2018年4月18日精彩内容推荐（《强化协同训练》、《神经网络优化》等论文）

点击 Chatbots技术与产品，快速关注本账号！

1.论文《Reinforced Co-Training》: 

这篇论文为传统地半监督学习方法提供了新思路。我们发现：不是所有的未标注数据都有用，而传统方法通过随机采样，即使高置信度采样也有问题。我们提出了利用随机算法对未标注样本空间分割，再采用强化学习方法选择低采样偏差的数据，对半监督文本分类有很好的效果。

https://arxiv.org/abs/1804.06035

By 王威廉

2.论文《Co-occurrence Feature Learning from Skeleton Data for Action Recognition and Detection with Hierarchical Aggregation》：

基于骨架的行为识别检测任务上，提出了Hierarchical Co-occurrence Network（HCN）端到端学习框架，在NTU RGB+D，SBU Kinect Interaction，PKU-MMD等数据集上均取得了SOTA性能。

https://arxiv.org/abs/1804.06055

By 星空下的巫师

3.【神经网络优化】On the Convergence of Adam and Beyond

在神经网络优化方法中，有很多类似Adam、RMSprop这一类的自适应学习率的方法，但是在实际应用中，虽然这一类方法在初期下降的很快，但是往往存在着最终收敛效果不如SGD+Momentum的问题。作者发现，导致这样问题的其中一个原因是因为使用了指数滑动平均，这使得学习率在某些点会出现激增。在实验中，作者给出了一个简单的凸优化问题，结果显示Adam并不能收敛到最优点。在此基础上，作者提出了一种改进方案，使得Adam具有长期记忆能力，来解决这个问题，同时没有增加太多的额外开销。

https://www.paperweekly.site/papers/1841

By PaperWeekly

4.『Tensorflow实现的CNN关系抽取』《Tensorflow Implementation of Convolutional Neural Network for Relation Extraction》  

GitHub：https://github.com/roomylee/cnn-relation-extraction

By 算法组

5.【开放机器学习课程之Gradient Boosting】《Open Machine Learning Course. Topic 10. Gradient Boosting》by Anastasia Manokhina

https://medium.com/open-machine-learning-course/open-machine-learning-course-topic-10-gradient-boosting-c751538131ac

pdf：https://pan.baidu.com/s/1o6y9RCF9IqJE3IyFd7wrjg

By 爱可可-爱生活

（PS：点击阅读原文可直接打开链接，查看更多精彩内容）

- END -

非常欢迎加入我们的微信群一起讨论分享！

新浪微博：ChatbotsChina

微信号：Chatbots01

关注我们，一起学习机器人