每日论文 | 谷歌提出简单加速的概率编程；GAN在文本生成中的缺陷；在医学图像中进行持续学习

1

Simple, Distributed, and Accelerated Probabilistic Programming

今天，谷歌大脑的研究人员们提出了一种简单、低层次的方法用于在深度学习生态中概率编程的嵌入。这种简单分布式、加速的概率编程，可以将概率程序扩展到512个TPUv2、1亿以上个参数模型。

地址：https://arxiv.org/abs/1811.02091

2

Language GANs Falling Short

生成高质量、多样化的文本对自然语言生成任务来说非常重要。经过训练的最大似然模型常常被认为是弱基准，偏见总会导致较差的性能。在这篇文章中，我们发现了几点此前从未意识到的现象。首先，我们发现了衡量文本质量的基础缺陷：如果仅用一个简单的参数就能减少模型条件分布的熵，从而改善性能。说明GAN在自然语言生成方面存在不足。

地址：https://arxiv.org/abs/1811.02549

3

Towards continual learning in medical imaging

这篇文章研究了用神经网络在大脑核磁共振图像中，对两个分隔任务进行持续学习的方法。为了进行研究，我们详细了解了elastic weight consolidation，这是最近新提出的基于费希尔信息的方法，最初用来衡量雅达利游戏中的强化学习表现。我们用它学习正常大脑框架中的分割和有白色物质区域中的分割。

地址：https://arxiv.org/abs/1811.02496

星标论智，每天获取最新资讯