NIPS 2016上22篇论文的实现汇集
日前,LightOn CEO 兼联合创始人 Igor Carron 在其博客上放出了其收集到的 NIPS 2016 论文的实现(一共 22 个)。他写道:「在 Reddit 上,peterkuharvarduk 决定编译所有来自 NIPS 2016 的可用实现,我很高兴他使用了『实现( implementation)』这个词,因为这让我可以快速搜索到这些项目。」除了 peterkuharvarduk 的推荐,这里的项目还包括 Reddit 其他用户和 Carron 额外添加的一些新公布的实现。最终他还重点推荐了 GitXiv:http://www.gitxiv.com 。另外,在本文后面还附带了机器之心关于 NIPS 2016 的文章列表,千万不要错过。
1. 使用快速权重关注最近的过去(Using Fast Weights to Attend to the Recent Past)
论文:https://arxiv.org/abs/1610.06258
GitHub:https://github.com/ajarai/fast-weights
2. 通过梯度下降来学习通过梯度下降的学习(Learning to learn by gradient descent by gradient descent)
论文:https://arxiv.org/abs/1606.04474
GitHub:https://github.com/deepmind/learning-to-learn
3. R-FCN:通过基于区域的全卷积网络的目标检测(R-FCN: Object Detection via Region-based Fully Convolutional Networks)
论文:https://arxiv.org/abs/1605.06409
GitHub:https://github.com/Orpine/py-R-FCN
4. 用于 k-均值的快速和可证明的 Good Seedings(Fast and Provably Good Seedings for k-Means)
论文:https://las.inf.ethz.ch/files/bachem16fast.pdf.
GitHub:https://github.com/obachem/kmc2
5. 如何训练生成对抗网络(How to Train a GAN)
GitHub:https://github.com/soumith/ganhacks
6. Phased LSTM:为长的或基于事件的序列加速循环网络训练(Phased LSTM: Accelerating Recurrent Network Training for Long or Event-based Sequences)
论文:https://arxiv.org/abs/1610.09513
GitHub: https://github.com/dannyneil/public_plstm
7. 生成对抗式模仿学习(Generative Adversarial Imitation Learning)
论文:https://arxiv.org/abs/1606.03476
GitHub:https://github.com/openai/imitation
8. 对抗式多类分类:一个风险最小化的角度(Adversarial Multiclass Classification: A Risk Minimization Perspective)
论文:https://www.cs.uic.edu/~rfathony/pdf/fathony2016adversarial.pdf
GitHub:https://github.com/rizalzaf/adversarial-multiclass
9. 通过视频预测的用于物理交互的无监督学习(Unsupervised Learning for Physical Interaction through Video Prediction)
论文:https://arxiv.org/abs/1605.07157
GitHub: https://github.com/tensorflow/models/tree/master/video_prediction
10.权重规范化:一种加速深度神经网络训练的简单重新参数化( Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks)
论文:https://arxiv.org/abs/1602.07868
GitHub:https://github.com/openai/weightnorm
11. 全容量整体循环神经网络(Full-Capacity Unitary Recurrent Neural Networks)
论文:https://arxiv.org/abs/1611.00035
GitHub:https://github.com/stwisdom/urnn
12. 带有随机层的序列神经模型(Sequential Neural Models with Stochastic Layers)
论文:https://arxiv.org/pdf/1605.07571.pdf
GitHub:https://github.com/marcofraccaro/srnn
13. 带有快速局部化谱过滤的图上的卷积神经网络(Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering)
论文:https://arxiv.org/abs/1606.09375
GitHub:https://github.com/mdeff/cnn_graph
14. Interpretable Distribution Features with Maximum Testing Power
论文:https://papers.nips.cc/paper/6148-interpretable-distribution-features-with-maximum-testing-power.pdf
GitHub:https://github.com/wittawatj/interpretable-test/
15. 使用神经网络组成图模型,用于结构化表征和快速推理(Composing graphical models with neural networks for structured representations and fast inference )
论文:https://arxiv.org/abs/1603.06277
GitHub:https://github.com/mattjj/svae
16. 使用张量网络的监督学习(Supervised Learning with Tensor Networks)
论文:https://arxiv.org/abs/1605.05775
GitHub:https://github.com/emstoudenmire/TNML
17. 使用贝叶斯条件密度估计的模拟模型的快速无ε推理(Fast ε-free Inference of Simulation Models with Bayesian Conditional Density Estimation)
论文:https://arxiv.org/abs/1605.06376
GitHub:https://github.com/gpapamak/epsilon_free_inference
18. 用于概率程序的贝叶斯优化(Bayesian Optimization for Probabilistic Programs)
论文:http://www.robots.ox.ac.uk/~twgr/assets/pdf/rainforth2016BOPP.pdf
GitHub:https://github.com/probprog/bopp
19. PVANet:用于实施目标检测的轻权重深度神经网络(PVANet: Lightweight Deep Neural Networks for Real-time Object Detection)
论文:https://arxiv.org/abs/1611.08588
GitHub:https://github.com/sanghoon/pva-faster-rcnn
20. 数据编程:快速创建大训练集(Data Programming: Creating Large Training Sets Quickly)
论文:https://arxiv.org/abs/1605.07723
代码: snorkel.stanford.edu
21. 用于架构学习的卷积神经结构(Convolutional Neural Fabrics for Architecture Learning)
论文:https://arxiv.org/pdf/1606.02492.pdf
GitHub:https://github.com/shreyassaxena/convolutional-neural-fabrics
22. 价值迭代网络(Value Iteration Networks)
论文:https://arxiv.org/abs/1602.02867
TensorFlow 实现:https://github.com/TheAbhiKumar/tensorflow-value-iteration-networks
原作者的 Theano 实现:https://github.com/avivt/VIN
NIPS 2016上22篇论文的实现汇集相关推荐
- 上百篇论文概览『负采样方法』的前世今生
Efficient and Effective: 百篇论文概览负采样方法的前世今生 © 作者|徐澜玲 研究方向|推荐系统 引言:负采样方法最初是被用于加速 Skip-Gram 模型的训练,后来被广泛应 ...
- 【CVPR2020】百度入选22篇论文涵盖全视觉领域!
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 近日,计算机视觉领域"奥斯卡"CVPR 2020官方公布论文收 ...
- 一文看尽 CVPR2022 最新 22 篇论文(附打包下载)
CVPR 2022 已经放榜,本次一共有2067篇论文被接收,接收论文数量相比去年增长了24%.由于每年的 CVPR 全部论文以及相关细节都需要等到六月会议召开才会正式公布,在这之前,为了让大家更快地 ...
- 从上千篇论文脱颖而出,支付宝论文凭什么获得WWW2020评委认可?
简介: 蚂蚁金服有多篇论文入选国际顶级学术会议WWW2020,围绕智能服务.认知计算等课题,向行业分享自身沉淀的金融智能应用成果. 2020年4月20-24日,国际顶级学术会议WWW2020(The ...
- 关于推特社交机器人数据集(来自上一篇论文)
论文论文阅读 - A Deep Learning Approach for Robust Detection of Bots in Twitter Using Transformers_努力学习中.. ...
- NIPS 2016精华大盘点丨吴恩达、LeCun等大师的论文、PPT都在这儿,别劳心去找了...
2016 NIPS 仍在如火如荼地进行,各位大佬也频繁在会场露面,并时不时的搞个"大新闻".雷锋网时刻关注着 NIPS 的一切动态,并把大家较为关注的论文以及学术大师的PPT整理出 ...
- NIPS论文排行榜出炉,南大周志华5篇论文入选
作者 | 非主流 出品 | AI科技大本营 作为人工智能领域的顶会,已经有 30 年历史的 NIPS 今年以来一直风波不断.先是被爆出 NIPS 2017 出现了性骚扰行为,然后又被 diss 会议名 ...
- 在分析了AI顶会上的6163篇论文后,我们能发现怎样的发展趋势与变化……
来源:机器人圈 概要:最近,有关人工智能(AI)的研究在各个领域都取得了显著的成果.这主要归功于长期以来一直致力于这个研究领域的AI研究人员的努力. 最近,有关人工智能(AI)的研究在各个领域都取得了 ...
- NIPS 2016 | Best Paper, Dual Learning, Review Network, VQA 等论文选介
NIPS 2016 | Best Paper, Dual Learning, Review Network, VQA 等论文选介 原创2016-12-12小 S程序媛的日常程序媛的日常 过去一周,最受 ...
最新文章
- 高效排序算法(快排序)
- R语言基本操作函数(1)变量的基本操作
- 动物统计加强版(贪心,字典序)
- 三个单词说的英语口语
- 来自微博html5怎么设置,来自微博的面试题解决方案
- 低精度神经网络:从数值计算角度优化模型效率
- bzoj1491: [NOI2007]社交网络
- 阿里云基于NVM的持久化高性能Redis数据库
- Springboot访问jsp页面但是却变成下载该页面
- 如何查看Laravel版本号的三种方法
- php myadmin 安装
- DenyHosts安装及配置
- 计算机病毒与恶意代码期末总结
- 腾讯通 admin.php,基于腾讯通RTX插件的视频会议调测
- 重庆师范大学c语言考研真题及答案,2020年重庆师范大学系统理论考研真题试卷及试题答案,数学分析考研试题下载...
- 某天是星期几 + 三目运算符的一些错误操作解释
- ftp服务器匿名账号,登陆ftp服务器的匿名账号
- 【Parallels Desktop】解决Sorry, This Application Cannot Be Run Under A Virtual Machine
- 华为荣耀5cvs华为v9play_荣耀V9Play和荣耀畅玩6A全面对比评测 看完这篇再判断
- 华为开发者选项锁屏已被管理员、加密政策或凭据存储禁用
热门文章
- bio nio aio区别_8分钟深入浅出搞懂BIO、NIO、AIO
- mysql中的编码问题_mysql存储乱码之编码问题
- Codeforces Round #650 (Div. 3)(A-C)
- Codeforces Round #572 (Div. 2)(ABCD1D2E)
- Weights and Measures(贪心+动态规划)
- 曲线行驶最后什么时候回正_曲线行驶总压线?老教练给你支支招,看完觉得太简单了……...
- at命令不生效 linux_【干货】你不知道的 Linux 命令使用技巧
- u6系统服务器启动不了,u6链接不到服务器
- 修改autor后面邮箱_如何修改LOL手游昵称
- 深度学习之生成对抗网络(1)博弈学习实例