ICML 2018 深度学习论文及代码集锦(5)

[1] Stabilizing Gradients for Deep Neural Networks via Efficient SVD Parameterization

Jiong Zhang, Qi Lei, Inderjit S. Dhillon

University of Texas at Austin, Amazon.com

http://proceedings.mlr.press/v80/zhang18g/zhang18g.pdf

本文的贡献如下

定理一

定理二

定理三

各算法的计算复杂度对比如下

引理一

定理四

定义一

假设一

定理五

推论一

各模型效果对比如下

多种算法的效果对比如下

代码地址

https://github.com/zhangjiong724/spectral-RNN

---

              我是分割线

---

[2] Exploiting the Potential of Standard Convolutional Autoencoders for Image Restoration by Evolutionary Search

Masanori Suganuma, Mete Ozay, Takayuki Okatani

RIKEN, Tohoku University

http://proceedings.mlr.press/v80/suganuma18a/suganuma18a.pdf

本文的主要贡献如下

各形式对比如下

CAE进化策略算法伪代码如下

CAE效果示例如下

几种数据集多种算法的效果对比如下

不同程度噪声情况下多种算法效果对比如下

多种结构的效果对比如下

代码地址

https://github.com/sg-nm/Evolutionary-Autoencoders

https://github.com/cvlab-tohoku/Evolutionary-AEs

---

              我是分割线

---

[3] PredRNN++: Towards A Resolution of the Deep-in-Time Dilemma in Spatiotemporal Predictive Learning

Yunbo Wang, Zhifeng Gao, Mingsheng Long, Jianmin Wang, Philip S. Yu

Tsinghua University

http://proceedings.mlr.press/v80/wang18b/wang18b.pdf

三种结构的lstm结构对比如下

Causal LSTM结构示例如下

深层网络结构如下

多种模型结果对比如下

代码地址

https://github.com/Yunbo426/predrnn-pp

---

              我是分割线

---

[4] Explicit Inductive Bias for Transfer Learning with Convolutional Networks

Xuhong LI, Yves GRANDVALET, Franck DAVOINE

Universit ´ e de technologie de ´ Compiegne

http://proceedings.mlr.press/v80/li18a/li18a.pdf

数据集统计如下

几种方法的效果对比如下

代码地址

https://github.com/holyseven/TransferLearningClassification

---

              我是分割线

---

[5] Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor

Tuomas Haarnoja, Aurick Zhou, Pieter Abbeel, Sergey Levine

University of California, Berkeley

http://proceedings.mlr.press/v80/haarnoja18b/haarnoja18b.pdf

引理一

引理二

定理一

算法伪代码示例如下

代码地址

https://github.com/haarnoja/sac

https://github.com/ben-eysenbach/sac

---

              我是分割线

---

您可能感兴趣