為了幫助各位學(xué)術(shù)青年更好地學(xué)習(xí)前沿研究成果和技術(shù)，AI科技評(píng)論聯(lián)合Paper 研習(xí)社（paper.yanxishe.com），重磅推出【今日 Paper】欄目， 每天都為你精選關(guān)于人工智能的前沿學(xué)術(shù)論文供你學(xué)習(xí)參考。以下是今日的精選內(nèi)容——

論文名稱：Reinforcement Learning via Fenchel-Rockafellar Duality

作者：Nachum Ofir /Dai Bo

發(fā)表時(shí)間：2020/1/7

論文鏈接：https://paper.yanxishe.com/review/8517?from=leiphonecolumn_papereview0110

推薦理由：作者回顧凸對(duì)偶性的基本概念，重點(diǎn)是非常普遍且極為有用的Fenchel-Rockafellar對(duì)偶性。 

作者總結(jié)了如何將這種對(duì)偶性應(yīng)用于各種強(qiáng)化學(xué)習(xí)（RL）設(shè)置，包括策略評(píng)估或優(yōu)化，在線或離線學(xué)習(xí)以及打折或未打折的獎(jiǎng)勵(lì)。 這些推導(dǎo)產(chǎn)生了許多有趣的結(jié)果，包括使用行為不可知的離線數(shù)據(jù)執(zhí)行策略評(píng)估和基于策略的策略梯度的能力，以及通過(guò)最大似然優(yōu)化來(lái)學(xué)習(xí)策略的方法。 盡管許多結(jié)果以前都以各種形式出現(xiàn)過(guò)，但是作者對(duì)這些結(jié)果提供了統(tǒng)一的處理方法和觀點(diǎn)，作者希望它們能夠使研究人員更好地使用和應(yīng)用凸對(duì)偶工具，從而在RL中取得更大的進(jìn)步。

論文名稱：Scalable Gradients for Stochastic Differential Equations

作者：Li Xuechen /Wong Ting-Kam Leonard /Chen Ricky T. Q. /Duvenaud David

發(fā)表時(shí)間：2020/1/5

論文鏈接：https://paper.yanxishe.com/review/8518?from=leiphonecolumn_papereview0110

推薦理由：伴隨靈敏度方法可縮放地計(jì)算常微分方程解的梯度。 作者將這種方法推廣到隨機(jī)微分方程，從而利用高階自適應(yīng)求解器實(shí)現(xiàn)梯度的時(shí)效性和恒定內(nèi)存計(jì)算。 具體來(lái)說(shuō)，作者推導(dǎo)了一個(gè)隨機(jī)微分方程，其解為梯度，一種用于記憶噪聲的內(nèi)存有效算法以及數(shù)值解收斂的條件。 此外，作者將其方法與基于梯度的隨機(jī)變分推斷相結(jié)合，以解決潛在的隨機(jī)微分方程。 作者使用這種方法來(lái)擬合由神經(jīng)網(wǎng)絡(luò)定義的隨機(jī)動(dòng)力學(xué)，從而在50維運(yùn)動(dòng)捕獲數(shù)據(jù)集上實(shí)現(xiàn)競(jìng)爭(zhēng)性能。

論文名稱：Streaming automatic speech recognition with the transformer model

作者：Moritz Niko /Hori Takaaki /Roux Jonathan Le

發(fā)表時(shí)間：2020/1/8

論文鏈接：https://paper.yanxishe.com/review/8514?from=leiphonecolumn_papereview0110

推薦理由：基于編碼器-解碼器的序列到序列模型已經(jīng)證明了端到端自動(dòng)語(yǔ)音識(shí)別（ASR）的最新結(jié)果。最近，與基于遞歸神經(jīng)網(wǎng)絡(luò)（RNN）的系統(tǒng)體系結(jié)構(gòu)相比，使用自我注意力對(duì)時(shí)間上下文信息進(jìn)行建模的轉(zhuǎn)換器體系結(jié)構(gòu)已顯示出顯著更低的字錯(cuò)誤率（WER）。盡管獲得了成功，但實(shí)際使用僅限于脫機(jī)ASR任務(wù)，因?yàn)榫幋a器/解碼器體系結(jié)構(gòu)通常需要整個(gè)語(yǔ)音發(fā)音作為輸入。

在這項(xiàng)工作中，作者提出了一種基于變壓器的端到端ASR系統(tǒng)，用于流式傳輸ASR，在該系統(tǒng)中，每個(gè)口語(yǔ)單詞后必須立即生成輸出。為此，我們對(duì)編碼器應(yīng)用了有時(shí)間限制的自注意力，并為編碼器-解碼器注意機(jī)制觸發(fā)了注意。對(duì)于LibriSpeech的“干凈”和“其他”測(cè)試數(shù)據(jù)，作者提出的流媒體轉(zhuǎn)換器體系結(jié)構(gòu)實(shí)現(xiàn)了2.7％和7.0％的WER，據(jù)所知，這是針對(duì)此任務(wù)發(fā)布的最佳流媒體端到端ASR結(jié)果。

論文名稱：The importance of phase in complex compressive sensing

作者：Jacques Laurent /Feuillen Thomas

發(fā)表時(shí)間：2020/1/8

論文鏈接：https://paper.yanxishe.com/review/8513?from=leiphonecolumn_papereview0110

推薦理由：作者考慮從復(fù)雜隨機(jī)測(cè)量的相位（即在僅相位壓縮感測(cè)（PO-CS）場(chǎng)景中）估計(jì)實(shí)際的低復(fù)雜度信號(hào)（例如稀疏矢量或低秩矩陣）的問(wèn)題。

作者表明，如果感測(cè)矩陣是一個(gè)復(fù)雜的高斯隨機(jī)矩陣，并且與信號(hào)空間的復(fù)雜度級(jí)別相比測(cè)量次數(shù)較大，則可以以高概率且高達(dá)全局未知信號(hào)幅度，來(lái)完美地恢復(fù)此類信號(hào)。 。此外，如果每個(gè)測(cè)量值都乘以未知符號(hào)，則仍可以恢復(fù)。作者的方法是通過(guò)將（非線性）PO-CS方案重鑄為根據(jù)信號(hào)歸一化約束和相位一致性約束（施加任何信號(hào)估計(jì)以匹配測(cè)量域中的觀測(cè)相位）構(gòu)建的線性壓縮感測(cè)模型而進(jìn)行的。實(shí)際上，可以從壓縮感測(cè)文獻(xiàn)的任何實(shí)例最優(yōu)算法（例如，基本追蹤去噪）中獲得穩(wěn)定且魯棒的信號(hào)方向估計(jì)。通過(guò)證明與該等效線性模型關(guān)聯(lián)的矩陣，可以在上述條件下以測(cè)量次數(shù)高概率滿足受限等軸測(cè)特性，從而確保這一點(diǎn)。作者最終通過(guò)實(shí)驗(yàn)觀察到，穩(wěn)健的信號(hào)方向恢復(fù)大約是壓縮感測(cè)中信號(hào)恢復(fù)所需的測(cè)量次數(shù)的兩倍。

論文名稱：Do As I Do: Transferring Human Motion and Appearance between Monocular Videos with Spatial and Temporal Constraints

作者：Gomes Thiago L. /Martins Renato /Ferreira Jo?o /Nascimento Erickson R.

發(fā)表時(shí)間：2020/1/8

論文鏈接：https://paper.yanxishe.com/review/8515?from=leiphonecolumn_papereview0110

推薦理由：

從真實(shí)演員的圖像創(chuàng)建合理的虛擬演員仍然是計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)的主要挑戰(zhàn)之一。無(wú)標(biāo)記的人類運(yùn)動(dòng)估計(jì)和來(lái)自野外圖像的形狀建模使這一挑戰(zhàn)脫穎而出。盡管最近在視圖合成和圖像到圖像的翻譯方面取得了進(jìn)步，但是當(dāng)前可用的配方僅限于僅轉(zhuǎn)移樣式，并且不考慮角色的運(yùn)動(dòng)和形狀，而角色的運(yùn)動(dòng)和形狀天生就混雜在一起以產(chǎn)生合理的人類形式。

在本文中，作者提出了一種統(tǒng)一的公式，用于從涉及所有這些方面的單眼視頻中轉(zhuǎn)移外觀并重新定向人類運(yùn)動(dòng)。作者的方法由四個(gè)主要部分組成，并在最初錄制他們的不同上下文中合成了新的人們視頻。與最近的外觀轉(zhuǎn)移方法不同，作者考慮了身體形狀，外觀和運(yùn)動(dòng)約束。評(píng)估是使用包含嚴(yán)酷條件的可公開獲得的真實(shí)視頻通過(guò)幾次實(shí)驗(yàn)進(jìn)行的。其方法能夠以超越最新技術(shù)的方式傳遞人類動(dòng)作和外觀，同時(shí)保留必須保持的動(dòng)作的特定特征（例如，腳觸摸地板，手觸摸特定對(duì)象）并保持最佳狀態(tài)視覺(jué)質(zhì)量和外觀指標(biāo)，例如結(jié)構(gòu)相似度（SSIM）和學(xué)習(xí)的感知圖像補(bǔ)丁相似度（LPIPS）。

論文名稱：Generating Object Stamps

作者：Mejjati Youssef Alami /Shen Zejiang /Snower Michael /Gokaslan Aaron /Wang Oliver /Tompkin James /Kim Kwang In

發(fā)表時(shí)間：2020/1/1

論文鏈接：https://paper.yanxishe.com/review/8516?from=leiphonecolumn_papereview0110

推薦理由：作者提出一種算法來(lái)生成各種前景對(duì)象，并使用GAN架構(gòu)將它們合成為背景圖像。 給定對(duì)象類，用戶提供的邊界框和背景圖像，作者首先使用遮罩生成器創(chuàng)建對(duì)象形狀，然后使用紋理生成器填充遮罩，以使紋理與背景整合。 通過(guò)將對(duì)象插入的問(wèn)題分為兩個(gè)階段，作者證明了其模型可以改善各種對(duì)象生成的真實(shí)感，而這種現(xiàn)實(shí)感也與所提供的背景圖像一致。 與最新的對(duì)象插入方法相比，作者在具有挑戰(zhàn)性的COCO數(shù)據(jù)集上的結(jié)果顯示出更高的整體質(zhì)量和多樣性。

論文名稱：RoboFly: An insect-sized robot with simplified fabrication that is capable of flight, ground, and water surface locomotion

作者：Chukewad Yogesh M /James Johannes /Singh Avinash /Fuller Sawyer

發(fā)表時(shí)間：2020/1/8

論文鏈接：https://paper.yanxishe.com/review/8512?from=leiphonecolumn_papereview0110

推薦理由：像蜜蜂一樣大小的空中機(jī)器人（約100 mg）具有體積小，重量輕和材料成本低等優(yōu)點(diǎn)，優(yōu)于大型機(jī)器人。先前的迭代已經(jīng)證明了飛行受控，但是由于它們由組裝在一起的許多獨(dú)立零件組成，因此很難制造。除了飛行之外，他們還無(wú)法執(zhí)行運(yùn)動(dòng)模式。

本文介紹了一種74 mg拍打翼機(jī)器人的新設(shè)計(jì)，該機(jī)器人可大大減少零件數(shù)量并簡(jiǎn)化制造過(guò)程。它還具有較低的質(zhì)心，即使在不穩(wěn)定的飛行情況下，也無(wú)需長(zhǎng)腿即可使機(jī)器人額外著陸。此外，作者表明，新設(shè)計(jì)允許機(jī)翼驅(qū)動(dòng)的地面和空氣-水界面移動(dòng)，從而提高了機(jī)器人的多功能性。通過(guò)增加相對(duì)于拍打翼的上行程的下行程速度來(lái)產(chǎn)生前向推力。這也允許轉(zhuǎn)向。著陸并隨后沿著地面移動(dòng)的能力使機(jī)器人能夠在障礙物下方和極其精確的位置之間協(xié)商極為狹窄的空間。作者將詳細(xì)描述新設(shè)計(jì)，并提供展示這些功能以及懸停飛行和受控著陸的結(jié)果。

論文名稱：FrequentNet : A New Deep Learning Baseline for Image Classification

作者：Li Yifei /Wang Zheng /Song Kuangyan /Sun Yiming

發(fā)表時(shí)間：2020/1/4

論文鏈接：https://paper.yanxishe.com/review/8510?from=leiphonecolumn_papereview0110

推薦理由：在本文中，作者從“ PCANet”方法中概括了這一思想，以實(shí)現(xiàn)用于圖像分類的新基線深度學(xué)習(xí)模型。 代替在“ PCANet”中使用主成分向量作為濾波向量，作者在離散傅里葉分析和小波分析中使用基礎(chǔ)向量作為濾波向量。 兩者在基準(zhǔn)數(shù)據(jù)集中均達(dá)到了與“ PCANet”相當(dāng)?shù)男阅堋?nbsp;值得注意的是，作者的算法不需要任何優(yōu)化技術(shù)即可獲得這些基礎(chǔ)。

論文名稱：Convolutional Networks with Dense Connectivity

作者：Huang Gao /Liu Zhuang /Pleiss Geoff /van der Maaten Laurens /Weinberger Kilian Q.

發(fā)表時(shí)間：2020/1/8

論文鏈接：https://paper.yanxishe.com/review/8511?from=leiphonecolumn_papereview0110

推薦理由：最近的工作表明，如果卷積網(wǎng)絡(luò)在靠近輸入的層和靠近輸出的層之間包含較短的連接，則可以進(jìn)行更深入，更準(zhǔn)確和有效的訓(xùn)練。

在本文中，作者接受了這一觀察，并介紹了密集卷積網(wǎng)絡(luò)（DenseNet），該網(wǎng)絡(luò)以前饋的方式將每一層連接到其他每一層。而具有L層的傳統(tǒng)卷積網(wǎng)絡(luò)具有L連接-每層與其卷積網(wǎng)絡(luò)之間后續(xù)層-作者的網(wǎng)絡(luò)具有L（L + 1）/ 2個(gè)直接連接。對(duì)于每一層，所有先前層的特征圖都用作輸入，而其自身的特征圖則用作所有后續(xù)層的輸入。DenseNets具有幾個(gè)引人注目的優(yōu)勢(shì)：它們減輕了消失梯度的問(wèn)題，鼓勵(lì)了特征重用并大大提高了參數(shù)效率。

作者在四個(gè)競(jìng)爭(zhēng)激烈的對(duì)象識(shí)別基準(zhǔn)測(cè)試任務(wù)（CIFAR-10，CIFAR-100，SVHN和ImageNet）上評(píng)估了作者提出的體系結(jié)構(gòu)。DenseNets在大多數(shù)方面都獲得了超越現(xiàn)有技術(shù)的顯著改進(jìn)，同時(shí)需要更少的參數(shù)和計(jì)算即可實(shí)現(xiàn)高性能。

論文名稱：Implementing version control with Git as a learning objective in statistics courses

作者：Beckman Matthew D. /?etinkaya-Rundel Mine /Horton Nicholas J. /Rundel Colin W. /Sullivan Adam J. /Tackett Maria

發(fā)表時(shí)間：2020/1/7

論文鏈接：https://paper.yanxishe.com/review/8509?from=leiphonecolumn_papereview0110

推薦理由：版本控制是可復(fù)制工作流的基本元素，在統(tǒng)計(jì)學(xué)課程的學(xué)習(xí)目標(biāo)中應(yīng)適當(dāng)考慮。 

本文介紹了四個(gè)在不同機(jī)構(gòu)教授不同課程的貢獻(xiàn)型教師的經(jīng)驗(yàn)和實(shí)施決策。 這些教師中的每一個(gè)都將版本控制作為學(xué)習(xí)目標(biāo)，并將Git教學(xué)成功地集成到一個(gè)或多個(gè)統(tǒng)計(jì)課程中。 本文中描述的各種方法跨越了不同的實(shí)施策略，以適應(yīng)學(xué)生的背景，課程類型，軟件選擇和評(píng)估實(shí)踐。 通過(guò)提供廣泛的Git教學(xué)方法，本文旨在作為統(tǒng)計(jì)教員在本科或研究生課程中任何級(jí)別的課程教學(xué)的資源。

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)