今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

Posted AI日读

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE相关的知识,希望对你有一定的参考价值。

1月13日人工智能领域新增论文 171篇,AI日读精选其中 37篇推荐给大家。这些论文主要来自AAAI,ICIP,ICPR,VLDB等会议与期刊。其中包含 计算机视觉论文11篇[1-11], 自然语言处理论文6篇[12-17], 方法论论文10篇[19-28], 强化学习论文1篇[34], 推荐系统论文2篇[35-36]。另外,本期还包含1个新构造的 数据集[18],4篇 综述[29-32],1个 开放平台工具包[33],以及其他技术文章。点击文末 阅读原文即可下载。

标题文章序号:[26] & [36] & [34]





计算机视觉

Computer Vision


[1]

Quantum Cognitively Motivated Decision Fusion for Video Sentiment Analysis

Dimitris Gkoumas, Qiuchi Li, Shahram Dehdashti, Massimo Melucci, Yijun Yu, Dawei Song

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04406v1





[2]

Superpixel-based Refinement for Object Proposal Generation

Christian Wilms, Simone Frintrop

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04574v1





[3]

PvDeConv: Point-Voxel Deconvolution for Autoencoding CAD Construction in 3D

Kseniya Cherenkova, Djamila Aouada, Gleb Gusev

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04493v1





[4]

TrackMPNN: A Message Passing Graph Neural Architecture for Multi-Object Tracking

Akshay Rangesh, Pranav Maheshwari, Mez Gebre, Siddhesh Mhatre, Vahid Ramezani, Mohan M. Trivedi

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04206v1





[5]

Automated 3D solid reconstruction from 2D CAD using OpenCV

Ajay Bangalore Harish, Abhishek Rajendra Prasad

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04248v1





[6]

3D-ANAS: 3D Asymmetric Neural Architecture Search for Fast Hyperspectral Image Classification

Haokui Zhang, Chengrong Gong, Yunpeng Bai, Zongwen Bai, Ying Li

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04287v1





[7]

Random Transformation of Image Brightness for Adversarial Attack

Bo Yang, Kaiyong Xu, Hengjun Wang, Hengwei Zhang

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04321v1





[8]

Take More Positives: A Contrastive Learning Framework for Unsupervised Person Re-Identification

Xuanyu He, Wei Zhang, Ran Song, Xiangyuan Lan

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04340v1





[9]

UFA-FUSE: A novel deep supervised and hybrid model for multi-focus image fusion

Yongsheng Zang, Dongming Zhou, Changcheng Wang, Rencan Nie, Yanbu Guo

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04506v1





[10]

Fine-grained Semantic Constraint in Image Synthesis

Pengyang Li, Donghui Wang

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04558v1





[11]

Context Matters: Self-Attention for Sign Language Recognition

Fares Ben Slimane, Mohamed Bouguessa

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04632v1





自然语言处理

Natural Language Processing


[12]

A character representation enhanced on-device Intent Classification

Sudeep Deepak Shivnikar, Himanshu Arora, Harichandana B S S

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04456v1





[13]

BERT-GT: Cross-sentence n-ary relation extraction with BERT and Graph Transformer

Po-Ting Lai, Zhiyong Lu

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04158v1





[14]

Text analysis in financial disclosures

Sridhar Ravula

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04480v1





[15]

Of Non-Linearity and Commutativity in BERT

Sumu Zhao, Damian Pascual, Gino Brunner, Roger Wattenhofer

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04547v1





[16]

AI- and HPC-enabled Lead Generation for SARS-CoV-2: Models and Processes to Extract Druglike Molecules Contained in Natural Language Text

Zhi Hong, J. Gregory Pauloski, Logan Ward, Kyle Chard, Ben Blaiszik, Ian Foster

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04617v1





[17]

Dimensions of Commonsense Knowledge

Filip Ilievski, Alessandro Oltramari, Kaixin Ma, Bin Zhang, Deborah L. McGuinness, Pedro Szekely

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04640v1





数据集

Dataset


[18]

The Multimodal Driver Monitoring Database: A Naturalistic Corpus to Study Driver Attention

Sumit Jha, Mohamed F. Marzban, Tiancheng Hu, Mohamed H. Mahmoud, Naofal Al-Dhahir Carlos Busso

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04639v1





方法论

Methodology


[19]

DBTagger: Multi-Task Learning for Keyword Mapping in NLIDBs Using Bi-Directional Recurrent Neural Networks

Arif Usta, Akifhan Karakayali, Özgür Ulusoy

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04226v1





[20]

Solving Common-Payoff Games with Approximate Policy Iteration

Samuel Sokota, Edward Lockhart, Finbarr Timbers, Elnaz Davoodi, Ryan D'Orazio, Neil Burch, Martin Schmid, Michael Bowling, Marc Lanctot

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04237v1





[21]

Learning Intuitive Physics with Multimodal Generative Models

Sahand Rezaei-Shoshtari, Francois Robert Hogan, Michael Jenkin, David Meger, Gregory Dudek

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04454v1





[22]

From Tinkering to Engineering: Measurements in Tensorflow Playground

Henrik Hoeiness, Axel Harstad, Gerald Friedland

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04141v1





[23]

On the Convergence of Deep Networks with Sample Quadratic Overparameterization

Asaf Noy, Yi Xu, Yonathan Aflalo, Rong Jin

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04243v1





[24]

Estimating Galactic Distances From Images Using Self-supervised Representation Learning

Md Abul Hayat, Peter Harrington, George Stein, Zarija Lukić, Mustafa Mustafa

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04293v1





[25]

Seed Stocking Via Multi-Task Learning

Yunhe Feng, Wenjun Zhou

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04333v1





[26]

Adversary Instantiation: Lower Bounds for Differentially Private Machine Learning

Milad Nasr, Shuang Song, Abhradeep Thakurta, Nicolas Papernot, Nicholas Carlini

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04535v1





[27]

An Early-Stopping Mechanism for DSCF Decoding of Polar Codes

Ilshat Sagitov, Pascal Giard

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04586v1





[28]

Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators

J.-P. Schulze, P. Sperl, K. Böttinger

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04645v1





综述

Survey


[29]

A Brief Survey of Associations Between Meta-Learning and General AI

Huimin Peng

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04283v1





[30]

A Survey of Privacy-Preserving Techniques for Encrypted Traffic Inspection over Network Middleboxes

Geong Sen Poh, Dinil Mon Divakaran, Hoon Wei Lim, Jianting Ning, Achintya Desai

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04338v1





[31]

Hyperbolic Deep Neural Networks: A Survey

Wei Peng, Tuomas Varanka, Abdelrahman Mostafa, Henglin Shi, Guoying Zhao

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04562v1





[32]

Surface Electromyography as a Natural Human-Machine Interface: A Review

Mingde Zheng, Michael Crouch, Michael S. Eggleston

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04658v1





平台与工具

Platform & Tool


[33]

FaceX-Zoo: A PyTorh Toolbox for Face Recognition

Jun Wang, Yinglu Liu, Yibo Hu, Hailin Shi, Tao Mei

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04407v1





强化学习

Reinforcement Learning


[34]

Queue-Learning: A Reinforcement Learning Approach for Providing Quality of Service

Majid Raeis, Ali Tizghadam, Alberto Leon-Garcia

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04627v1





推荐系统

Recommendation System


[35]

Neural News Recommendation with Negative Feedback

Chuhan Wu, Fangzhao Wu, Yongfeng Huang, Xing Xie

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04328v1





[36]

Measuring Recommender System Effects with Simulated Users

Sirui Yao, Yoni Halpern, Nithum Thain, Xuezhi Wang, Kang Lee, Flavien Prost, Ed H. Chi, Jilin Chen, Alex Beutel

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04526v1





其他技术

Others


[37]

A Bayesian neural network predicts the dissolution of compact planetary systems

Miles Cranmer, Daniel Tamayo, Hanno Rein, Peter Battaglia, Samuel Hadden, Philip J. Armitage, Shirley Ho, David N. Spergel

摘 要:

今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE

原 文:http://arxiv.org/pdf/2101.04117v1






点个在看,再下论文~
(密码:6tvc)

以上是关于今日论文|谷歌:差分私有机器学习&谷歌:用模拟用户测量推荐系统性能&队列学习&MORE的主要内容,如果未能解决你的问题,请参考以下文章

除了谷歌的TensorFlow,这些开源机器学习项目也很值得收藏!

谷歌自研芯片Tensor重磅来袭:“机器学习的里程碑”

谷歌移动端深度学习框架 TensorFlow Lite 正式发布

ICML 2021奖项公布!谷歌大脑摘得桂冠,田渊栋陆昱成获荣誉提名!

ICML 2021奖项公布!谷歌大脑摘得桂冠,田渊栋陆昱成获荣誉提名!

谷歌昨夜放深度学习大招!三款硬件产品TensorFlow六大重磅升级