VinNews.html
25+29+10+14=88 news items
from google books.
See also news items about 2,5K papers and preprints
with my name in title
and some news items in books .
2017 25 items
而今天的主角Wasserstein GAN（下面简称WGAN）成功地做到了以下爆炸性的几点：. 彻底解决GAN训练不稳定的问题，不再需要小心平衡生成器 ...
蒙特利尔大学研究者改进Wasserstein GAN，极大提高GAN训练 ...
最近提出的Wasserstein GAN（WGAN）在训练稳定性上有极大的进步，但是在某些设定下仍存在生成低质量的样本，或者不能收敛等问题。
直接把GAN应用到NLP领域（主要是生成序列），有两方面的问题：. 1. ... 这里引用自知乎专栏：令人拍案叫绝的Wasserstein GAN - 知乎专栏.
掀起热潮的Wasserstein GAN，在近段时间又有哪些研究进展？
中做了回答，介绍了Wasserstein GAN的最新进展。本文为郑华滨基于此回答向雷锋网供稿，未经许可不得转载。 前段时间，Wasserstein GAN以其 ...
雷锋网(公众号：雷锋网)相关文章：. 生成式对抗网络GAN最近在NLP领域有哪些应用？ 蒙特利尔大学研究者改进Wasserstein GAN，极大提高GAN ...
Valse 2017 | 生成对抗网络（GAN）研究年度进展评述
等到了Wasserstein GAN 的时候，它就明确解释了与MMD 之间的联系，虽然论文里写的是一个「减」的关系，但我们看它的代码，它也是要加上 ...
上次带大家写了原始版的GAN，只生成了高斯分布。但兔子哥哥发现在GAN 论文的底下，有GAN 生成图片的example。 带你漫游Wasserstein ...
贝叶斯生成对抗网络（GAN）：当下性能最好的端到端半监督 ...
研究提出了一个实用的贝叶斯公式，用GAN来进行无监督学习和半监督式学习。这种新提出的方法，简洁性是其最大的优势——推理是直接进行 ...
教程| 从硬件配置、软件安装到基准测试，1700美元深度学习 ...
Wasserstein GAN. GAN（生成对抗网络）是一种训练模型使其生成图片的方法。其原理是将两种网络结构放在一起相互对抗：其生成器将学习 ...
最简单易懂的GAN（生成对抗网络）教程：从理论到实践（附 ...
要不Yann Lecun 赞叹GAN 是机器学习近十年来最有意思的想法。 雷锋网相关阅读：. 从零教你写一个完整的GAN · 带你漫游Wasserstein GAN. 深度 ...
These undergrads built a Generative Adversarial Net that creates art
機械学習に“本物の芸術らしさ”を教育訓練できるか？、二人の学部学生がそんなGANに挑戦
Wassersteinが改良したGANは、アートと分かるようなものを作り出す程度の安定性はある。そこでチームはWikiArtのデータベースからラベル ...
其他的一些论文，比如Generative Adversarial Networks和Wasserstein GAN，也已经为开发模型铺平了道路，这个模型能够创建出与输入数据 ...
GANs为何引爆机器学习？这是篇基于TensorFlow教程
那么，GAN到底如何实践？本文编译自Medium，该文作者以一朵玫瑰花为例，详细阐述了GAN的原理，以及基于谷歌TensorFlow的实现，文章略 ...
自動でいらすとや風の画像が生成できる「いらすとや風人間画像生成モデル」を作る猛者が登場
DCGANとWasserstein GANを用いてGeneratorとDiscriminatorを交互に学習させます。 ·Generatorの学習の場合. Generatorの学習では、 ...
还记得Wasserstein GAN吗？不仅有Facebook参与，也果然被ICML 接收| ICML 2017. 杨晓凡 08月08日18:1
Aug 5, 2017
还记得Wasserstein GAN吗？不仅有Facebook参与，也果然被ICML 接收| ICML 2017
雷锋网(公众号：雷锋网) AI 科技评论按：Facebook列出了自己的9篇ICML 2017论文，Wasserstein GAN 赫然位列其中。 还记得Wasserstein ...
Ex-Chassid's case against government to go ahead
强化学习在生成对抗网络文本生成中扮演的角色（Role of RL in Text Generation by GAN）（上）
不过Wasserstein GAN的原著放眼于对于GAN更加远大的改进意义，并没有着重给出关于文本生成等离散数据处理的实验，反倒是后来的一 ...
虚构的对抗，GAN with the wind ，丘成桐团队近期研究成果
通过理论验证，我们发现关于对抗生成模型的一些基本观念有待商榷：理论上，Wasserstein GAN中生成器和识别器的竞争是没有必要的，生成器 ...
NVIDIA论文：用GAN生成高清图像| ICLR 2018
摘要：在本文中，我们描述了生成对抗网络（GAN）的新的训练方法。 ... 的Wasserstein Loss（关于用Wasserstein GAN生成图片请参阅雷锋网 ...
【LeCun再怼阿里】NIPS机器学习炼金术之争，Twitter机器 ...
GAN可以说是一个非常有影响力的、伟大的新想法。如果这篇论文是在今天，很肯定能是没有人接收的，因为照片看起来不够漂亮。 Wasserstein ...
2017 in news: The science events that shaped the year
机器之心年度盘点：2017年人工智能领域度备受关注的科研成果
而Wasserstein GAN 成功做到了以下几点：. 彻底解决GAN 训练不稳定的问题，不再需要小心平衡生成器和判别器的训练程度. 基本解决了collapse ...
2018 29 items
Best of arXiv.org for AI, Machine Learning, and Deep Learning – December 2017
GANs 造假术领衔，看2018 最具落地潜力的9 大AI 技术趋势
但是这一点在今年有所改观，首先是新颖有趣的架构（如CycleGAN）的提出和理论性的提升（Wasserstein GAN）促使我在实践中尝试了生成 ...
深入浅出GAN·原理篇文字版（完整）| 干货_人工智能安全机器人手术机器人
GAN 可以被用来学习生成各种各样的字体——也就是说，以后字迹辨认这 ... Wasserstein GAN，简称WGAN 基于的是Wasserstein Distance，也 ...
Android O 前期预研之二：HIDL相关介绍_omnispace的博客
... 有向无环图（DAG）技术白话解读 32784 · 时间序列相关算法与分析步骤 28788 · 令人拍案叫绝的Wasserstein GAN 及代码（WGAN两篇论文的 ...
区块链学堂（2）：最简单的智能合约_omnispace的博客
... 有向无环图（DAG）技术白话解读 32784 · 时间序列相关算法与分析步骤 28788 · 令人拍案叫绝的Wasserstein GAN 及代码（WGAN两篇论文的 ...
12 Amazing Deep Learning Breakthroughs of 2017
Generative Adversarial Networks erfinden jetzt auch Ton
最近NVIDA 的工作改进了Wasserstein GAN 使之对很多超参， 比如BN 的参数、网络结构等不再敏感。模型的稳定性在实践和工业应用中非常 ...
斯坦福联合普林斯顿提出通过学习联合嵌入实现文本到3D形状 ...
使用我们的带有一个全新的条件性Wasserstein GAN框架的嵌入，我们从文本中生成了彩色3D形状。可以说，我们的方法是首次将自然语言文本与 ...
【AI干货】计算机视觉必读：目标跟踪、网络压缩、图像分类 ...
我们在我们的实现中使用了Wasserstein 距离，以为网络更新提供更有效的引导和降低训练过程的不稳定性。 因为素描是形状的高度简化的表示， ...
<-10
这篇文章主要介绍在Keras中搭建GAN实现图像去模糊。 ... 第二个损失是对整个模型输出计算的Wasserstein loss，计算了两张图像的平均差值。
【一文打尽ICLR 2018】9大演讲，DeepMind、谷歌最新干货 ...
通向平衡之路：GAN不需要在每一步中减少散度 ... 口头报告：. Wasserstein Auto-Encoders ... 多路径平衡：GAN不需要逐步减少散度.
当然，并不只是想想而已。 一切从这里BEGAN. 生成对抗网络(GAN) 是精分的AI，由两个神经网络组成，一是生成模型 ...
「EEG-GAN」：如何用生成式对抗网络生成「脑电图」脑信号
我们对Wasserstein GAN的改进训练进行了修改，以稳定训练并研究一系列对时间序列生成至关重要的架构选择（最显著的是上采样（up-sampling ...
Generative adversarial networks explained
給你10 個超火的GANs 模組，讓你從AI 凡人變神人！ | TechOrange
【我們為什麼要挑選這篇文章】人工智慧首席科學家Yann LeCun 將GAN 稱 ... 因此論文指出類似於WGANs (Wasserstein GANs) 或者BEGAN 等， ...
我们利用无监督模型，如变分自动编码器（VAE），生成性对抗网络（GAN）和Wasserstein 自动编码器（WAE）来
本文认为现有指标不足以评估GAN 模型，因此引入了两个基于图像分类 ... SWD 是真实图像和生成图像间的Wasserstein-1 距离的估计值，它计算 ...
我们要完成的一个项目是在TensorFlow 上实现和训练Wasserstein GAN。 当时我只修了一门必修的统计学入门课，但我很快就把大部分内容都忘 ...
七张照片鉴别真假AJ？这家公司想教机器认识潮鞋_详细解读_最新资讯_热点事件
... 生成对抗网络（GAN）以及各种混合的非监督学习模型来学习流形。 ... 例如，β-VAE和Wasserstein自动编码模型分别利用KL散度（又称相对 ...
<—20
Here's The Truth, GANs Easily Can Fool Intrusion Detection ...
由[2] 提出的Wasserstein 距离可以用作域的新距离度量，以便找到更好的 ... 基于对抗的深度迁移学习是指引入受生成对抗网络（GAN）[7] 启发的 ...
[Chinese The Wasserstein distance proposed by [2] can be used as a new distance metric for the domain in order to find better.]
深度| 传说中的推土机距离基础，最优传输理论了解一下_概率性
随着Wasserstein GAN 和Sinkhorn 散度的成功，最优传输理论迅速成为机器学习研究的重要理论工具。最优传输广泛应用于生成模型、概率性自 ...
DeOldify: a free/open photo-retoucher based on machine learning
Fintech Finance's Power Players
成立5 周年：一文览尽Facebook 人工智能研究院历年重要成果
2017 年，他们提出了Wasserstein GAN (WGAN，https://arxiv.org/abs/1701.07875) 方法，该方法通过改进鉴别器使其变得更加「平滑」和高效，由 ...
]
NeurIPS 2017 论文2018 年引用量排名揭晓，这里是排名前三 ...
前段时间，Arjovsky 等研究者对GAN 值函数的收敛性进行了深入的分析，并提出了Wasserstein GAN（WGAN），利用Wasserstein 距离产生一个 ...
<—27
———end 2018
2019 10 items
Lipschitz 连续性对GAN 网络来说是必须的，因为它们会限制判别器的斜率。另外，Kantorovich-Rubinstein 对偶性要求它是Wasserstein GAN。
Former Hasidic students win right to sue schools and Quebec ...
科学网—计算机应用中存在性证明的代数拓扑方法- 顾险峰的博文
例如，在Wasserstein GAN中，有一个广为人知的困难：如果概率分布的支集（support）具有多个连通分支，那么GAN的训练收敛非常困难。
科学网—虚构的对抗，GAN with the wind - 顾险峰的博文
通过理论验证，我们发现关于对抗生成模型的一些基本观念有待商榷：理论上，Wasserstein GAN中生成器和识别器的竞争是没有必要的，生成器 ...
Analytics India Magazine
How To Establish Domain Transferability In Neural Models
【研究人員集體崩潰】工程師苦問：如果研究被搶先發表了，你 ...
但如果是像「分布式強化學習」或者「Wasserstein GAN」這樣豐滿的技術思想，就很難被其他人挖到了。 當然，對一個研究生來說，擁有 ...
因此，我将回顾几年来GAN 研究中最酷结果背后的关键思想。 我不打算详细解释转置卷积和Wasserstein 距离等概念。相反，我将提供一些最好的 ...
Robots to Handle Rubik’s Cube, Push Stuff Around, Build a Lunar Base
NeurIPS 2019 Opens; Outstanding Paper Awards and 2021 Conference Announced
NeurIPS 2019：1.3万人参会，获奖论文公布，微软华人学者获经典论文奖_详细解读_最新资讯_热点事件
... 总变分距离，以及Wasserstein 距离和KolmogorovSmirnov 距离的泛华 ... 因此，研究者展示了该结果如何表明GAN 的统计误差边界，例如GAN ...
<—10
——end 2019
2020 14 items
Inverse design of porous materials using artificial neural ...
... 范数距离、总变分距离、Wasserstein 距离、Kolmogorov-Smirnov 距离等 ... 对于GAN 来说，如果生成器与判别器函数分别表示为F 与P，那么 ...
Trial against some Quebec Hasidic schools to begin in February
Wasserstein GANの原論文を完全に理解する. 日時：2020/02/01(土) 場所：水道橋駅周辺 千代田区西神田2-7-14 YS西神田ビル2F. イベント ...
Landmark trial places Hasidic schools under scrutiny
Hasidim are obeying Quebec education law today, lawyers ...
Coronavirus: US banks urgently pitch investors on lending to ...
How Uber Outperformed Existing GANs-Based Baselines In ...
<—10
KI-Training mit personenbezogenen Daten – DSGVO-konform ...
【华泰金工林晓明团队】WGAN应用于金融时间序列生成 ...
原始GAN模型具有训练不同步、训练损失函数不收敛和模式崩溃的缺点。WGAN模型使用Wasserstein距离衡量真实分布与生成分布之间的距离， ...
Join This Full-Day Workshop On Generative Adversarial ...
Newswise
Machine learning model for COVID-19 drug discovery is a
Machine learning model for COVID-19 drug discovery is a Gordon Bell finalist
18-Nov-2020 6:00 AM EST, by Lawrence Livermore National Laboratory
“For targeted drug design for COVID-19, you need a generative model that preserves reconstruction while increasing diversity of variations in the latent space,” Jacobs said. “We found the Wasserstein autoencoder is best suited for this task.”
LLNL scientists said their multi-level parallel training approach performed well across multiple scales, including the entire 125 petaflop IBM/NVIDIA supercomputer Sierra with up to 97.7 percent efficiency. Using the Livermore Big Artificial Neural Network Toolkit (LBANN), which enables deep learning research at previously unobtainable scales, the team trained a novel Wasserstein autoencoder on a 1.613 billion molecule training set and a 1.01 million molecule test set, nearly an order of magnitude more chemical compounds than any other work reported to date.
To train the model, LLNL computer scientist Sam Ade Jacobs and colleagues designed and implemented a character-based Wasserstein autoencoder (cWAE). In contrast to the state-of-the-art (baseline) molecular generative models like variational autoencoders (VAEs) and junction-tree variational autoencoders (JTVAEs), cWAE enforces a stronger constraint during training. These constraints lead to better continuous latent space, and therefore better reconstruction and sampling of molecules from latent space.
Nov 18, 2020
<—14
———————————end 2020