧是一种从离散概率分布中取样的方法，或估计其归一化配分函数。该方法依赖于以特定的方式对分布重复应用随机扰动，每次求解最可能的配置。[…][PDF]
机器学习国际会议(ICML), 2017年

特征分配的生灭过程

K.帕拉，D.诺尔斯，z Ghahramani
我们提出了一种贝叶斯非参数先验特征分配序列数据，出生-死亡特征分配过程(BDFP)。BDFP通过创建和删除特征来模拟一组N个对象在协变量(例如时间)上的特征分配的演变。[…][PDF]
机器学习国际会议(ICML), 2017年

数据集中变量统计类型的自动发现

瓦勒拉,z Ghahramani
统计学和机器学习中的一种常见做法是假设变量的统计数据类型(例如，序数、类别或实值)，通常也包括似然模型是已知的。然而，随着真实世界数据可用性的增加，这种假设变得过于局限。[…][PDF]
机器学习国际会议(ICML), 2017年

基于循环注意的端到端实例分割

m .任——泽梅尔
虽然卷积神经网络最近在解决语义分割等结构化预测问题方面取得了令人印象深刻的成功，但区分场景中的单个对象实例仍然是一个挑战。实例分割在各种应用中都非常重要，例如自动驾驶、图像字幕和可视化问题回答。[…][PDF]
补充材料:(链接)
代码:(链接)
计算机视觉与模式识别研讨会(CVPR), 2017

利用弱监督数据的高效多实例度量学习

罗敏棠，余永明，r . Urtasun，泽梅尔，邢爱平
我们考虑在弱监督环境中学习距离度量，其中“袋”(或组)实例被标记为“袋”标签。一种通用的方法是将问题表述为多实例学习(MIL)问题，其中学习度量，以便推断出相似的实例之间的距离小于推断出不相似的实例之间的距离。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2017

超级文本:街道图像光学字符识别的大规模数据集

y张，l . Gueguen，扎尔科夫，张平，k·塞弗特，b . Kadlec
近年来，由于深度学习的复兴，光学字符识别(OCR)方法得到了广泛的发展。最先进的模型主要是在由约束场景组成的数据集上训练的。从现实世界的图像中检测和识别文本仍然是一个技术挑战。[…][PDF]
计算机视觉与模式识别会议“，(CVPR), 2017年

神经进化:一种不同的深度学习

k·斯坦利
神经进化正在卷土重来。著名的人工智能实验室和研究人员正在对其进行试验，一系列新的成功激发了人们的热情，影响深雷竞技是骗人的度学习的新机会正在出现。[…][HTML]
O ' reilly在线, 2017年

动态定价解决了徒劳无功的追逐

j·c·卡斯蒂略，d . Knoepfle， e.g.韦尔
网约车应用通常比出租车更有效，但它们可能会进入Arnott(1996)预期的失败模式，我们称之为徒劳的追逐。高需求耗尽了平台上闲置的司机，因此必须派车去接远方的客户。浪费在接车上的时间会减少司机的收入，导致他们退出，使问题恶化。[…][PDF]
ACM经济学与计算会议(ACM EC), 2018年

通过信息检索镜头的少镜头学习

E.特里安塔菲卢，R.泽梅尔，r . Urtasun
“少量学习”指的是通过少数例子来理解新概念。对于这个问题，我们提出了一种基于信息检索的方法，这是由于最大限度地利用低数据环境中所有可用信息的重要性日益增加。[PDF]
代码:(链接)
神经信息处理系统研究进展(NeurIPS), 2017

数据探索任务的一般潜在特征建模

瓦勒拉，普拉迪埃，z Ghahramani
本文介绍了一种通用的贝叶斯非参数潜在特征模型，适用于描述每个对象的属性可以是离散变量、连续变量或混合变量的异构数据集的自动探索性分析。提出的模型有几个重要的性质。[…][PDF]
ICML机器学习中的人类可解释性研讨会(ICML), 2017年

用神经网络进行时间序列极端事件预测

n .拉普帖夫海j . Yosinski，李，美国Smyl
在高方差段(如节假日)期间进行准确的时间序列预测，对于异常检测、优化资源分配、预算规划和其他相关任务至关重要。在Uber，在特殊活动期间准确预测完成的行程可以导致更有效的司机分配，从而减少乘客的等待时间。[PDF]
机器学习国际会议(ICML), 2017年

插值策略梯度:融合深度强化学习的策略内和策略外梯度估计

S. Gu, T. lilicrap, R. Turner，z Ghahramani， B. Schölkopf, S. Levine
使用之前收集的数据的非政策模型深度强化学习方法可以比政策上的政策梯度技术提高样本效率。另一方面，On -policy算法通常更稳定，更容易使用。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2017年

SVCCA:深度学习动态和可解释性的奇异向量典型相关分析

M. Raghu, J. Gilmer，j . Yosinski，索尔-迪克斯坦
我们提出了一种新技术，奇异向量典型相关分析(SVCCA)，这是一种快速比较两种表示形式的工具，其方式既不变性到仿射变换(允许在不同层和网络之间进行比较)，又快速计算(允许比以前的方法计算更多的比较)。[…][PDF]
神经信息处理系统(少量), 2017年

通过观察太阳和其他语义线索来找到你的路

观测。妈，美国王，布鲁贝克先生，费德勒先生，r . Urtasun
在本文中，我们提出了一种健壮的，高效的和负担得起的自定位方法，它既不需要GPS也不需要关于世界外观的知识。为了实现这一目标，我们利用免费的地图，并推导出一个概率模型，该模型利用太阳方向、十字路口的存在、道路类型、速度限制以及自我车轨迹等形式的语义线索，以产生非常可靠的定位结果。[…][PDF]
机器人与自动化国际会议(ICRA), 2017

归一化:网络归一化方案的比较与扩展

m .任，r·廖，r . Urtasun， F. H.辛兹，R.泽梅尔
规范化技术直到最近才开始被用于监督学习任务。批处理规范化利用小批统计信息来规范化激活。研究表明，这可以加快训练速度，并产生更好的模型。然而，在处理循环神经网络时，它的成功是非常有限的。另一方面，层归一化将层内所有活动的激活归一化。这被证明在循环设置中很有效。在本文中，我们提出了一种统一的归一化技术，作为分裂归一化的形式，其中包括层归一化和批归一化作为特殊情况。[…][PDF]
学习表征国际会议(ICLR), 2017

贝叶斯生成对抗网络

y萨奇——威尔逊
生成对抗网络(GANs)可以隐式地学习图像、音频和数据的丰富分布，这些分布很难用显式可能性建模。我们提出了一个实用的贝叶斯公式，用于GANs的无监督和半监督学习。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2017年

用多边形rnn注释对象实例

L. Castrejón, K.昆都，r . Urtasun——S.费德勒
我们提出了一种半自动对象实例注释的方法。虽然目前大多数方法都将对象分割视为像素标记问题，但我们在这里将其视为多边形预测任务，模拟大多数当前数据集的注释方式。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2017

在一个开放的、相互作用的进化系统中，渠化和进化性的出现

j .惠钦格k·斯坦利，Clune j .
自然进化产生了多种多样的功能生物。许多人认为，这一过程的一个重要组成部分是进化性的进化，即进化通过产生更具适应性的后代来加速其创新能力。[…][PDF]
人工生命(出现), 2017年

细节揭示深度视频超分辨率

陶欣，高宏，r·廖，王俊杰，贾俊杰，昆都
以往基于cnn的视频超分辨率方法需要将多帧与参考帧对齐。在本文中，我们表明适当的帧对齐和运动补偿是实现高质量结果的关键。[…][PDF]
计算机视觉国际会议(ICCV), 2017

基于图像数据的深度贝叶斯主动学习

Y. Gal, R. Islam，z Ghahramani
尽管主动学习是机器学习的重要支柱，但深度学习工具在其中并不普遍。深度学习在主动学习环境中使用时会遇到几个困难。[…][PDF]
机器学习国际会议(ICML), 2017年

通过条件GAN实现多样化和自然的图像描述

戴，S.费德勒，r . Urtasun，林德。
在本文中，我们介绍了多伦多市基准，涵盖了整个大多伦多地区(GTA) 712.5平方公里的土地，8439公里的道路和大约400,000座建筑。我们的基准提供了从飞机、无人机和在城市中行驶的汽车捕捉到的世界的不同视角。[…][PDF]
计算机视觉国际会议(ICCV), 2017

幂律度分布随机简单图的贝叶斯推理

J. Lee, C. Heaukulani，z Ghahramani， L. James, S. Choi
我们提出了一个随机简单图的模型，其度分布服从幂律(即重尾)。为了获得这种行为，图中的边缘概率是由bertoin - fujta - roynett - yor (BFRY)随机变量构造的，最近在贝叶斯统计中用于几个应用程序的幂律模型的构造。[…][PDF]
机器学习国际会议(ICML), 2017年

多伦多城:用一百万只眼睛看世界

美国王；m .呗；g . Mattyus；h·楚；w·罗；b .杨；j .梁；j . Cheverie；r . Urtasun；d .林．
尽管近年来有了长足的进步，但图像字幕技术还远远不够完善。现有方法生成的句子，例如基于rnn的句子，往往过于死板，缺乏可变性。[…][PDF]
计算机视觉国际会议(ICCV), 2017

即插即用生成网络:潜在空间中图像的条件迭代生成

a .阮Clune j .， Y.本吉奥，A.多索维茨基，j . Yosinski
生成高分辨率、逼真的图像一直是机器学习的一个长期目标。最近，Nguyen等人(2016)展示了一种有趣的方法，通过在生成器网络的潜在空间中执行梯度上升来合成新图像，以最大化单独分类器网络中一个或多个神经元的激活。在本文中，我们通过在潜在代码上引入额外的先验来扩展这种方法，提高了样本质量和样本多样性，从而得到了一个最先进的生成模型，该模型比以前的生成模型以更高分辨率(227x227)生成高质量的图像，并且适用于所有1000个ImageNet类别。[…][PDF]
计算机视觉与模式识别(CVPR), 2017年

工程博客文章雷竞技到底好不好用

雷竞技是骗人的研究论文