知識星球
在碎片化閱讀充斥眼球的時代，越來越少的人會去關註每篇論文背後的探索和思考。
在這個欄目裡，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。
點選本文底部的「閱讀原文」即刻加入社群，檢視更多最新論文推薦。
@zhangjun 推薦
#Neural Machine Translation
一個開源的產品級神經機器翻譯框架，構建在 MXNet 平臺上。
@miracle 推薦
#Text Classification
本文使用兩個神經網路分別建模句子和檔案，採用一種自下向上的基於向量的文字表示模型。首先使用 CNN/LSTM 來建模句子表示，接下來使用雙向 GRU 模型對句子表示進行編碼得到檔案表示。
Supervised Learning of Universal Sentence Representations from Natural Language Inference Data
@zxEECS 推薦
#Natural Language Generation
本文來自 Facebook AI Research。本文研究監督句子嵌入，作者研究並對比了幾類常見的網路架構（LSTM，GRU，BiLSTM，BiLSTM with self attention 和 Hierachical CNN）, 5 類架構具很強的代表性。
@paperweekly 推薦
#Recurrent Neural Networks
本專案提出了一個基於 RNN 的語意實體分割模型，為影象中的每個標的順序地生成一對 mask 及其對應的類機率。該模型是可端對端 + 可訓練的，不需要對輸出進行任何後處理，因此相比其他依靠 object proposal 的方法更為簡單。
@AkiyamaYukari 推薦
#Image Style Transfer
本文視角獨特，效果不錯。作者認為模型可以不透過對於資料集上進行學習和預訓練就能實現影象轉換任務（如去噪、超分等），僅需調節超引數（如網路訓練次數、學習率等）。
@Molly 推薦
#Person Re-identification
本文來自 Face++，作者引入端到端的方法，讓網路自動去學習人體對齊，從而提高效能。除了提取全域性特徵，同時也對各區域性提取區域性特徵。
@jindongwang 推薦
#Domain Adaptation
當傳統的基於 vector 的 domain adaptation 應用於 tensor，會發生什麼？這個文章發表在 ICCV 2017 上，很有指導意義。
@zh794390558 推薦
#Generative Adversarial Networks
本文提出的模型名為 CycleGAN，作者希望在不借助 paired example 情況下，來實現圖片的風格轉換。
[ 機器學習 ]
@YFLu 推薦
#Representation Learning
SDNE 是清華大學崔鵬老師組發表在 2016KDD 上的一個工作，目前谷歌學術取用量已經達到了 85，是一篇基於深度模型對網路進行嵌入的方法。
SDNE 模型同時利用一階相似性和二階相似性學習網路的結構，一階相似性用作有監督的資訊，保留網路的區域性結構；二階相似性用作無監督部分，捕獲網路的全域性結構，是一種半監督深度模型。
@cornicione 推薦
#Convolutional Neural Network
論文提出一種從宏觀預測城市人口的網路 — ST-ResNet，利用 3 個網路分支分別對 3 種時間特性進行建模：時間緊密度，週期，趨勢。結合外界因素，對不同地區分配不同的權重，將 3 個分支進行動態融合。
本文由 AI 學術社群 PaperWeekly 精選推薦，社群目前已改寫自然語言處理、計算機視覺、人工智慧、機器學習、資料挖掘和資訊檢索等研究方向，點選「閱讀原文」即刻加入社群！
我是彩蛋
解鎖新功能：熱門職位推薦！
PaperWeekly小程式升級啦
今日arXiv√猜你喜歡√熱門職位√
找全職找實習都不是問題
解鎖方式
1. 識別下方二維碼開啟小程式
2. 用PaperWeekly社群賬號進行登陸
3. 登陸後即可解鎖所有功能
職位釋出
請新增小助手微信（pwbot01）進行諮詢
長按識別二維碼，使用小程式
*點選閱讀原文即可註冊
關於PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號後臺點選「交流群」，小助手將把你帶入 PaperWeekly 的交流群裡。
