同步公众号(arXiv每日论文速递)，回复'search 关键词'查询相关最新论文。(*￣rǒ￣)
cs.LG 方向，今日共计45篇
[cs.LG]：
【1】 PHYRE: A New Benchmark for Physical Reasoning
标题：PHYRE：物理推理的新基准
作者： Anton Bakhtin, Ross Girshick
链接：https://arxiv.org/abs/1908.05656
【2】 Learning Credible Deep Neural Networks with Rationale Regularization
标题：基于理论正则化的可信深度神经网络学习
作者： Mengnan Du, Xia Hu
备注：ICDM 2019
链接：https://arxiv.org/abs/1908.05601
【3】 Distinction Maximization Loss: Fast, Scalable, Turnkey, and Native Neural Networks Out-of-Distribution Detection simply by Replacing the SoftMax Loss
标题：差异化最大化损耗：快速、可扩展、交钥匙和本机神经网络分布外检测，只需更换SoftMax损耗即可
作者： David Macêdo
链接：https://arxiv.org/abs/1908.05569
【4】 Towards Automated Machine Learning: Evaluation and Comparison of AutoML Approaches and Tools
标题：走向自动机器学习：AutoML方法和工具的评价和比较
作者： Anh Truong, Reza Farivar
链接：https://arxiv.org/abs/1908.05557
【5】 Improving Randomized Learning of Feedforward Neural Networks by Appropriate Generation of Random Parameters
标题：通过适当生成随机参数改进前馈神经网络的随机学习
作者： Grzegorz Dudek
链接：https://arxiv.org/abs/1908.05542
【6】 Adaptive Regularization of Labels
标题：标签的自适应正则化
作者： Qianggang Ding, Shu-Tao Xia
链接：https://arxiv.org/abs/1908.05474
【7】 Mapping State Space using Landmarks for Universal Goal Reaching
标题：使用地标映射状态空间以实现通用目标
作者： Zhiao Huang, Hao Su
链接：https://arxiv.org/abs/1908.05451
【8】 Temporal Collaborative Ranking Via Personalized Transformer
标题：基于个性化转换器的时态协同排序
作者： Liwei Wu, James Sharpnack
链接：https://arxiv.org/abs/1908.05435
【9】 Sex Trafficking Detection with Ordinal Regression Neural Networks
标题：基于有序回归神经网络的性贩卖检测
作者： Longshaokan Wang, Sherrie Caltagirone
链接：https://arxiv.org/abs/1908.05434
【10】 Domain-adversarial Network Alignment
标题：域-对抗性网络对齐
作者： Huiting Hong, Ivor Tsang
链接：https://arxiv.org/abs/1908.05429
【11】 HONEM: Network Embedding Using Higher-Order Patterns in Sequential Data
标题：HONEM：使用序列数据中的高阶模式进行网络嵌入
作者： Mandana Saebi, Nitesh V Chawla
链接：https://arxiv.org/abs/1908.05387
【12】 Resonant Machine Learning Based on Complex Growth Transform Dynamical Systems
标题：基于复杂增长变换动力系统的共振机器学习
作者： Oindrila Chatterjee, Shantanu Chakrabartty
链接：https://arxiv.org/abs/1908.05377
【13】 Multimodal Emotion Recognition Using Deep Canonical Correlation Analysis
标题：基于深度典型相关分析的多模态情感识别
作者： Wei Liu, Bao-Liang Lu
链接：https://arxiv.org/abs/1908.05349
【14】 From Crystallized Adaptivity to Fluid Adaptivity in Deep Reinforcement Learning -- Insights from Biological Systems on Adaptive Flexibility
标题：深度强化学习中从结晶适应性到流体适应性-生物系统对适应性柔性的启示
作者： Malte Schilling, Frank W. Ohl
链接：https://arxiv.org/abs/1908.05348
【15】 Predicting Eating Events in Free Living Individuals -- A Technical Report
标题：预测自由生活个体的饮食事件-一份技术报告
作者： Jiayi Wang (1), USA)
链接：https://arxiv.org/abs/1908.05304
【16】 Distributionally Robust Optimization: A Review
标题：分布式鲁棒优化：综述
作者： Hamed Rahimian, Sanjay Mehrotra
链接：https://arxiv.org/abs/1908.05659
【17】 SenseBERT: Driving Some Sense into BERT
标题：SenseBERT：将一些理智带入伯特
作者： Yoav Levine, Yoav Shoham
链接：https://arxiv.org/abs/1908.05646
【18】 A Bayesian Choice Model for Eliminating Feedback Loops
标题：消除反馈回路的贝叶斯选择模型
作者： Gökhan Çapan, Ali Taylan Cemgil
链接：https://arxiv.org/abs/1908.05640
【19】 Deep learning on butterfly phenotypes tests evolution's oldest mathematical model
标题：对蝴蝶表型的深入学习检验了进化最古老的数学模型
作者： Jennifer F. Hoyal Cuthill, Blanca Huertas
链接：https://arxiv.org/abs/1908.05635
【20】 Visualizing and Understanding the Effectiveness of BERT
标题：形象化和理解BERT的有效性
作者： Yaru Hao, Ke Xu
备注：Accepted by EMNLP-19
链接：https://arxiv.org/abs/1908.05620
【21】 R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object
标题：R3Det：用于旋转对象的具有特征精化功能的精化单级检测器
作者： Xue Yang, Ang Li
链接：https://arxiv.org/abs/1908.05612
【22】 GraphSW: a training protocol based on stage-wise training for GNN-based Recommender Model
标题：GraphSW：一种基于阶段训练的GNN推荐模型训练协议
作者： Chang-You Tai, Shao-Yu Chu
链接：https://arxiv.org/abs/1908.05611
【23】 SHREWD: Semantic Hierarchy-based Relational Embeddings for Weakly-supervised Deep Hashing
标题：SHREWD：弱监督深度散列的基于语义层次的关系嵌入
作者： Heikki Arponen, Tom E Bishop
链接：https://arxiv.org/abs/1908.05602
【24】 Two-stage Federated Phenotyping and Patient Representation Learning
标题：两阶段联合表型与患者表征学习
作者： Dianbo Liu, Timothy Miller
备注：9 pages; Proceedings of the 18th BioNLP Workshop and Shared Task
链接：https://arxiv.org/abs/1908.05596
【25】 Combining Prediction Intervals on Multi-Source Non-Disclosed Regression Datasets
标题：多源非公开回归数据集的组合预测区间
作者： Ola Spjuth, Niharika Gauraha
备注：Accepted to 8th Symposium on Conformal and Probabilistic Prediction with Applications, Golden Sands, Bulgaria, 2019
链接：https://arxiv.org/abs/1908.05571
【26】 Deep reinforcement learning in World-Earth system models to discover sustainable management strategies
标题：在世界-地球系统模型中深入强化学习以发现可持续管理策略
作者： Felix M. Strnad, Jobst Heitzig
链接：https://arxiv.org/abs/1908.05567
【27】 Learning Interactive Behaviors for Musculoskeletal Robots Using Bayesian Interaction Primitives
标题：利用贝叶斯交互原语学习肌肉骨骼机器人的交互行为
作者： Joseph Campbell, Heni Ben Amor
链接：https://arxiv.org/abs/1908.05552
【28】 Sample-efficient Deep Reinforcement Learning with Imaginary Rollouts for Human-Robot Interaction
标题：用于人机交互的虚拟卷展栏样本有效深度强化学习
作者： Mohammad Thabet, Angelo Cangelosi
备注：Accepted for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019)
链接：https://arxiv.org/abs/1908.05546
【29】 Hamming Sentence Embeddings for Information Retrieval
标题：信息检索中的Hamming语句嵌入
作者： Felix Hamann, Adrian Ulges
链接：https://arxiv.org/abs/1908.05541
【30】 To complete or to estimate, that is the question: A Multi-Task Approach to Depth Completion and Monocular Depth Estimation
标题：完成还是估计，这就是问题：深度完成和单目深度估计的多任务方法
作者： Amir Atapour-Abarghouei, Toby P. Breckon
备注：International Conference on 3D Vision (3DV) 2019
链接：https://arxiv.org/abs/1908.05540
【31】 Cosmological N-body simulations: a challenge for scalable generative models
标题：宇宙学N体模拟：对可伸缩生成模型的挑战
作者： Nathanaël Perraudin, Alexandre Réfrégier
链接：https://arxiv.org/abs/1908.05519
【32】 Bayesian Generative Models for Knowledge Transfer in MRI Semantic Segmentation Problems
标题：MRI语义分割问题中知识转移的贝叶斯生成模型
作者： Anna Kuzina, Evgeny Burnaev
链接：https://arxiv.org/abs/1908.05480
【33】 Accelerated CNN Training Through Gradient Approximation
标题：通过梯度逼近加速CNN训练
作者： Ziheng Wang, Sree Harsha Nelaturu
备注：An abridged version was presented at EMC^2 : Workshop On Energy Efficient Machine Learning And Cognitive Computing For Embedded Applications at ISCA 2019
链接：https://arxiv.org/abs/1908.05460
【34】 Feature-Less End-to-End Nested Term Extraction
标题：无特征端到端嵌套项提取
作者： Yuze Gao, Yu Yuan
链接：https://arxiv.org/abs/1908.05426
【35】 Towards Knowledge-Based Recommender Dialog System
标题：走向基于知识的推荐对话系统
作者： Qibin Chen, Jie Tang
备注：To appear in EMNLP 2019
链接：https://arxiv.org/abs/1908.05391
【36】 SFSegNet: Parse Freehand Sketches using Deep Fully Convolutional Networks
标题：SFSegNet：使用深度完全卷积网络解析徒手草图
作者： Junkun Jiang, Fei Wang
备注：Accepted for the 2019 International Joint Conference on Neural Networks (IJCNN-19)
链接：https://arxiv.org/abs/1908.05389
【37】 Maximum Relevance and Minimum Redundancy Feature Selection Methods for a Marketing Machine Learning Platform
标题：营销机器学习平台的最大相关性和最小冗余特征选择方法
作者： Zhenyu Zhao, Mallory Wang
链接：https://arxiv.org/abs/1908.05376
【38】 Uplift Modeling for Multiple Treatments with Cost Optimization
标题：基于成本优化的多个处理的上升力模型
作者： Zhenyu Zhao, Totte Harinen
链接：https://arxiv.org/abs/1908.05372
【39】 Robust One-Bit Recovery via ReLU Generative Networks: Improved Statistical Rates and Global Landscape Analysis
标题：通过Relu生成网络的健壮的一位恢复：改进的统计率和全局景观分析
作者： Shuang Qiu, Zhuoran Yang
链接：https://arxiv.org/abs/1908.05368
【40】 End-to-End Learning from Complex Multigraphs with Latent Graph Convolutional Networks
标题：基于隐图卷积网络的复杂多图端到端学习
作者： Floris Hermsen, Wolf Vos
链接：https://arxiv.org/abs/1908.05365
【41】 Sequential Computer Experimental Design for Estimating an Extreme Probability or Quantile
标题：估计极值概率或分位数的序贯计算机实验设计
作者： Hao Chen, William J. Welch
链接：https://arxiv.org/abs/1908.05357
【42】 Raw-to-End Name Entity Recognition in Social Media
标题：社交媒体中的原始到端名称实体识别
作者： Liyuan Liu, Jiawei Han
链接：https://arxiv.org/abs/1908.05344
【43】 Mixed pooling of seasonality in time series pallet forecasting
标题：时间序列托盘预测中季节性的混合池
作者： Hyunji Moon, Hyeonseop Lee
链接：https://arxiv.org/abs/1908.05339
【44】 Optimizing Ensemble Weights and Hyperparameters of Machine Learning Models for Regression Problems
标题：回归问题机器学习模型的集合权重和超参数优化
作者： Mohsen Shahhosseini, Hieu Pham
链接：https://arxiv.org/abs/1908.05287
【45】 A Weakly-Supervised Attention-based Visualization Tool for Assessing Political Affiliation
标题：一种弱监督的基于注意的可视化政治从属评估工具
作者： Srijith Rajamohan, Amit Ramesh
链接：https://arxiv.org/abs/1908.02282
翻译：腾讯翻译君
网友评论