①

#人工智能# #機(jī)器學(xué)習(xí)#

《讓AI忘記你：機(jī)器學(xué)習(xí)中的數(shù)據(jù)刪除》

推薦理由：

這篇論文被NeurIPS接收，討論的是機(jī)器學(xué)習(xí)中用戶數(shù)據(jù)控制權(quán)的問題。

隨著Google、Facebook等大公司關(guān)于用戶隱私的新聞不斷，用戶越來越關(guān)心自己的數(shù)據(jù)使用權(quán)和隱私問題。這篇論文要解決的問題就是用戶如何控制機(jī)器學(xué)習(xí)模型何時(shí)可以使用他們的數(shù)據(jù)，而何時(shí)不可以。這篇論文提出了一個(gè)新任務(wù)，即如何從訓(xùn)練好的模型中刪除某些訓(xùn)練數(shù)據(jù)。針對這個(gè)新任務(wù)的現(xiàn)有方法大多是從頭開始在剩余數(shù)據(jù)上進(jìn)行訓(xùn)練，而這種方法通常會耗費(fèi)大量計(jì)算資源。這篇論文研究了有效刪除數(shù)據(jù)的方法，并且對于k-Means聚類方法提出了兩個(gè)有效的刪除方法，實(shí)現(xiàn)了平均100倍的效率提升。

這篇論文要解決的問題具有非常好的實(shí)用意義。用戶的數(shù)據(jù)控制和隱私問題已經(jīng)引起了大眾越來越多的關(guān)注，而如何更好地進(jìn)行用戶數(shù)據(jù)控制是值得進(jìn)一步研究的問題。

論文鏈接：

https://paper.yanxishe.com/review/3872

推薦人：琴??？思{（清華大學(xué)信息與通信工程專業(yè)，Paper 研習(xí)社特約作者）

②

#機(jī)器學(xué)習(xí)#

《基于機(jī)器學(xué)習(xí)的無人機(jī)探測和分類：最新研究進(jìn)展》

推薦理由：

這篇論文要解決的是無人機(jī)探測和分類的問題。

隨著商用無人機(jī)的流行，它們也對機(jī)場、軍事設(shè)施、體育場館等帶來了不同程度的威脅。然而由于無人機(jī)“低小慢”的特點(diǎn)，傳統(tǒng)的雷達(dá)很難及時(shí)和準(zhǔn)確地監(jiān)測到無人機(jī)的出現(xiàn)。最近人們提出了多種無人機(jī)的監(jiān)測方法，包括視覺、聲音和無線頻譜指紋等。為了分析和處理這些信號，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等方法正發(fā)揮越來越大的作用。

研究意義：這篇論文對無人機(jī)探測和分類的相關(guān)研究進(jìn)行了很好的總結(jié)，能夠讓后續(xù)的研究人員快速了解這個(gè)領(lǐng)域的發(fā)展現(xiàn)狀并且開展新的研究。

論文鏈接：

https://paper.yanxishe.com/review/4071

推薦人：琴?福克納（清華大學(xué)信息與通信工程專業(yè)，Paper 研習(xí)社特約作者）

③

#深度學(xué)習(xí)# #邊緣計(jì)算#

《邊緣智能：基于邊緣計(jì)算的深度學(xué)習(xí)模型推斷加速方法》

推薦理由：

核心問題：這篇論文討論的是如何將深度學(xué)習(xí)模型高效地部署在資源受限的終端設(shè)備的問題。

創(chuàng)新點(diǎn)：這篇論文描述了將學(xué)習(xí)模型部署在資源受限的邊緣設(shè)備的兩種方法：

（1）模型切分，將費(fèi)時(shí)的計(jì)算密集型層通過網(wǎng)絡(luò)卸載到計(jì)算能力稍大的服務(wù)器，以較小的通信開銷換取邊緣端的處理延遲；

（2）模型精簡，設(shè)計(jì)訓(xùn)練退出點(diǎn)對應(yīng)不同的網(wǎng)絡(luò)大小，根據(jù)具體應(yīng)用需求選擇不同的退出點(diǎn)以減少計(jì)算負(fù)擔(dān)從而減少總延遲。作者們提出了一種名為Edgent的在滿足時(shí)間約束下自動(dòng)選擇最優(yōu)分割點(diǎn)和退出點(diǎn)，以最大化推斷準(zhǔn)確度的按需協(xié)同推理框架，并通過實(shí)驗(yàn)驗(yàn)證了Edgenet比其他框架具有更好的包容性和準(zhǔn)確率，以及更低的延遲。

研究意義：這篇論文推動(dòng)了將邊緣計(jì)算思想用于人工智能的研究，能夠促進(jìn)邊緣計(jì)算和人工智能這兩個(gè)領(lǐng)域的交叉研究。

論文鏈接：

https://paper.yanxishe.com/review/3984

推薦人：馬歇爾?多蘿

④

#計(jì)算機(jī)視覺# #模式識別#

《隨音樂起舞》

推薦理由：

核心內(nèi)容：這篇論文被NeurIPS錄用為Poster，要解決的是讓計(jì)算機(jī)根據(jù)一段音樂自動(dòng)生成為舞蹈動(dòng)作的問題。

這個(gè)問題要求模型能夠?qū)σ魳放c舞蹈之間的關(guān)聯(lián)進(jìn)行合理的度量，例如音樂和舞蹈的風(fēng)格與節(jié)奏。這篇論文提出了一種分析兼綜合的學(xué)習(xí)框架來解決這個(gè)問題。在分析階段，學(xué)習(xí)框架通過學(xué)習(xí)動(dòng)態(tài)來將舞蹈拆解為一系列基礎(chǔ)的舞蹈單元。在綜合階段，學(xué)習(xí)框架通過無縫對照輸入音樂來組織各種基本舞蹈動(dòng)作，以此學(xué)會如何創(chuàng)作一支舞蹈。實(shí)驗(yàn)結(jié)果表明，這個(gè)學(xué)習(xí)框架可以從音樂中合成逼真、多樣、風(fēng)格一致和節(jié)拍匹配的舞蹈。

創(chuàng)新點(diǎn)：這篇論文的立意比較新穎，作者放出的Demo視頻效果也很好，能夠被NeurIPS接收也反映了這篇論文的價(jià)值。

論文鏈接：

https://paper.yanxishe.com/review/815

推薦人：朱恩?勞森

⑤

#計(jì)算語言學(xué)# 

《利用同步歌詞和人聲特征進(jìn)行音樂情感檢測》

推薦理由：

音樂推薦中的關(guān)鍵點(diǎn)之一是根據(jù)情感和情感創(chuàng)作引人入勝的播放列表。雖然以前的作品主要基于音頻來發(fā)現(xiàn)音樂和播放列表，但我們利用同步歌詞數(shù)據(jù)集以新穎的方式結(jié)合了文本表示和音樂特征。

因此，作者介紹了同步歌詞情感數(shù)據(jù)集。與隨機(jī)利用音頻樣本和整個(gè)文本的其他方法不同，作者的數(shù)據(jù)是根據(jù)歌詞和音頻之間的同步提供的時(shí)間信息進(jìn)行拆分的。這項(xiàng)工作顯示了使用自然語言處理和音樂信息檢索領(lǐng)域的不同技術(shù)對基于文本和基于音頻的深度學(xué)習(xí)分類模型的比較。從音頻實(shí)驗(yàn)可以得出結(jié)論，僅使用人聲而不是全部音頻數(shù)據(jù)可以改善音頻分類器的整體性能。

創(chuàng)新點(diǎn)：在歌詞實(shí)驗(yàn)中，作者利用最先進(jìn)的詞表示法將其應(yīng)用于文獻(xiàn)中可用的主要深度學(xué)習(xí)架構(gòu)。在其基準(zhǔn)測試中，結(jié)果顯示了基于fastText單詞嵌入的具有Attention的Bilinear LSTM分類器如何比應(yīng)用于音頻的CNN更好。

論文鏈接：

https://paper.yanxishe.com/review/3873

推薦人：Furion

???

除了上述的的五篇精選論文推薦，我們還為你精心準(zhǔn)備了可以一鍵下載的論文集：

ICCV 2019論文合集 1075篇

下載地址：https://www.yanxishe.com/resourceDetail/1055

ICLR 2019 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1026

ACL 歷年最佳論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1009

ICCV 2019 | 最新公開的51篇 Oral Paper 合集

下載地址：https://www.yanxishe.com/resourceDetail/1010

EMNLP 2019 | 10篇論文實(shí)現(xiàn)代碼合集及下載

下載地址：https://www.yanxishe.com/resourceDetail/1013

NeurIPS 2019 GNN 論文合集

下載地址：https://www.yanxishe.com/resourceDetail/1006

AAAI （1996-2019）歷年最佳論文合集

下載地址：https://www.yanxishe.com/resourceDetail/991

快來下載試試吧！

想要閱讀更多精彩論文？

點(diǎn)擊閱讀原文跳轉(zhuǎn) paper.yanxishe.com

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)