ICML 2018 深度学习论文及代码集锦(3)
[1] Which Training Methods for GANs do actually Converge?
Lars Mescheder, Andreas Geiger, Sebastian Nowozin
MPI, ETH, Microsoft Research
http://proceedings.mlr.press/v80/mescheder18a/mescheder18a.pdf
不同方法的收敛特性对比如下
基于梯度下降的GAN优化算法通常不收敛的示例如下
Dirac-GAN定义如下
不同方法对比如下
几种方法的收敛特性对比如下
代码地址
https://github.com/LMescheder/GAN_stability
我是分割线
[2] Orthogonal Recurrent Neural Networks with Scaled Cayley Transform
Kyle E. Helfrich, Devin Willmott, Qiang Ye
University of Kentucky
http://proceedings.mlr.press/v80/helfrich18a/helfrich18a.pdf
各方法对比如下
代码地址
https://github.com/SpartinStuff/scoRNN
我是分割线
[3] Spotlight: Optimizing Device Placement for Training Deep Neural Networks
Yuanxiang Gao, Li Chen, Baochun Li
University of Toronto, University of Electronic Science and Technology of China
http://proceedings.mlr.press/v80/gao18a/gao18a.pdf
多阶段马尔科夫决策过程用于设备放置问题的示例如下
设备放置马尔科夫决策过程的状态树示例如下
算法伪代码如下
放置策略可以用序列到序列的RNN来表示
各方法对比如下
我是分割线
[4] χ 2 Generative Adversarial Network
Chenyang Tao, Liqun Chen, Ricardo Henao, Jianfeng Feng, Lawrence Carin
Duke University, Fudan University
http://proceedings.mlr.press/v80/tao18b/tao18b.pdf
卡方GAN算法伪代码示例如下
各种GAN之间的关系如下
重要性重采样算法伪代码如下
几种GAN的对比如下
各方法效果对比如下
代码地址
https://github.com/chenyang-tao/chi2gan
（暂未上传）
我是分割线
[5] Deep Linear Networks with Arbitrary Loss: All Local Minima Are Global
Thomas Laurent, James H. von Brecht
Loyola Marymount University, California State University
http://proceedings.mlr.press/v80/laurent18a/laurent18a.pdf
这篇论文是偏理论的，相关假设和定理如下
定理一
定理二
定理三
引理一
陈述一
陈述二
我是分割线
[6] Deep Predictive Coding Network for Object Recognition
Haiguang Wen, Kuan Han, Junxing Shi, Yizhen Zhang, Eugenio Culurciello, Zhongming Liu
Purdue University
http://proceedings.mlr.press/v80/wen18a/wen18a.pdf
一般CNN的结构示例如下
本文算法伪代码如下
PCN与CNN结构对比如下
各方法效果对比如下
PCN用于图像分类的过程示例如下
各方法效果对比如下
代码地址
https://github.com/libilab/PCN-with-Global-Recurrent-Processing
我是分割线
您可能感兴趣