同步wx订阅号(arXiv每日论文速递)，支持后台回复'search 关键词'查询相关的最新论文。有些许帮助的话，麻烦关注一下哦(*￣rǒ￣)
cs.AI 方向，今日共计19篇
[cs.AI]：
【1】 Adaptive Thompson Sampling Stacks for Memory Bounded Open-Loop Planning
标题：内存受限开环规划的自适应Thompson采样堆栈
作者： Thomy Phan, Claudia Linnhoff-Popien
备注：Accepted at IJCAI 2019. arXiv admin note: substantial text overlap with arXiv:1905.04020
链接：https://arxiv.org/abs/1907.05861
【2】 Exploiting Causality for Selective Belief Filtering in Dynamic Bayesian Networks (Extended Abstract)
标题：利用因果关系进行动态贝叶斯网络中的选择性信念过滤(扩展摘要)
作者： Stefano V. Albrecht, Subramanian Ramamoorthy
备注：Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI), Journal Track, 2017. arXiv admin note: text overlap with arXiv:1401.7941
链接：https://arxiv.org/abs/1907.05850
【3】 A semi-holographic hyperdimensional representation system for hardware-friendly cognitive computing
标题：用于硬件友好认知计算的半全息高维表示系统
作者： A. Serb, T. Prodromakis
链接：https://arxiv.org/abs/1907.05688
【4】 Automatic Generation of Atomic Consistency Preserving Search Operators for Search-Based Model Engineering
标题：基于搜索的模型工程中保持原子一致性的搜索算子的自动生成
作者： Alexandru Burdusel, Stefan John
备注：Technical report version of the MODELS 2019 paper with the same title
链接：https://arxiv.org/abs/1907.05647
【5】 Learning an Urban Air Mobility Encounter Model from Expert Preferences
标题：从专家偏好中学习城市空中机动遭遇模型
作者： Sydney M. Katz, Mykel J. Kochenderfer
备注：8 pages, 7 figures, submitted to 2019 Digital Avionics Systems Conference
链接：https://arxiv.org/abs/1907.05575
【6】 MLR (Memory, Learning and Recognition): A General Cognitive Model -- applied to Intelligent Robots and Systems Control
标题：MLR(Memory，Learning and Recognition)：一种通用认知模型-应用于智能机器人和系统控制
作者： Aras R. Dargazany
链接：https://arxiv.org/abs/1907.05553
【7】 Grounding Value Alignment with Ethical Principles
标题：以伦理原则为基础的价值取向
作者： Tae Wan Kim, John Hooker
链接：https://arxiv.org/abs/1907.05447
【8】 Augmenting Neural Nets with Symbolic Synthesis: Applications to Few-Shot Learning
标题：用符号综合增强神经网络：在少镜头学习中的应用
作者： Adithya Murali, P. Madhusudan
链接：https://arxiv.org/abs/1907.05878
【9】 DisCoRL: Continual Reinforcement Learning via Policy Distillation
标题：DisCoRL：通过策略蒸馏的持续强化学习
作者： René Traoré, David Filliat
备注：arXiv admin note: text overlap with arXiv:1906.04452
链接：https://arxiv.org/abs/1907.05855
【10】 Knowledge-incorporating ESIM models for Response Selection in Retrieval-based Dialog Systems
标题：基于检索的对话系统中响应选择的包含知识的ESIM模型
作者： Jatin Ganhotra, Kshitij Fadnis
备注：Ranked 2nd on Ubuntu and 4th on Advising task in DSTC-7 Track 1. Accepted for an oral presentation at the DSTC-7 workshop at AAAI 2019
链接：https://arxiv.org/abs/1907.05792
【11】 Why Blocking Targeted Adversarial Perturbations Impairs the Ability to Learn
标题：为什么阻断有针对性的对抗性扰动会损害学习能力
作者： Ziv Katzir, Yuval Elovici
链接：https://arxiv.org/abs/1907.05718
【12】 Rethink Global Reward Game and Credit Assignment in Multi-agent Reinforcement Learning
标题：对多智能体强化学习中全局奖励博弈和学分分配的再思考
作者： Jianhong Wang, Yunjie Gu
链接：https://arxiv.org/abs/1907.05707
【13】 From Observability to Significance in Distributed Information Systems
标题：从可观测性到分布式信息系统的重要性
作者： Mark Burgess
链接：https://arxiv.org/abs/1907.05636
【14】 Learning Self-Correctable Policies and Value Functions from Demonstrations with Negative Sampling
标题：从负抽样的演示中学习可自我纠正的策略和价值函数
作者： Yuping Luo, Tengyu Ma
链接：https://arxiv.org/abs/1907.05634
【15】 Graph-Structured Visual Imitation
标题：图结构视觉模仿
作者： Maximilian Sieb, Katerina Fragkiadaki
链接：https://arxiv.org/abs/1907.05518
【16】 Artificial Intelligence as a Services (AI-aaS) on Software-Defined Infrastructure
标题：软件定义基础设施上的人工智能即服务(AI-AAS)
作者： Saeedeh Parsaeefard, Alberto Leon-Garcia
链接：https://arxiv.org/abs/1907.05505
【17】 Effective and General Evaluation for Instruction Conditioned Navigation using Dynamic Time Warping
标题：基于动态时间规整的指令条件导航有效性综合评价
作者： Gabriel Magalhaes, Jason Baldridge
链接：https://arxiv.org/abs/1907.05446
【18】 Imitation-Projected Policy Gradient for Programmatic Reinforcement Learning
标题：模拟投影的程序强化学习策略梯度
作者： Abhinav Verma, Swarat Chaudhuri
链接：https://arxiv.org/abs/1907.05431
【19】 Ensuring Responsible Outcomes from Technology
标题：确保技术产生负责任的结果
作者： Aaditeshwar Seth
备注：Presented as an invited talk at IEEE COMSNETS 2019
链接：https://arxiv.org/abs/1907.03263
翻译：腾讯翻译君