发表服务
最近了很多篇论文，跟原文的结果都差的很多，以前还觉得自己搞错了，但一次课上全班40多人都复现…首页会员发现等你来答登录学术论文为什么现在大多数论文复现不了成了常态？最近了很多篇论文，跟原文的结果都差...
大多数尝试学习神经网络的人，面对选择相关参数的方式，都会面临不可避免的迷思。从隐藏单元数到层数，学习率，优化器，卷积核大小，损失函数等，有数百种选择。因此，深度学习通常又称为炼丹，许多人说缺乏严谨性，会影响理解和复现。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
1.pdf.过一些深度强化学习，你也可以训练木棍做后空翻.我曾经看到过一些建议：复现论文是提高机器学习能力的一种很好的方法，这对我自己来说是一个有趣的尝试。.LearningfromHumanPreferences的确是一个很有意思的项目，我很高兴能复现它，但是回想起来这段...
从被抽检的硕士学位论文中我们发现：不合格论文普遍有6个问题.当前，随着研究生教育规模的不断扩大，研究生教育由规模发展逐渐转向质量和内涵发展，不断提升教育质量是新时期研究生教育的重要任务。.学位论文质量是衡量研究生教育质量的重要标准...
ICML审稿人怒了，不要论文没写完就投稿！.ICML作为国际机器学习大会在一些学者心中的地位很高，不仅因为它是所谓的顶会，更因为它在论文评审方面所做的一些开创性的工作。.比如去年率先提出要提交代码，今年又率先提出要规范实验步骤，这些举措让大家...
对ICML2017上的使用TTRNN做视频分类的论文中的UCF11实验做了复现，作者在Github上公开了Python2代码，这里使用工具转换到Python3；另外代码缺少了预处理步骤，个人参考注释做了补充；在复现的过程中遇到并解决了部分问题：OpenCV提取...
传统的基于RNN的Seq2Seq模型难以处理长序列的句子，无法实现并行，并且面临对齐的问题。所以之后这类模型的发展大多数从三个方面入手：(1)Input的方向性从单向到多向；(2)深度从单层到多层；(3)类型从RNN到LSTMGRU。
2017年9月，著名RL专家DoinaPrecup和JoellePineau所领导的的研究组发表了论文DeepReinforcementLearningthatMatters[8]，直指当前DRL领域论文数量多却水分大、实验难以复现等问题。该文在学术界和工业界引发热烈反响。
最近了很多篇论文，跟原文的结果都差的很多，以前还觉得自己搞错了，但一次课上全班40多人都复现…首页会员发现等你来答登录学术论文为什么现在大多数论文复现不了成了常态？最近了很多篇论文，跟原文的结果都差...
大多数尝试学习神经网络的人，面对选择相关参数的方式，都会面临不可避免的迷思。从隐藏单元数到层数，学习率，优化器，卷积核大小，损失函数等，有数百种选择。因此，深度学习通常又称为炼丹，许多人说缺乏严谨性，会影响理解和复现。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
1.pdf.过一些深度强化学习，你也可以训练木棍做后空翻.我曾经看到过一些建议：复现论文是提高机器学习能力的一种很好的方法，这对我自己来说是一个有趣的尝试。.LearningfromHumanPreferences的确是一个很有意思的项目，我很高兴能复现它，但是回想起来这段...
从被抽检的硕士学位论文中我们发现：不合格论文普遍有6个问题.当前，随着研究生教育规模的不断扩大，研究生教育由规模发展逐渐转向质量和内涵发展，不断提升教育质量是新时期研究生教育的重要任务。.学位论文质量是衡量研究生教育质量的重要标准...
ICML审稿人怒了，不要论文没写完就投稿！.ICML作为国际机器学习大会在一些学者心中的地位很高，不仅因为它是所谓的顶会，更因为它在论文评审方面所做的一些开创性的工作。.比如去年率先提出要提交代码，今年又率先提出要规范实验步骤，这些举措让大家...
对ICML2017上的使用TTRNN做视频分类的论文中的UCF11实验做了复现，作者在Github上公开了Python2代码，这里使用工具转换到Python3；另外代码缺少了预处理步骤，个人参考注释做了补充；在复现的过程中遇到并解决了部分问题：OpenCV提取...
传统的基于RNN的Seq2Seq模型难以处理长序列的句子，无法实现并行，并且面临对齐的问题。所以之后这类模型的发展大多数从三个方面入手：(1)Input的方向性从单向到多向；(2)深度从单层到多层；(3)类型从RNN到LSTMGRU。
2017年9月，著名RL专家DoinaPrecup和JoellePineau所领导的的研究组发表了论文DeepReinforcementLearningthatMatters[8]，直指当前DRL领域论文数量多却水分大、实验难以复现等问题。该文在学术界和工业界引发热烈反响。
发表服务