Anh Nguyen, Uber工程博客作者ti8 竞猜雷竞技app雷竞技到底好不好用

激光雷达目标检测的物理可实现对抗示例

涂俊，任敏，S.Manivasagam，杨斌，梁敏，杜仁，程芳，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传感数据;与此同时，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

通过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阻碍训练的问题的影响，例如参数空间中的高相关性和不同缩放。这些困难可以通过二阶方法来解决，该方法对梯度应用预处理矩阵以提高收敛性。不幸的是，这种算法通常难以扩展到高维问题，部分原因是特定前置条件(如逆Hessian或Fisher信息矩阵)的计算非常昂贵。我们引入了一阶预处理(FOP)，这是一种快速、可扩展的方法，它推广了以前在超梯度下降方面的工作(Almeida等人，1998;Maclaurin et al.， 2015;Baydin et al.，2017)来学习一个只使用一阶信息的预处理矩阵。[…][PDF]
神经信息处理系统会议(NeurlPS), 2019

光纤:一个高效开发和分布式训练的平台，用于强化学习和基于人口的方法

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，对动态扩展的需求，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。在本文中，我们通过引入光纤来解决这些挑战，同时仍然保持研究和实际应用的开发效率和灵活性，光纤是一种可扩展的分布式计算框架，用于RL和基于人口的方法。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
本文引入了一种新的价值函数Q(s,s ')，它表达了从状态s过渡到相邻状态s '并在此之后采取最优行为的效用。为了推导出最优策略，我们开发了一个前向动态模型，该模型学习做出最大化该值的下一状态预测。[…][PDF]
国际机器学习会议(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，这些算法会产生自己永无止境的新颖且具有适当挑战性的学习机会，有助于自动化和加速机器学习的进展。在这个方向上的最新进展是配对开放式开拓者(POET)，该算法可以生成并解决自己的挑战，并允许解决方案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]
国际机器学习会议(ICML), 2020

面向用户营销效果优化的异构因果学习

邹文勇，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关注的重点。学习算法可以有效地优化营销活动，提高用户参与度，促进相关产品的交叉营销。通过奖励来吸引用户，营销方法可以有效地提高用户对目标产品的活跃度。奖励带来的巨大成本可以通过未来收入的增加来抵消。[…][PDF]
2020

学习连续治疗策略与异构因果匹配的二部嵌入

邹文勇，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、政策和经济等领域。这些应用的核心是评估治疗效果以做出决策。目前的方法基于单一结果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必要的多基因效应: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，以便为用户提供更动态的web应用程序。这种复杂性的缺点是前端应用程序中错误的数量不断增加。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:控制文本生成的简单方法

S. Dathathri, A. Madotto，j .局域网，j .挂，e·弗兰克，p . Molino，j . Yosinski，r·刘
在巨大的文本语料库上训练的大型基于转换器的语言模型(LMs)已经显示出无与伦比的生成能力。然而，控制生成语言的属性(例如切换主题或情感)是困难的，如果不修改模型架构或对特定属性数据进行微调，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)，它将预训练的LM与一个或多个简单的属性分类器相结合，这些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]
国际学习表征会议(ICLR), 2020

全自动HTML和JavaScript重写构建一个自我修复的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，以便为用户提供更动态的web应用程序。这种复杂性的缺点是前端应用程序中错误的数量不断增加。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交互和产生的轨迹。我们使用GNN来模拟相互作用。[PDF]
神经信息处理系统会议(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点云开集实例分割算法，可以同时识别已知和未知类的实例。特别是，我们训练了一个深度卷积神经网络，该网络将属于同一实例的点投影在一个类别不可知的嵌入空间中。[PDF]
机器人学习研讨会(考), 2019

基于离散剩余流的概率行人行为预测

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，非参数分布可以很好地捕捉(不稳定的)行人行为。我们提出离散剩余流，这是一种用于人类运动预测的卷积神经网络，它可以准确地建模时间依赖性并捕获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获了未来人类运动的多模态后验。[PDF]
神经信息处理系统会议(NeurIPS), 2019

基于注意力吸引器网络的增量少镜头学习

m .任，r·廖， E.费塔亚，R.泽梅尔
本文解决了增量少次学习这个问题，其中一个常规的分类网络已经被训练来识别一组基本类，并且正在考虑几个额外的新类，每个类只有几个标记的例子。学习新类后，对模型在基础类和新类上的总体分类性能进行评估。为此，我们提出了一种元学习模型，即注意力吸引网络，它使新课程的学习规范化。[PDF]
神经信息处理系统会议(NeurIPS), 2019

基于图循环注意网络的高效图生成

r·廖，李艳，宋艳，美国王， C.纳什，W. L.汉密尔顿，。Duvenaud,r . UrtasunR.S.泽梅尔
我们提出了一种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的图形相当，并且至少要快一个数量级。[PDF]
神经信息处理系统会议(NeurIPS), 2019

Swift协议优化

r . Barik斯里达兰先生;拉马纳坦，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。协议通常在Swift程序中用于抽象实现细节;例如，在Uber的一个大型工业应用程序中，它们被大量用于启用单元测试的模拟对象。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、语言及应用(OOPSLA), 2019

学习深度完成的联合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，融合了多层2D和3D表示之间的信息，以学习多层完全融合的联合表示，并在KITTI深度完井基准上显示了最先进的结果。[PDF]
计算机视觉国际会议(ICCV), 2019

利用非道路损失和偏差缓解改进交通行为者的运动预测

m . Niedobah·崔，罗锟;d .对冲基金，F.-C。周，n Djuric
本文采用两种新颖的方法改进了对交通行为者的预测:越野损失和行为类别提升。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]
神经信息处理系统会议(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一个深度有向图形模型来映射高速公路中复杂的车道拓扑。一个有趣的结果是，我们可以在1940年训练我们的模型，并将其推广到SF中看不到的高速公路。[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，顾理;y熊S.菲德勒;r . Urtasun
我们提出了一种可微掩码匹配网络(DMM-Net)，用于解决提供初始掩码的视频实例分割问题。在DAVIS 2017数据集上，DMM-Net在第一帧没有在线学习的情况下获得了最好的性能，在有在线学习的情况下获得了第二好的性能。在没有任何微调的情况下，DMM-Net在SegTrack v2数据集上的表现与最先进的方法相当。[PDF]
计算机视觉国际会议(ICCV), 2019

基于不确定性感知的自动驾驶交通行为体短期运动预测

n Djuric拉多萨夫耶维奇;h·崔， T. Nguyen，F.-C。周,郭宏源。林，N.辛格，J.施奈德
我们引入了一种方法，该方法考虑了当前世界状态，并生成每个交通参与者附近的栅格化表示。然后将光栅图像用作深度卷积的输入，以推断演员的未来运动，同时也考虑和捕获预测任务的固有不确定性，对现实世界数据的大量实验强烈表明了所提出方法的好处。[PDF]
计算机视觉应用冬季会议(WACV), 2020

哈密顿神经网络

S. Greydanus, M. Dzamba，j . Yosinski
尽管神经网络得到了广泛的应用，但它们仍在努力学习基本的物理定律。我们怎样才能赋予他们更好的归纳偏见?在本文中，我们从哈密顿力学中汲取灵感，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，我们对训练过程的看法是有限的，单个标量损失是这个高维动态过程中最常见的观点。我们提出了一种新的训练窗口，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，标志和超级面具

h .周，j .局域网，r·刘，j . Yosinski
近年来，由于深度学习的兴起，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包含约束场景的数据集上进行训练的。从真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
我们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Patch Match对立体匹配搜索空间进行逐步修剪。我们的模型在KITTI基准测试上实现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和最小冗余特征选择方法

z赵R.阿南德;m .王
在用于在线产品提供和营销策略的机器学习应用程序中，通常有数百或数千个可用于构建此类模型的功能。特征选择是此类应用中必不可少的一种方法，它具有多个目标:通过消除不相关特征来提高预测精度，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

具有成本优化的多处理隆升模型

z赵，t . Harinen
提升模型是一种新兴的机器学习方法，用于估计个体或子群体水平的治疗效果。它可用于优化营销活动和产品设计等干预措施的绩效。[…][PDF]
IEEE数据科学与高级分析国际会议(DSAA), 2019

深度立体图像压缩

j .刘，美国王，r . Urtasun
我们设计了一种新的结构来压缩立体图像对，它试图从第一幅图像中提取尽可能多的共享信息，以降低第二幅图像的比特率。我们展示了在低比特率下第二图像比特率降低30-50%的惊人效果。[PDF]
计算机视觉国际会议(ICCV), 2019

面向任务的对话的灵活结构模型

l .蜀，p . Molino，m . Namazifar，徐辉，刘斌，h .郑，g .病重
本文提出了一种面向任务的对话系统的端到端架构。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

通过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，而促销是提高用户留存率的有效杠杆。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性治疗效果优化框架，以捕获异质性和因果效应。[…][PDF]
知识发现与数据挖掘会议(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·克拉普斯里达兰先生
nullpointerexception (npe)是现代Java程序崩溃的一个关键来源。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入类型检查来防止此类错误。然而，由于巨大的构建时间开销和/或高注释负担，这样的系统很难部署到大型软件项目中。本文介绍了NullAway，一个新的基于类型的Java空安全检查器，它克服了这些问题。[…][PDF]
ACM联合欧洲软件工程会议和关于软件工程基础的研讨会(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.拉马南
当前的超参数调优和神经结构搜索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设置来研究非渐近资源约束下的训练，即预算训练。我们分析以下问题:“给定数据集、算法和资源预算，什么是可实现的最佳性能?”[PDF]
国际学习表征会议(ICLR), 2020

演化性ES:演化性的可扩展和直接优化

答:Gajewski，Clune j .，赤柱，j·雷曼
设计能够揭示高度可进化表征的进化算法是一个公开的挑战;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。本文介绍了一种针对可进化性(即进一步适应的能力)进行明确有效优化的进化算法ES。[…][PDF]
遗传与进化计算会议(GECCO), 2019

基于延迟采样活粒子滤波的进化生-死模型概率规划

j . KudlickaL. M.默里F. Ronquist, T. B. Schön
我们考虑了进化的生-死模型的概率规划，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(APF)的扩展与通过延迟采样的自动rao - blackwell化相结合。[…][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，同时训练会话代理，仅通过自生成的语言进行交流。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

作为研究人员的利益相关者:授权非雷竞技是骗人的研究人员直接与消费者互动

玛尔塔·庞特·菲斯格斯
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见解，因此，随着研究变得更加主流，“组织雷竞技是骗人的将继续开发新的工具，使这些实践民主化，并适应公司需求(dscout, 2018)。”“[…][PDF]
代尔夫特理工大学(荷兰代尔夫特科技), 2019

激光网络:用于自动驾驶的高效概率三维目标检测器

g·p·迈耶，答:Laddha，e·凯，c . Vallespi-Gonzalez，c .惠灵顿
在本文中，我们提出了LaserNet，一种计算效率高的方法，用于自动驾驶激光雷达数据的三维物体检测。效率源于在传感器的本地范围视图中处理激光雷达数据，其中输入数据自然紧凑。[…]
[PDF]
计算机视觉与模式识别(CVPR), 2019

对Uber上聋人或重听司机的理解和设计

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反馈、客户支持单、推文进行了内容分析，并对DHH Uber司机进行了面对面访谈。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可访问性功能和他们自己的解决方案来解决这些困难。[…]
[PDF]
计算机系统中的人为因素会议(气), 2019

端到端可解释的神经运动规划器

w .曾，w·罗，美国锁，a·萨达特，b .杨，美国卡萨斯，r . Urtasun
在本文中，我们提出了一个神经运动规划器，用于学习在复杂的城市场景中自主驾驶，包括红绿灯处理，让步以及与多个道路使用者的交互。为了实现这一目标，我们设计了一个整体模型，该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每个位置的优点的成本量。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

通过压缩二进制映射学习本地化

x魏、i。a。布尔桑，美国王，j·马丁内斯，r . Urtasun
将当前定位系统扩展到大型环境的主要困难之一是地图所需的车载存储。在本文中，我们提出学习压缩地图表示，使其最适合定位任务。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

基于卷积递归网络的道路边界提取

j .梁，n Homayounfar，美国王，观测。妈，r . Urtasun
为确保自动驾驶汽车的安全行驶，制作包含现场静态元素精确信息的高清地图至关重要。在本文中，我们解决了从激光雷达和相机图像中提取可驾驶道路边界的问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

多任务多传感器融合三维目标检测

m .梁，b .杨，y陈，r·胡，r . Urtasun
在本文中，我们提出利用多个相关任务来实现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的可学习架构，该架构可以解释2D和3D物体检测以及地面估计和深度完成。[…][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
本文研究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以及强先验，在我们的应用领域中，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

M. T. Law, J. Snell, a.m。Farahmand,r . Urtasunr.s.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，这些表示的高维性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，该框架考虑了分类标准深度模型的软概率解释。[…][PDF]
国际学习表征会议(ICLR), 2019

DARNet:用于建筑物分割的深度有源射线网络

d .程r·廖S.菲德勒;r . Urtasun
本文提出了一种用于建筑物自动分割的深度有源射线网络(DARNet)。它以图像为输入，首先利用深度卷积神经网络(CNN)作为主干来预测能量图，然后利用能量图构造能量函数。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2019

共同建设:当优步的研究走红时雷竞技是骗人的

b . Hubert-Wallander，鲁伊斯，m . Jain，L. G.巴里奥，米特拉号，m·史蒂文斯
2017年底，优步对其面向司机的移动应用程序进行了近一年的彻底重新设计。本案例研究描述了我们为支持该应用程序的全球测试版发布而执行的研究计划，该计划旨在与不同地区的司机“共同构建”。雷竞技是骗人的[…]
[PDF] (视频)
计算机系统中的人为因素会议(气), 2019

UPSNet:一个统一的全光分割网络

y熊，r·廖，赵竑;r·胡，m .呗，大肠百胜，r . Urtasun
本文研究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以及强先验，在我们的应用领域中，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
检测驾驶员的意图是自动驾驶的一项重要任务，对于预测诸如变道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，我们建议使用深度神经网络来检测视频序列中的这些信号，该网络可以对空间和时间信息进行推理。[…][PDF]
机器人与自动化国际会议(ICRA), 2019

从视频中学习多步骤人机交互的生成模型

王洪，S. Pirk, V. Kim，大肠百胜L. Guibas
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。虽然人们普遍认为智能体交互在合成这些场景中起着至关重要的作用，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

探索性舞台灯光设计使用视觉目标

E. Shimizu, S. Paris, M. Fisher，大肠百胜K.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，设定一天中的时间，创造一种情绪，并传达情感。设计师通常通过收集参考视觉图像来开始灯光设计过程，这些视觉图像捕捉了他们艺术意图的不同方面。然后，他们尝试各种灯光选择，以确定哪些想法在舞台上效果最好。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繁琐又需要专业技能。在本文中，我们描述了一个探索性的照明设计工具，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Metropolis-Hastings生成对抗网络(MH-GAN)，它结合了马尔可夫链蒙特卡罗和生成对抗网络的各个方面。MH-GAN从GAN的鉴别器-生成器对隐式定义的分布中提取样本，而不是在标准GAN中从生成器定义的分布中提取样本。[…][PDF]
国际机器学习会议(ICML), 2019

通过特征可视化理解神经网络:综述

答:阮，j . Yosinski，Clune j .
理解大脑的一种神经科学方法是发现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使人工或生物大脑中的神经元强烈放电的首选刺激。[…][PDF]
可解释的人工智能:深度学习的解读、解释和可视化, 2019年

一百万数据点上的精确高斯过程

王坤安，G. Pleiss，j·r·加德纳， S.泰利，K. Q.温伯格，A. G.威尔逊
高斯过程(GPs)是灵活的模型，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gp限制在少于10,000个训练点的问题上，因此需要对更大的数据集进行近似。在本文中，我们为精确GPs开发了一种可扩展的方法，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

保持主绿色规模

美国Ananthanarayanan，Ardekani先生，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。它保证了规模上总有一个绿色的主分支:所有的构建步骤(例如，编译、单元测试、UI测试)都能在每个提交点上成功执行。SubmitQueue已经投入生产一年多了，并且可以扩展到每天数千个提交到庞大的单片存储库。[…][PDF]
欧洲计算机系统会议(EuroSys), 2019

零温度下通过相干催化的量子加速

德金
证明量子加速在某些非随机驱动的量子退火模型中是可能的。结果与常规的热力学极限平均场分析相矛盾。有限大小系统的渐近分析预测了优势行为-超过50量子位的系统的数值结果的尺度和系数，表明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

配对开放式开拓者(POET):无休止地产生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
虽然到目前为止，机器学习的历史包含了一系列由研究人员提出的问题和学习其解决方案的算法，但一个重要的问题是，问题本身是否可以在解决问题的同时由算法生成。雷竞技是骗人的[…][PDF]
2019

Go-Explore: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，特别是当奖励很稀少或具有欺骗性时。雅达利的两款游戏《Montezuma’s Revenge》和《Pitfall》便是这类艰难探索领域的标杆。在这两款游戏中，当前的强化学习算法表现不佳，即使是那些具有内在动机的游戏，这也是在硬探索领域中提高性能的主要方法。[…][PDF]
2019

照片素描:从图像推断轮廓图

李m .，林振林，R. Mech，大肠百胜D.拉马南
在计算机图形学和计算机视觉中，边缘、边界和轮廓都是重要的研究课题。一方面，它们是传递3D形状的2D元素，另一方面，它们指示遮挡事件，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，捕获视觉场景轮廓的边界图。现有技术经常把这个问题作为边界检测。[…][PDF]
计算机视觉应用冬季会议(WACV), 2019

面向程序综合的神经引导约束逻辑规划

L. Zhang, G. Rosenblatt, E. Fetaya，r·廖，伯德，梅，r . UrtasunR.泽梅尔
使用示例输入/输出来合成程序是人工智能中的一个经典问题。本文提出了一种求解实例规划问题的方法，该方法使用神经模型来指导约束逻辑规划系统miniKanren的搜索。[…][PDF]
神经信息处理系统进展(NeurIPS), 2018

基于任务感知的生成不确定性对分布外输入的鲁棒性

麦卡利斯特先生，卡恩先生，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对他们的观察做出智能反应，即使是在意想不到的情况下。这就要求系统在不熟悉的、超出分布的观测值的情况下，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，赵志;r . UrtasunR.泽梅尔
关系数据通常可以表示为图形。为了处理这样的图结构数据，我们提出了LanczosNet，它使用Lanczos算法来构建图拉普拉斯卷积的低秩近似。[…][PDF]
神经信息处理系统(NeurIPS), 2018年

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，优于许多人工架构设计。然而，它可能会非常昂贵，因为搜索需要训练数千个不同的网络，而每个网络可能持续数小时。在这项工作中，我们提出了图超网络(GHN)来分摊搜索成本:给定一个架构，它直接通过在图神经网络上运行推理来生成权值。[…][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神经网络预测弱势道路使用者的运动

f .周，郭宏源。林，h·崔拉多萨夫耶维奇;t .阮，t .黄， M. Niedoba, J. Schneider，n Djuric
在检测和跟踪交通行为者之后，预测他们未来的运动是自动驾驶汽车(SDV)的下一个关键组成部分，使自动驾驶汽车(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人等弱势道路使用者来说，这一点尤为重要。我们提出了一种用于预测VRU运动的深度学习方法，我们将高清地图和演员周围环境栅格化为鸟瞰图，作为卷积网络的输入。[…][PDF]
MLITS工作坊@神经信息处理系统(NeurIPS), 2018年

旋转矩形的符号化建筑足迹提取

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背景。本文提出了一种利用卷积神经网络(CNN)从卫星图像中提取建筑物足迹并进行符号化的方法。[…][PDF]
计算机视觉与模式识别会议(CVPR), 2018年

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P.卡斯特罗，y李， L.舒伯特，M.贝勒马雷，Clune j .，j·雷曼
大量的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。相对而言，较少的努力集中在理解通过这些方法学习到的内容，以及调查和比较不同家族的强化学习(RL)算法学习到的表示。[…][PDF]
2018

更快的神经网络直接从JPEG

l . Gueguen，答:能够B.卡德莱克;r·刘，j . Yosinski
直接从RGB像素训练卷积神经网络(cnn)的简单、优雅的方法在经验上取得了压倒性的成功。但是，通过使用不同的输入表示，可以从网络中挤出更多的性能吗?在本文中，我们提出并探索了一个简单的想法:直接在JPEG编解码器中间计算并可用的块离散余弦变换(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
用户级工具支持分析在桌面和服务器的现代jvm上执行的Java应用程序是相当成熟的——从Open 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Open JDK支持低开销的分配调用站点跟踪。[…][PDF]
虚拟机及语言实现(VMIL), 2018

基于可微传感器融合的联合映射和校准

j .陈f·欧博迈亚李亚普诺夫;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，用于批量三角测量大量未知对象。给定从无深度信息的噪声地理定位街道图像中提取的噪声检测，我们共同估计不同类型物体的数量和位置，以及传感器噪声特征参数和以边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定位

即Barsan，美国王，波克罗夫斯基。，r . Urtasun
在本文中，我们提出了一种实时的、与标定无关的、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一个联合的深嵌入空间中。[…][PDF]
机器人学习会议(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的难题。近年来，已经开发了许多使用图像(或视频)作为图像空间输入和推理的方法。在本文中，我们认为准确的图像估计不能转化为精确的三维车道边界，而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3D对象检测

b .杨，m .梁，r . Urtasun
在本文中，我们证明了高清(HD)地图提供了强大的先验，可以提高现代3D目标检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]
机器人学习会议(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的典型特征是弱先验和近似后验分布，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，其中网络中的单元由潜在变量表示，单元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深度学习中的不确定性研讨会(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 . SzerlipP.霍斯福尔;n·古德曼
Pyro是一种基于Python的概率编程语言，用于开发人工智能研究中的高级概率模型。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和滴滴等网约车平台实现了爆炸式增长，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等领域最活跃的研究领域之一。雷竞技是骗人的[…][PDF]
2018

IntentNet:从原始传感器数据中学习预测意图

美国卡萨斯，w·罗，r . Urtasun
为了制定安全机动计划，自动驾驶汽车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和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报员，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]
机器人学习会议(考), 2018年

完美的优步拼车: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，对司机来说更轻松。2014年，该公司推出了优步拼车服务，让乘客可以方便地与同路的人分享行程。优步拼车(uberPOOL)机制的基础是为乘客匹配行程的智能，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算法

c .张，w·罗，r . Urtasun
提出了一种对象实例的半自动标注方法。虽然目前大多数方法将目标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，模仿大多数当前数据集的注释方式。[…][PDF]
三维视觉国际会议(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，我们提出了一种新的3D物体探测器，它可以利用激光雷达和相机来执行非常精确的定位。为了实现这一目标，我们设计了一个端到端的可学习架构，该架构利用连续卷积来融合不同分辨率水平的图像和LIDAR特征图。[…][PDF]
欧洲计算机视觉会议(大会), 2018

单图像的内在分解，没有单一的内在图像

w·马， H，楚，b，周，r . UrtasunA.托拉尔巴
提出了一种对象实例的半自动标注方法。虽然目前大多数方法将目标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，模仿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

反向丙胺:训练具有可分化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，特别是当奖励很稀少或具有欺骗性时。雅达利的两款游戏《Montezuma’s Revenge》和《Pitfall》便是这类艰难探索领域的标杆。在这两款游戏中，当前的强化学习算法表现不佳，即使是那些具有内在动机的游戏，这也是在硬探索领域中提高性能的主要方法。为了解决这一不足，我们引入了一种名为Go-Explore的新算法。[…][PDF]
国际学习表征会议(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
自动驾驶是机器人和人工智能领域目前面临的最大问题之一，无论是难度还是潜在的社会影响。自动驾驶汽车(sdv)有望防止道路交通事故，挽救数百万人的生命，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++:在多码本量化中运行时间更短，召回率更高

j·马丁内斯， S.扎克米，H.胡斯和J.利特尔
多码本量化(MCQ)是用多个基中的离散项尽可能精确地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. kamma，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性模块系统的支持。[…][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相机图像中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，我们将两个输入都投射到地面上，以产生一个自上而下的场景视图。[…][PDF]
欧洲计算机视觉会议(大会), 2018

具有细化类型的基于流的安全编程

b·斯坦l·克拉普斯里达兰先生，b.y。e . Chang
一种基于类型的方法，可以静态地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Uber的证据

j .大厅霍顿，d . Knoepfle
我们利用优步(Uber)创建的美国拼车市场“城市周”(city-week)调查小组，估计了突然的票价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的分阶段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)的快速开发周期中，不断有新的特性被开发出来并推向用户。带有代码缺陷或设计缺陷的特性可能导致中断和显著降低用户体验。传统的代码审查和变更管理方法既耗时又容易出错。为了保证特征推出过程的安全性和快速性，本文提出了一种基于自适应实验设计的特征自动推出方法。[…][PDF]
国际计算智能与应用会议，(ICCIA), 2018

流形:用于解释和诊断机器学习模型的模型不可知框架

j .张y王，p . Molino，l .李埃伯特
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，这是一个利用可视化分析技术以更透明和交互的方式支持机器学习模型的解释、调试和比较的框架。[…][PDF]
IEEE可视化(IEEE VIS), 2018年

超级快乐吗?“零工经济”中的工作与福祉

T. Berger, C. B. Frey，g·莱文，s·r·丹达
我们通过优步和它在英国的司机的镜头来探索所谓的“零工经济”的兴起。利用优步的管理数据和对伦敦司机的一项新的代表性调查，我们探讨了他们的背景、收入和幸福感。[…][PDF]
2019年第68届经济政策小组会议

发现深层生成和判别模型的可解释表示

t·阿德尔z GhahramaniA.韦勒
在深层生成模型和判别模型中，表征的可解释性是非常可取的。目前的方法结合了准确性和可解释性来共同优化目标。然而，这可能会降低准确性，并且不适用于已经训练好的模型。我们提出了两个可解释性框架。首先，我们为现有模型提供一个可解释的镜头。我们使用生成模型作为输入，该模型以有限边信息弱监督的现有(生成或判别)模型中的表示作为输入。[…][PDF]
国际机器学习会议(ICML), 2018

高斯过程的可微组合核学习

孙姗，张国强，王长青，w .曾, r . j . Li的码数
高斯过程的泛化特性在很大程度上取决于核函数的选择，而核函数的选择仍然是一门黑暗的艺术。我们提出了神经核网络(NKN)，一种由神经网络表示的柔性核族。[…][PDF]
国际机器学习会议(ICML), 2018

多网络:自动驾驶实时联合语义推理

泰希曼，韦伯，Zöllner，西波拉，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智能汽车研讨会(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，照顾好任何客户问题是至关重要的。本文提出了COTA系统，该系统通过自动票务分类和支持代表的回答选择来提高最终用户客户支持的速度和可靠性。[…][PDF]
ACM SIGKDD知识发现与数据科学国际会议(知识发现(KDD)), 2018

变分贝叶斯丢弃:缺陷和修复

J. Hron, A. Matthews，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在于为分析和扩展算法提供了一个有用的理论框架[…][PDF]
国际机器学习会议(ICML), 2018

恢复和改进循环反向传播

r·廖，y熊， E. Fetaya, L. Zhang, K. Yoon, X. Pitkow，r . UrtasunR.泽梅尔
本文回顾了递归反向传播(RBP)算法，讨论了它在深度神经网络中适用的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，并提出了基于正则方程(CG-RBP)和Neumann级数(Neumann-RBP)的共轭梯度的两种变体。[…][PDF]
计算机视觉与模式识别研讨会(ICML), 2018

学习重新加权稳健深度学习的例子

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

基于多垫脚石的多模态机器人行为组合多目标进化算法

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，即智能体必须根据不同的环境以不同的方式行动。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，一个困难的任务被分成更简单的子任务，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坐标转换解决方案

r·刘，j·雷曼，p . Molino，F.i这样，e·弗兰克，答:能够，j . Yosinski
在深度学习领域，几乎没有什么想法能像卷积那样产生如此大的影响。对于任何涉及像素或空间表示的问题，普遍的直觉认为卷积神经网络可能是合适的。在本文中，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，该问题只需要学习(x,y)笛卡尔空间中的坐标与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

基于几何神经网络的节理深度和表面法向估计

齐欣，廖仁，刘志强，r . Urtasun、贾佳
在本文中，我们提出了几何神经网络(GeoNet)来联合预测深度和表面法线映射从单个图像。在两流cnn的基础上，我们的GeoNet通过新的深度-法线和法线-深度网络结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)和条件对抗网络(cgan)表明，使用训练好的网络作为损失函数(鉴别器)可以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
提出了一种对象实例的半自动标注方法。虽然目前大多数方法将目标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，模仿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

端到端学习深度结构化活动轮廓

D. Marcos, D. Tuia, B. Kellenberger, L. Zhang，m .呗，r·廖，r . Urtasun
世界上有数以百万计的建筑物，准确地了解每个实例的位置和范围对于众多应用程序至关重要。最近，由于卷积神经网络(CNN)的使用，自动化建筑足迹分割模型显示出更高的检测精度。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

用于快速推理的稀疏块网络

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映射上均匀地在空间中应用卷积算子，这为实时应用带来了很高的计算成本。对于目标检测和语义分割等许多问题，我们可以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:单目视频的交互式引导场景映射

A. Monszpart, P. Guerrero, D. Ceylan，大肠百胜米特拉
场景分析的一个长期挑战是在中度到重度遮挡下，直接从单目视频中恢复场景安排。虽然这个问题仍然是一个积极研究的主题，但在单目视频的人体姿态重建方面已经取得了进展，包括图像雷竞技是骗人的空间特征点检测和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。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着相似的互动。[…][PDF]
计算机图形学及互动技术特别兴趣小组会议(SIGGRAPH), 2018

SurfConv:桥接RGBD图像的3D和2D卷积

朱洪辉，马伟，昆都，r . Urtasun——菲德勒
过去几年，人们尝试将深度传感器的日益普及和卷积神经网络的成功结合起来。在基于图像卷积的方法中，使用深度作为RGB输入的附加通道存在尺度方差问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

速度与激情:实时端到端3D检测，跟踪和运动预测与单一卷积网络

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，它能够根据三维传感器捕获的数据对三维检测、跟踪和运动预测进行联合推理。通过对这些任务的联合推理，我们的整体方法对遮挡和稀疏数据的鲁棒性更强。[…][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，我们提出了一种通过检测跟踪的新方法，该方法可以利用相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解决的线性程序，并以端到端的方式学习卷积网络进行检测和匹配。[…][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
我们利用传递方程和期望导数之间的联系来构造多元分布的有效路径梯度估计器。我们关注两个主线。[…][PDF]
国际人工智能与统计会议(人工智能统计)(提交中)，2019

通过深度学习自动识别、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、廉价地收集此类数据的能力，这可能会将生物学、生态学和动物学的许多领域转变为“大数据”科学。[…][PDF]
美国科学院院刊，第115卷，第115期。25, 2018年

结构化在线地图的递归注意网络

N. Homayounfar, W. Ma, S. Lakshmikanth，r . Urtasun
在本文中，我们解决了从稀疏的三维点云中在线提取道路网络的问题。我们的方法受到注释者构建车道图的启发，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:从点云实时3D对象检测

b .杨，w·罗，r . Urtasun
我们解决了自动驾驶背景下从点云中实时检测3D物体的问题。[…][PDF]
计算机视觉与模式识别研讨会(CVPR), 2018

深度好奇心搜索:生命内部探索可以提高具有挑战性的深度强化学习问题的性能

c·斯坦顿Clune j .
RL中的传统探索方法要求代理执行随机操作来寻找奖励。但这些方法在像《Montezuma’s Revenge》这样的稀疏奖励领域中表现不佳，在这种情况下，任何随机行动序列产生奖励的可能性都极低。最近的算法通过鼓励代理访问与所有先前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)，在这些任务上表现良好。[…][PDF]
2018

超越重参数化技巧的路径导数

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输运方程的解直接对应。我们使用这个视角来计算(近似)不直接适用于重新参数化技巧的概率分布的路径梯度:Gamma, Beta和Dirichlet。[…][PDF]
国际机器学习会议(ICML), 2018年

高峰期定价令优步司机合作伙伴心动

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搬迁决策的影响，以及他们所获得的相应收入。我们使用一个自然实验，该实验是由系统中断引起的，该系统为10个主要城市的部分优步司机合作伙伴生成高峰价格热图，并采用差异中的差异方法，研究了高峰热图的可见性对以下因素的短期影响:1)司机决定搬迁到价格较高或较低的地区;2)司机的收入。[…][PDF]
美国计算机学会经济与计算会议(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来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。为了应对这一挑战，本文提出了一种名为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可视化研讨会(GECCO), 2018年

大规模动态环境的鲁棒密集映射

即Barsan， P. Liu, M. Pollefeys, A. Geiger
提出了一种基于立体的大规模动态城市环境密集映射算法。与其他现有方法相比，我们同时重建静态背景，运动物体和潜在运动但当前静止的物体，这对于高水平的移动机器人任务(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

司机高峰期收费

h . Nazerzadeh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类市场的定价机制，为Uber新的附加司机激增机制的设计提供了理论基础。我们提出了一个动态随机模型来捕捉高峰期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

仿真网络的无似然推理

人类。Lueckmann, g . Bassettot . Karaletsosj·h·马克
近似贝叶斯计算(ABC)为基于模拟的随机模型中的贝叶斯推理提供了方法，这些模型不允许可处理的可能性。我们提出了一种新的ABC方法，它使用概率神经模拟器网络来学习模拟数据上的合成似然——既包括近似特定观测数据的似然的局部模拟器，也包括适用于一系列数据的全局模拟器。[…][PDF]
2018

利用约束逻辑规划进行神经引导程序合成

L. Zhang, G. Rosenblatt, E. Fetaya，r·廖伯德，r . UrtasunR.泽梅尔
提出了一种求解实例规划问题的方法，该方法将神经网络与约束逻辑规划系统miniKanren紧密结合。在内部，miniKanren搜索满足所提供示例所施加的递归约束的程序。[…][PDF]
国际机器学习会议(ICLR), 2018

理解随机元优化中的短视界偏差

y吴,m .任，r·廖r·格罗斯
仔细调整学习率，甚至时间表，对于有效的神经网络训练至关重要。最近，人们对基于梯度的元优化非常感兴趣，其中可以调整超参数，甚至学习优化器，以便在展开训练过程时最小化预期损失。[…][PDF]
国际学习表征会议(ICLR), 2018

客观景观内在维度的测量

李春元，Heerad Farkhoor，r·刘，j . Yosinski
许多最近训练的神经网络使用大量的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。但这些观念有多准确呢?到底需要多少参数?在本文中，我们试图回答这个问题，不是在它们的原生参数空间中训练网络，而是在一个更小的，随机定向的子空间中训练网络。[…][PDF]
国际学习表征会议(ICLR), 2018

广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·罗恩，理查德·e·特纳，Zoubin Ghahramani
虽然深度神经网络在经验上取得了巨大的成功，但要理解它们的理论性质，还有很多工作要做。本文研究了具有多隐层的随机、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]
国际学习表征会议(ICLR), 2018

微塑性:用反向传播训练塑性神经网络

t . Miconi，Clune j .，k·斯坦利
在初始训练之后，我们如何构建能够快速有效地从经验中学习的智能体?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，通过进化精心调整以产生有效的终身学习。我们证明了可塑性，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(数百万参数)循环网络中进行优化。[…][PDF]
国际机器学习会议(ICML), 2018年

半监督分类的图划分神经网络

r·廖， M. Brockschmidt, D. Tarlow, A. Gaunt，r . UrtasunR.泽梅尔
我们提出了图划分神经网络(GPNN)，它是图神经网络(gnn)的扩展，能够处理超大的图。gpnn在小子图中的节点之间局部传播信息和在子图之间全局传播信息之间交替进行。[…][PDF]
机器学习国际会议工作坊(ICLR), 2018

基于深度结构模型的运动场地定位

n HomayounfarS.菲德勒;r . Urtasun
在这项工作中，我们提出了一种新的方法，可以从单一的比赛广播图像中有效地定位足球场。这方面的相关工作依赖于手动标注几个关键帧并将定位扩展到类似的图像，或者在体育场安装固定的专用摄像机，从中可以获得场地的布局。[…][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界的轶事集雷竞技是骗人的

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. Taddei, D. Tarapore, S. Thibault, W. Weimer, R. Watson，j . Yosinski
生物进化为复杂而微妙的适应提供了一个创造性的源泉，常常使发现它们的科学家感到惊讶。然而，由于进化是一个超越其发生的基础的算法过程，进化的创造力并不局限于自然界。[…][PDF]
2018

基于图神经网络的概率图模型推理

k .尹r·廖，y熊， L. Zhang, E. Fetaya，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任务相关变量的边际概率或最可能状态。概率图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]
国际学习表征会议工作坊(ICLR), 2018

端到端任务导向对话系统中信念状态结构的整合

l .蜀p . Molino，m . Namazifar，b .刘，徐海;h .郑,g .病重
端到端可训练网络试图克服传统的模块化面向任务的对话系统架构的错误传播、缺乏泛化和整体脆弱性。大多数提出的模型都是在序列到序列的体系结构上进行扩展的。其中一些不跟踪信念状态，这使得难以与不断变化的知识库进行交互，而那些明确跟踪信念状态的则使用分类器进行交互。分类器的使用受到词汇表外单词问题的困扰，使得这些模型难以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架构，允许与外部符号知识库交互，同时解决了词汇外问题。[…][PDF]
神经信息处理系统研讨会的对话智能挑战(ConvAI @ NeurIPS), 2018

你能更有礼貌、更积极吗?将社会语言注入任务导向的会话代理

研究。王，r .王，g .病重，h·威廉姆斯
以目标为导向的会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其目标，它们不仅需要提供信息答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]
神经信息处理系统研讨会的对话智能挑战(ConvAI @ NeurIPS), 2018

强化学习中行动依赖基线的幻象

G. Tucker, S. Bhupatiraju, S. Gu, R. Turner，z Ghahramani——s·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，其中使用状态相关基线来减少梯度估计器方差。最近的几篇论文将基线扩展到依赖于状态和动作，并建议这可以显着减少方差并提高样本效率，而不会在梯度估计中引入偏差。[…][PDF]
国际机器学习会议(ICML), 2018

弱监督集体特征学习从策划媒体

穆库塔，木村，阿德里安，z Ghahramani
当前最先进的特征学习依赖于由目标内容项及其各自的类别标签组成的大规模数据集的监督学习。然而，构建这种大规模的全标记数据集通常需要艰苦的手工工作。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记作为弱标记，然而，单个文本标记背后的概念很大程度上取决于用户。[…][PDF]
美国人工智能协会人工智能会议(AAAI), 2018

神经网络:用图神经网络学习结构化策略

L. Castrejón, K. Kundu，r . Urtasun——菲德勒
我们解决了学习用于连续控制的结构化策略的问题。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，多层感知器将来自环境的所有观察值的连接作为预测动作的输入。[…][PDF]
国际机器学习会议(ICLR), 2018

零工经济中的性别收入差距:来自100多万拼车司机的证据

C.库克，R.戴蒙德，j .大厅J. A.李斯特，P.欧耶
“零工”经济的增长带来了工人的灵活性，一些人推测，这将有利于女性。我们通过研究美国100多万优步拼车司机的劳动力供应选择和收入来探讨这一点。[PDF]
2019

通过寻求新奇的主体群体改进深度强化学习进化策略的探索

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，能够在具有挑战性的深度强化学习(RL)问题上训练深度神经网络，以及q学习和策略梯度方法，但速度要快得多(例如，几小时vs几天)，因为它们并行化得更好。[…][PDF]
守夜@ NeurIPS 2017(NeurIPS), 2017年

OpenAI进化策略与随机梯度下降的关系研究

x张Clune j .，k·斯坦利
由于随机梯度下降(SGD)在优化具有数百万个参数的神经网络方面表现出了很大的希望，而且几乎没有已知的替代方案存在，因此它已经成为强化学习(RL)领先方法的核心。[…][PDF]
2017

基于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(进化的神经网络)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。一个主要原因是，虽然随机突变通常在低维中起作用，但数千或数百万个权重的随机扰动可能会破坏现有的功能，即使一些单独的权重变化是有益的，也不会提供任何学习信号。[…][PDF]
遗传与进化计算会议(GECCO), 2018年

半监督少样本分类的元学习

m .任， E. Triantafilou, S. Ravi, J. Snell, K. Swersky, J. Tenenbaum, H. Larochelle, R. Zemel
在few-shot分类中，我们感兴趣的是学习仅从少数标记示例中训练分类器的算法。最近在少镜头分类方面的进展以元学习为特色，其中定义了一个学习算法的参数化模型，并在代表不同分类问题的集上进行训练，每个集都有一个小的标记训练集和相应的测试集。[…][PDF]
代码和数据集:(链接)
国际学习表征会议(ICLR), 2018

描述视觉问答模型如何随世界扩展

e·宾汉，p . Molino，p . Szerlip，f·欧博迈亚，n·古德曼
检测视觉问答任务模型之间泛化能力的差异已被证明是非常困难的。我们提出了一个新的统计量，即渐近样本复杂度，用于模型比较，并构建了一个综合数据分布，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Madhavan， E.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。在具有挑战性的深度强化学习(RL)问题上，进化策略(ES)可以与基于反向支持的算法(如Q-learning和策略梯度)相媲美。[…][PDF]
深度强化学习@ NeurIPS 2018

开放性: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。一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，但我们还无法实现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Urtasunr·格罗斯
残差网络(ResNets)在图像分类方面比传统卷积神经网络(cnn)有了显著的改进，随着网络的深度和广度的增长，其性能也在不断提高。然而，内存消耗成为瓶颈，因为需要存储使用反向传播计算梯度的所有中间激活。[…][PDF]
神经信息处理系统进展(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，肯尼斯·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，因为它在具有挑战性的深度强化学习领域表现得非常好。它通过对当前参数集产生扰动，检查它们的性能，并向更高奖励的聚合方向移动来搜索神经网络参数。[…][PDF]
遗传与进化计算会议(GECCO), 2018年

利用深度学习从田间图像自动识别北方叶枯病感染的玉米植株

C. decchant, T. Wiesner-Hanks, S, Chen, E. Stewart，j . Yosinski， M. Gore, R. Nelson和H. Lipson
玉米叶枯病(NLB)可造成严重的产量损失;然而，在大范围内进行精确诊断既费时又困难。我们展示了一个系统能够自动识别NLB病变的玉米作物现场采集图像具有高可靠性。[…][PDF]
植物病理学, 2017年

变分高斯Dropout不是贝叶斯的

J. Hron, A. Matthews，z Ghahramani
高斯乘性噪声是一种常用的随机正则化技术，用于确定性神经网络的训练。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;随后又进行了几次延期。[…][PDF]
2017年，贝叶斯深度学习研讨会@ NeurIPS

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 .
人工智能的一个长期目标是制造出能够在一生中学习各种技能的智能体，并通过经验不断提高这些技能。实现这一目标的一个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，菲德勒，林德华，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，我们的模型根据需要“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:从航拍图像中提取道路拓扑

g . Mattyus，w·罗，r . Urtasun
创建路线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上。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，贾佳，S.菲德勒，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。本文提出了一种基于三维点云构建k近邻图的三维图神经网络(3DGNN)。[…][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

刘士生，贾佳杰，菲德勒，r . Urtasun
在本文中，我们提出了顺序分组网络(SGN)来解决对象实例分割问题。sgn采用一系列神经网络，每个神经网络都解决一个增加语义复杂性的子分组问题，以便逐渐由像素组成对象。[…][PDF]
计算机视觉国际会议(ICCV), 2017

实例合成实体匹配规则

r·辛格， V. Vamsikrishna Meduri, A. Elmagarmid, S. Madden, P. Papotti, Jo。钱氏，A. Solar-Lezama, N. Tang
实体匹配(EM)是数据集成的关键部分。研究了如何从正负匹配实例中合成实体匹配规则。我们的解决方案的核心是程序合成，这是一个强大的工具，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捐赠基金会议记录(PVLDB)11(2): 189-202, 2017

优步与出租车:一个司机的视角

J.安格里斯特，S.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，这是许多互联网中介服务提供商采用的一种基于佣金的薪酬模式。对于优步司机来说，这笔佣金被称为优步费。相比之下，美国大多数城市的传统出租车司机收取的是与收入无关的固定费用，通常是每周或每天的租赁，但扣除费用后，他们会保留每一美元的车费。[…][PDF]
2017

基于图神经网络的情境识别

李r .，塔帕斯维，r·廖，贾佳，r . Urtasun——菲德勒
我们解决了在图像中识别情境的问题。给定一个图像，任务是预测最显著的动词(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

罗先生，r . Urtasunr.s.泽梅尔
聚类是对一组示例进行分组的任务，以便将相似的示例分组到同一类中，而不相似的示例分组到不同的类中。聚类的质量取决于两个与问题相关的因素，即i)选择的相似性度量和ii)数据表示。因此提出了利用标记的分区数据集的监督聚类方法，例如学习一个优化的度量来执行聚类。[…][PDF]
国际机器学习会议(ICML), 2017

甘贝尔把戏的失散亲人

M. Balog, N. Tripuraneni，z GhahramaniA.韦勒
Gumbel技巧是一种从离散概率分布中抽样的方法，或估计其归一化配分函数的方法。该方法依赖于以一种特定的方式反复对分布施加随机扰动，每次求解最可能的配置。[…][PDF]
国际机器学习会议(ICML), 2017年

特征分配的生灭过程

K.帕拉，D.诺尔斯，z Ghahramani
我们提出了一个贝叶斯非参数先验特征分配的序列数据，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]
国际机器学习会议(ICML), 2017年

自动发现数据集中变量的统计类型

瓦勒拉,z Ghahramani
在统计学和机器学习中，一个常见的做法是假设变量的统计数据类型(例如，序数、分类或实值)，通常还有似然模型是已知的。然而，随着真实世界数据可用性的增加，这种假设变得过于严格。[…][PDF]
国际机器学习会议(ICML), 2017年

基于循环关注的端到端实例分割

m .任R.泽梅尔
虽然卷积神经网络最近在解决结构化预测问题(如语义分割)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、图像字幕和视觉问答。[…][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

基于弱监督数据的高效多实例度量学习

罗明涛，余宇，r . Urtasun， R. S.泽梅尔，邢恩平
我们考虑在弱监督设置中学习距离度量，其中“袋”(或“集”)的实例被标记为“袋”的标签。一般的方法是将问题表述为多实例学习(MIL)问题，其中度量被学习，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:用于街道级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，由于深度学习的兴起，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包含约束场景的数据集上进行训练的。从真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此进行试验，一系列新的成功鼓舞了人们的热情，在深度雷竞技是骗人的学习领域产生影响的新机会正在出现。[…][HTML]
O ' reilly在线, 2017年

动态定价解决了徒劳的追逐

卡斯蒂略，d . Knoepfle， E. G. Weyl
网约车应用通常比出租车匹配效率更高，但它们可能会进入阿诺特(Arnott, 1996)所预测的失败模式，我们称之为徒劳的追逐。高需求耗尽了平台上空闲的司机，因此必须派车去接远方的客户。浪费在接车上的时间减少了司机的收入，导致他们退出，并加剧了问题。[…][PDF]
美国计算机学会经济与计算会议(ACM EC), 2018年

通过信息检索镜头进行短镜头学习

E. Triantafillou, R. Zemel，r . Urtasun
few -shot learning指的是只从几个例子中理解新概念。我们提出了一种信息检索启发的方法来解决这个问题，这种方法的动机是在这种低数据状态下最大限度地利用所有可用信息的重要性日益增加。[PDF]
代码:(链接)
神经信息处理系统进展(NeurIPS), 2017

数据探索任务的通用潜在特征建模

瓦莱拉先生，普拉迪尔先生，z Ghahramani
本文介绍了一种适用于异构数据集自动探索性分析的通用贝叶斯非参数潜在特征模型，其中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。该模型具有几个重要的特性。[…][PDF]
ICML机器学习中的人类可解释性研讨会(ICML), 2017年

用Uber的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)期间准确的时间序列预测对于异常检测、最优资源分配、预算规划和其他相关任务至关重要。在优步，对特殊事件期间完成行程的准确预测可以更有效地分配司机，从而减少乘客的等待时间。[PDF]
国际机器学习会议(ICML), 2017年

插值策略梯度:融合深度强化学习的On-Policy和Off-Policy梯度估计

S. Gu, T. Lillicrap, R. Turner，z Ghahramani， B. Schölkopf, S. Levine
使用先前收集的数据的非策略模型深度强化学习方法可以比非策略策略梯度技术提高样本效率。另一方面，基于策略的算法通常更稳定，更容易使用。[…][PDF]
神经信息处理系统研究进展(NeurIPS), 2017年

SVCCA:深度学习动力学和可解释性的奇异向量典型相关分析

M. Raghu, J. Gilmer，j . YosinskiJ.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的工具，这种方法既对仿射变换不变(允许在不同的层和网络之间进行比较)，又可以快速计算(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M.布鲁贝克，S.菲德勒，r . Urtasun
在本文中，我们提出了一种鲁棒，高效和负担得起的自我定位方法，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、速度限制以及自我汽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

规范化:网络规范化方案的比较与扩展

m .任，r·廖，r . Urtasun， F. H. Sinz, R.泽梅尔
规范化技术直到最近才开始在监督学习任务中得到利用。批处理规范化利用小批统计信息来规范化激活。事实证明，这可以加快训练速度，并产生更好的模型。然而，在处理递归神经网络时，它的成功非常有限。另一方面，层规范化对层内所有活动的激活进行规范化。这在反复发作的情况下效果很好。在本文中，我们提出了一种统一的归一化技术观点，作为分裂归一化的形式，其中包括层和批归一化作为特殊情况。[…][PDF]
国际学习表征会议(ICLR), 2017

贝叶斯生成对抗网络

y萨奇A.威尔逊
生成对抗网络(GANs)可以隐式地学习图像、音频和数据上的丰富分布，这些分布很难用显式似然建模。我们提出了一个实用的贝叶斯公式，用于gan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标注对象实例

L. Castrejón, K. Kundu，r . Urtasun——菲德勒
提出了一种对象实例的半自动标注方法。虽然目前大多数方法将目标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，模仿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的出现

j .惠钦格k·斯坦利，Clune j .
自然进化产生了种类繁多的功能性生物。许多人认为，这一过程的一个重要组成部分是可进化性的进化，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(即将出现), 2017年

揭示细节的深度视频超分辨率

陶翔，高宏，r·廖，王俊，贾俊，昆都
以前基于cnn的视频超分辨率方法需要将多个帧对齐到参考帧。在本文中，我们证明了适当的帧对齐和运动补偿是获得高质量结果的关键。[…][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，但深度学习工具在机器学习中并不普遍。在主动学习环境中使用深度学习存在一些困难。[…][PDF]
国际机器学习会议(ICML), 2017年

基于条件GAN的多元自然图像描述

B.戴，S.菲德勒，r . Urtasun林博士
在本文中，我们介绍了多伦多市基准，它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40万幢建筑。我们的基准提供了从飞机、无人机和在城市周围行驶的汽车上捕捉到的世界的不同视角。[…][PDF]
计算机视觉国际会议(ICCV), 2017

具有幂律度分布的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，是重尾)。为了获得这种行为，图中的边缘概率是由Bertoin-Fujita-Roynette-Yor (BFRY)随机变量构造的，这些随机变量最近在贝叶斯统计中用于构建幂律模型。[…][PDF]
国际机器学习会议(ICML), 2017年

多伦多市: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．
尽管近年来取得了长足的进步，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，往往过于僵化，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，从而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，我们扩展了这种方法，在潜在代码上引入了一个额外的先验，提高了样本质量和样本多样性，从而产生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的分辨率(227x227)生成高质量的图像，并且对所有1000个ImageNet类别都是如此。[…][PDF]
计算机视觉与模式识别(CVPR), 2017年

雷竞技是骗人的研究论文