机器学习(Machine Learning)与深度学习(Deep Learning)资料 之 相关论文和会议报告

牧梓
2023-12-01

以下内容摘选自:https://github.com/ty4z2008/Qix/blob/master/dl2.md

                          https://github.com/ty4z2008/Qix/blob/master/dl.md


·        《ICLR 2014论文集》

介绍:对深度学习和representationlearning最新进展有兴趣的同学可以了解一下

·        My deep learning reading list

介绍:主要是顺着Bengio的PAMIreview的文章找出来的。包括几本综述文章,将近100篇论文,各位山头们的Presentation。全部都可以在google上找到。

·        《2014年国际机器学习大会ICML2014 论文》

介绍:2014年国际机器学习大会(ICML)已经于6月21-26日在国家会议中心隆重举办。本次大会由微软亚洲研究院和清华大学联手主办,是这个有着30多年历史并享誉世界的机器学习领域的盛会首次来到中国,已成功吸引海内外1200多位学者的报名参与。干货很多,值得深入学习下

·        《Machine Learningfor Industry: A Case Study


介绍:这篇文章主要是以Learningto Rank为例说明企业界机器学习的具体应用,RankNet对NDCG之类不敏感,加入NDCG因素后变成了LambdaRank,同样的思想从神经网络改为应用到Boosted Tree模型就成就了LambdaMART。Chirs Burges,微软的机器学习大神,Yahoo 2010 Learning to RankChallenge第一名得主,排序模型方面有RankNet,LambdaRank,LambdaMART,尤其以LambdaMART最为突出,代表论文为:
From RankNet to LambdaRank toLambdaMART: An Overview
此外,Burges还有很多有名的代表作,比如:A Tutorial on Support Vector Machinesfor Pattern Recognition

Some Notes on Applied Mathematics forMachine Learning

·        《机器学习经典论文/survey合集》


介绍:看题目你已经知道了是什么内容,没错。里面有很多经典的机器学习论文值得仔细与反复的阅读。

·        《Best Papers vs. Top Cited Papers in Computer Science


介绍:从1996年开始在计算机科学的论文中被引用次数最多的论文

·        《EMNLP上两篇关于股票趋势的应用论文


介绍:EMNLP上两篇关于stock trend 用到了deep model组织特征; Exploiting Social Relations and Sentiment for Stock Prediction用到了stock network

·        《经典论文Leo Breiman:Statistical Modeling: The Two Cultures


介绍:Francis Bach合作的有关稀疏建模的新综述(书):Sparse Modelingfor Image and Vision Processing,内容涉及Sparsity,Dictionary Learning, PCA, Matrix Factorization等理论,以及在图像和视觉上的应用,而且第一部分关于Why does the l1-norm induce sparsity的解释也很不错。

·        《Reproducible Research in Computational Science


介绍:这个里面有很多关于机器学习、信号处理、计算机视觉、深入学习、神经网络等领域的大量源代码(或可执行代码)及相关论文。科研写论文的好资源

·        《Andrej Karpathy的深度强化学习演示》


介绍:Andrej Karpathy的深度强化学习演示,论文在这里

·        《推荐系统经典论文文献及业界应用》


介绍:推荐系统经典论文文献

·        《使用RNN和ParagraphVector做情感分析》


介绍:这是T. Mikolov& Y. Bengio最新论文Ensemble of Generative andDiscriminative Techniques for Sentiment Analysis of Movie Reviews ,使用RNN和PV在情感分析效果不错,[项目代码](https://github.com/mesnilgr/iclr15)公布在github(目前是空的)。这意味着Paragraph Vector终于揭开面纱了嘛。

·        《GoogLeNet深度学习模型的Caffe复现


介绍:2014 ImageNet冠军GoogLeNet深度学习模型的Caffe复现模型,GoogleNet论文.

·        《Topic modeling 的经典论文》


介绍: Topic modeling 的经典论文,标注了关键点

·        《Move Evaluation in Go Using Deep Convolutional NeuralNetworks


介绍: 多伦多大学与Google合作的新论文,深度学习也可以用来下围棋,据说能达到六段水平

·        《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING BIBLIOGRAPHY


介绍:DEEPLEARNING.UNIVERSITY的论文库已经收录了963篇经过分类的深度学习论文了,很多经典论文都已经收录

·        《AMiner - OpenScience Platform


介绍: AMiner是一个学术搜索引擎,从学术网络中挖掘深度知识、面向科技大数据的挖掘。收集近4000万作者信息、8000万论文信息、1亿多引用关系、链接近8百万知识点;支持专家搜索、机构排名、科研成果评价、会议排名。

·        《Inverting a Steady-State


介绍:WSDM2015最佳论文把马尔可夫链理论用在了图分析上面,比一般的propagation model更加深刻一些。通过全局的平稳分布去求解每个节点影响系数模型。假设合理(转移受到相邻的影响系数影响)。可以用来反求每个节点的影响系数

·        《Sum-Product Networks(SPN)


介绍:华盛顿大学Pedro Domingos团队的DNN,提供论文和实现代码.

·        《Google DeepMind publications


介绍: DeepMind论文集锦

·        《ACL Anthology


介绍:对自然语言处理技术或者机器翻译技术感兴趣的亲们,请在提出自己牛逼到无以伦比的idea(自动归纳翻译规律、自动理解语境、自动识别语义等等)之前,请通过谷歌学术简单搜一下,如果谷歌不可用,这个网址有这个领域几大顶会的论文列表,切不可断章取义,胡乱假设.

·        《Twitter SentimentDetection via Ensemble Classification Using Averaged Confidence Scores


介绍:论文+代码:基于集成方法的Twitter情感分类,实现代码.

·        《International JointConference on Artificial Intelligence Accepted paper

介绍:国际人工智能联合会议录取论文列表,大部分论文可使用Google找到.

·        《Machine LearningRepository @ Wash U

介绍:华盛顿大学的Machine Learning Paper Repository.

·        《Cat PaperCollection

介绍:喵星人相关论文集.

·        《苏州大学人类语言技术研究论文主页》

介绍:苏州大学人类语言技术研究相关论文.

·        Advances in Extreme Learning Machines

介绍:博士学位论文:ELM研究进展.

·        Results for Microsoft COCO Image Captioning Challenge

介绍:Codalab图像标注竞赛排行+各家论文,Reddit上flukeskywalker整理了各家技术相关论文.

·        Recurrent NeuralNetwork Training with Dark Knowledge Transfer

介绍:论文:通过潜在知识迁移训练RNN.

·        NAACL 2015Proceedings on ACL Anthology

介绍:NAACL 2015 论文papers.

·        Neural Network & Text Mining

介绍:关于(Deep) Neural Networks在 NLP 和 Text Mining 方面一些paper的总结

·        《Entanglement-Based Quantum Machine Learning

介绍:应对大数据时代,量子机器学习的第一个实验 paper 下载

·        Fast R-CNN

介绍:This paperproposes Fast R-CNN, a clean and fast framework for object detection.

·        Object detectionvia a multi-region & semantic segmentation-aware CNN model

介绍:一篇关于CNN模型对象识别Paper.

·        100 open source Big Data architecture papers for dataprofessionals

介绍:读完这100篇论文 就能成大数据高手,国内翻译.

  • Multimodal Deep Learning

介绍:来自斯坦福大学的Multimodal Deep Learning papers.

  • Learning to Hash Paper, Code and Dataset

介绍:Learningto Hash Paper, Code and Dataset.

  • Geoff Hinton

介绍:杰弗里·埃弗里斯特·辛顿FRS是一位英国出生的计算机学家和心理学家,以其在神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者.通过他的主页可以发掘到很多Paper以及优秀学生的paper,此外推荐他的学生Yann Lecun主页

  • Pedro Domingos

介绍:PedroDomingos是华盛顿大学的教授,主要研究方向是机器学习与数据挖掘.2015年的ACMwebinar会议,曾发表了关于盘点机器学习领域的五大流派主题演讲.他的个人主页拥有很多相关研究的paper以及他的教授课程.

  • Recent Deep Learning papers in NLU and RL

介绍:近期自然语言理解(NLU)/增强学习(RL)文献选集

  • Kloud Strife DL papers of the year

介绍:Kloud Strife总结了2017年阅读的论文,对抗网络学习、SGD(随机梯度下降)、模型设计与生成、强化学习

  • KDD2015十年最佳论文》

介绍:Mining andSummarizing Customer Reviews ,Mining High-SpeedData Streams,Optimizing SearchEngines using Clickthrough Data.

  • Training Recurrent Neural Networks

介绍:博士论文:(Ilya Sutskever)RNN训练.

  • Tutorial 4: Deep Learning for Speech Generation and Synthesis

介绍:深度学习在语音合成最新进展有哪些?推荐MSRAFrank Soong老师关于语音合成的深度学习方法的录像和幻灯片与以及谷歌的LSTM-RNN合成介绍,论文

  • That’s So Annoying!!!: A Lexical and Frame-Semantic Embedding Based Data Augmentation Approach to Automatic Categorization of Annoying Behaviors using #petpeeve Tweets

介绍:这篇论文荣获EMNLP2015的最佳数据/资源奖优秀奖,标注的推特数据集

  • Scheduled Sampling for Sequence Prediction with Recurrent Neural Networks

介绍:谷歌研究院Samy Bengio等人最近写的RNNScheduled Sampling训练方法论文.

  • 2015年中国计算机学会(CCF)优秀博士学位论文》

介绍:2015年度CCF优秀博士学位论文奖论文列表.

  • Statistical Language Models Based On Neural Networks

介绍:博士论文:神经网络统计语言模型.

  • Data Mining And Statistics: What's The Connection?

介绍:经典论文:数据挖掘与统计学.

  • Search Engines that Learn from Their Users

介绍:这是一篇关于搜索引擎的博士论文,对现在普遍使用的搜索引擎googlebing等做了分析.对于做搜索类产品的很有技术参考价值

  • Towards Bayesian Deep Learning: A Survey

介绍:贝叶斯定理在深度学习方面的研究论文.

  • What are some important areas of research in social computing right now?

介绍:社交计算应用领域概览,里面有些经典论文推荐

  • Unifying User-based and Item-based Collaborative Filtering Approaches by Similarity Fusion

介绍:协同过滤经典论文.

  • Collaborative Filtering Recommender Systems

介绍:协同过滤在推荐系统应用.

  • Content-Boosted Collaborative Filtering for Improved Recommendations

介绍:协同过滤在内容推荐的研究.

  • Item-based Collaborative Filtering Recommendation Algorithms

介绍:协同过滤算法.

  • In-Datacenter Performance Analysis of a Tensor Processing Unit

介绍:谷歌发论文详解TPU

  • Deep Learning for Music (DL4M)

介绍:博士论文:深度神经网络知识表示与推理,视频

  • Feature Visualization

介绍:利用神经网络增加对图像理解,对特征进行可视化。同时推荐Visualizing andUnderstanding Convolutional Networks。本文是Matthew D.Zeiler Rob Fergus于(纽约大学)13年撰写的论文,主要通过Deconvnet(反卷积)来可视化卷积网络,来理解卷积网络,并调整卷积网络;本文通过Deconvnet技术,可视化Alex-net,并指出了Alex-net的一些不足,最后修改网络结构,使得分类结果提升。中文摘要翻译 @layumi

  • A Nearly-Linear Time Framework for Graph-Structured Sparsity

介绍:来自麻省理工的结构化稀疏论文.

  • Optimal and Adaptive Algorithms for Online Boosting

介绍:来自雅虎的机器学习小组关于在线Boosting的论文 .

  • A Fast and Accurate Dependency Parser using Neural Networks

介绍:来自Stanford,用神经网络实现快速准确的依存关系解析器

  • TThe Probabilistic Relevance Framework: BM25 and Beyond

介绍: 信息检索排序模型BM25(Besting Matching)1)从经典概率模型演变而来 2)捕捉了向量空间模型中三个影响索引项权重的因子:IDF逆文档频率;TF索引项频率;文档长度归一化。3)并且含有集成学习的思想:组合了BM11BM15两个模型。4)作者是BM25的提出者和Okapi实现者Robertson.

  • Using Structured Events to Predict Stock Price Movement: An Empirical Investigation

介绍:用结构化模型来预测实时股票行情.

  • Structured Learning for Taxonomy Induction with Belief Propagation

介绍:用大型语料库学习概念的层次关系,如鸟是鹦鹉的上级,鹦鹉是虎皮鹦鹉的上级。创新性在于模型构造,用因子图刻画概念之间依存关系,因引入兄弟关系,图有环,所以用有环扩散(loopy propagation)迭代计算边际概率(marginal probability.

  • An Introduction to Random Indexing

介绍:随机索引RI词空间模型专题.

  • Maxout Networks

介绍:Maxout网络剖析

 

 

-------------------------------------------------------------------------------------------------------------------------下面部分是会议或论文集---------------------------------

-------------------------------------------------------------------------------------------

  • CVPR 2015 paper

介绍:2015年国际计算机视觉与模式识别会议paper.

  • NIPS 2015 Deep Learning Symposium Part I

介绍:NIPS2015会议总结第一部分,第二部分.

  • ICLR 2015会议的arXiv稿件合集》

介绍:在这里你可以看到最近深度学习有什么新动向。

  • Spark summit east 2015 agenda

介绍:2015 Spark summit会议资料.

  • Proceedings of The 32nd International Conference on Machine Learning

介绍:ICML2015论文集,优化4+稀疏优化1个;强化学习4个,深度学习3+深度学习计算1个;贝叶斯非参、高斯过程和学习理论3个;还有计算广告和社会选择.ICML2015 Sessions.

  • ICLR 2015

介绍:2015ICLR会议视频讲义.

  • ICLR 2016 Accepted Papers

介绍:深度学习和机器学习重要会议ICLR 2016录取文章

  • Advances in Neural Information Processing Systems

介绍:NIPS领域的会议paper集锦

  • conference-iclr-2016 Papers and Code

介绍:机器学习会议ICLR 2016 论文的代码集合

  • Proceedings of the 21st International Conference on Intelligent User Interfaces

介绍:ACM IUI'16论文集Conference Navigator- Proceedings

  • Multimedia Laboratory Homepage

介绍:香港中文大学深度学习研究主页,此外研究小组对2013deep learning 的最新进展和相关论文做了整理,其中useful links的内容很受益

  • Proceedings of the Eleventh International Conference on Web and Social Medias

介绍:2017ICWSM会议论文合集,业内对它的评价是:"算是最顶级也是最早的有关社会计算的会议"。里面的论文大部分是研究社交网络的,例如twitteremoji,游戏。对于社交媒体来说内容还是挺前沿的。如果你是做社会计算的还是可以看看。毕竟是行业内数一数二的会议。对了,只要是你知道名字的有名社交媒体都有投稿.[陌陌不算]

 

 类似资料: