每日论文 | 用于胸部X光检测的深度学习算法CheXNeXt；最小范数在过度参数化的问题上失效；抵抗声音攻击的防御框架

1

Deep learning for chest radiograph diagnosis: A retrospective comparison of the CheXNeXt algorithm to practicing radiologists

胸部X光是检测很多疾病的重要手段，例如肺结核或肺癌。然而，检查过程通常需要有经验的专业医生进行诊断，很多地区缺少专门的放射科医生，往往导致病情延误。现在，研究者提出了一种基于深度学习的方法，能在医学图像处理中达到人类专家的水平。本文就介绍了这样一种名为CheXNeXt的卷积神经网络，可以检测出14种疾病。

地址：https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002686

2

Minimum norm solutions do not always generalize well for over-parameterized problems

随机梯度下降时训练深度神经网络的常用算法。虽然用途广泛，但想让网络达到最佳水平仍然需要手动调整超参数。于是有人提出了自动调整超参数的方法。最近，研究人员研究发现，在过度参数化的问题中，虽然随机梯度下降总能收敛到最小范数解决方案，但自动参数调整却不会表现出这样的结果，反而泛化能力更差。

地址：https://arxiv.org/abs/1811.07055

3

Protecting Voice Controlled Systems Using Sound Source Identification Based on Acoustic Cues

最近越来越多的应用将声音作为输入，但这些系统常常会收到不同类型的声音攻击。现有的防御技术通常只能抵抗特殊类型的攻击或者需要对设备进行其他干预。这样的防御策略不仅低效，而且也很难实施。基于此前的研究，我们提出了一种新的防御策略，可以根据声学特征检测声音来源。防御策略无需任何信息，只需要获取控制声音的源头，从而达到防御效果。

地址：https://arxiv.org/abs/1811.07018