深度学习进展｜汇总2017年2月有关深度学习的一切

LinkSpark编译

来源： hackernoon

研究

1.USC的Chao Yang等发表：使用多尺度神经贴片合成高分辨率图像修复。这是一种新颖的深度学习方法，能有效地修复图像中较大块的破损。

论文：http://t.cn/RivlnBL

GitHub源码：http://t.cn/RJDJAhx

2.谷歌的Dahl等：像素递归超分辨率。 Google Brain的研究人员演示了一种从较低分辨率的像素化图像，生成更高分辨率图像的深度学习方法。

论文：http://t.cn/RJ4RTTP

3.Yunjey Choi：域变换网络实现。 TensorFlow实现无监督的跨域图像生成，即生成先前未见的实体的新图像，同时保留其身份。

论文：http://t.cn/Rfw596h

GitHub源码：http://t.cn/Rxz2pll

公告

1.蒙特利尔大学Yoshua Bengio主办：深度学习暑期班和强化学习暑期班。为有一定机器学习基础，希望了解更多的研究生、工程师和研究人员提供。时间：6月26日至7月4日，申请截止日期为3月20日。

链接：http://t.cn/RJk9MTf

申请地址：http://t.cn/RiJA45A

2.AWS的Joseph Spisak发布：基于Ubuntu系统的AWS深度学习AMI。亚马逊宣布，您现在可以通过预安装流行框架（如TensorFlow，Caffe等）的Ubuntu系统在云上运行深度学习实例。

链接：http://t.cn/RiJUfuc

3.Google发布：TensorFlow 1.0。2月中旬在Mountain View的TensorFlow开发人员峰会上，Google宣布发布TensorFlow的官方1.0版本。该框架现在被超过6000个开源库使用。

链接：http://t.cn/RJld5I4

资源

1.用50行代码实现生成对抗网络（GAN）。作者Dev Nag，是Wavefront的CTO。 文中对GAN做了简单的解释，并给出了一个开始GAN的简单方法。

中文翻译：http://t.cn/RiJUKOk

GitHub源码：http://t.cn/RJiDcf5

2. Plymouth大学Massimiliano Patacchiola：解析强化学习。对强化学习进行了深入解释，并开源了GitHub 代码和相关讨论资源。

链接：http://t.cn/RiJUBPH

GitHub资源：http://t.cn/RJhxRo2

3.训练深度学习模型——99行代码实现自动驾驶,作者Matt Harvey。使用Udacity自驾车模拟器训练了一个通用驾驶模型，代码不到100行。

链接：http://t.cn/RiJ47Zy

4. 10个深度学习术语的简单英文解释，作者是数据科学中心（Data Science Central）的Mike Waldron。作者解释了常见的深层学习术语如反向传播和梯度下降。从同一网站，还可获得15个深度学习教程的地址。

链接：http://t.cn/RiJ4wob

15个深度学习教程地址：http://t.cn/RVf3Tyj

5.创建人类水平的AI（视频）。由生命未来研究所组织的Beneficial AI 2017会议上，Yoshua Bengio探索了人类水平的AI的发展道路。另外，会上，Yann LeCun的发言视频也可获得。

视频链接：http://t.cn/RxE9T5M

Yann LeCun的视频链接：http://t.cn/RxE9CzW

6.深度强化学习概述，。对近来深度强化学习的进展进行了概述，对背景进行了解释。

论文链接：http://t.cn/RxxXKgd

7. 学习TensorFlow和深度学习。开发人员学习深度学习基础知识和TensorFlow使用的课程。

链接：http://t.cn/RxyZEQJ

8.用深度学习在Quora数据集上进行重复问题检测，作者Eren Golge。Quora在1月下旬推出了首个公开数据集，供开发人员了解构建知识共享网络所面临的挑战。该探索采用深度学习方法识别重复问题。

链接：http://t.cn/RJoWNYS

9.MIT深度自驾课程第四讲：RNN转向控制。

视频链接：http://t.cn/Rx3xcuG

课程网站：http://cars.mit.edu/

PPT：https://goo.gl/qG4Ys9

关注LinkSpark公众号，了解更多人工智能相关资讯！