资源 | 2017深度学习优秀论文盘点（建议收藏） | 自由微信

资源 | 2017深度学习优秀论文盘点（建议收藏）

Original 2017-12-18 资源整理 AI科技大本营

本文是伦敦帝国学院博士生Pierre Richemond所写的年度深度学习论文盘点，他属于该大学的BICV计算机视觉团队。这些论文在他们每周的Imperial Deep Learning Reading Group上经过大量的讨论，但作者表示他这里的梳理仍不够全面，因为今年仅仅是有关GAN的论文就超过了1660篇，他努力将内容范围缩小到每两周一篇，具体的论文如下所列：

体系结构/模型

今年关于网络架构的文章已经少得多了，好多东西都或多或少的稳定了。尽管有些论文肯定还是想要推动这个框架发展。首当其冲的是安德鲁·布鲁克（Andrew Brock）的破解SMASH网络结构，它是在1000个GPU上来进行神经架构的搜索。

SMASH : one shot model architecture search through Hypernetworks

https://arxiv.org/pdf/1708.05344.pdf

DenseNets（2017年更新的修订版本）是一个对内存需求很大(memory-hungry)，但非常干净利落的想法。简单的说就是“在计算机视觉中，眼睛+毛皮=猫，所以想法就是连接所有的东西（和连接层）”。

Densely connected convolutional networks

https://arxiv.org/pdf/1608.06993.pdf

在CNNs中有一个非常重要但是被低估的思想是散射变换，有效地取一个小波滤波器组（将小波理论与conv + maxpool和ReLU相连）的模。不知何故，这揭示了为什么头几层看起来像Gabor滤波器，并且为什么你可能根本不需要训练它们。用Stephane Mallat的话来说，“我很惊讶它有效”。见下面的论文。

Scaling the Scattering Transform

https://arxiv.org/pdf/1703.08961.pdf

张量化的LSTM是维基百科上新的SotA编码，每个字符占用1.2位。有些人认为英文的编码限制是1.0,1.1 BPC（仅供参考，LayerNorm LSTM大约为1.3 bpc）。由于想法新颖的原因，我更喜欢这篇论文“Recurrent Highway HyperNetworks”。

Tensorized LSTMs for sequence learning

https://arxiv.org/pdf/1711.01577.pdf

最后，不需要进一步评论的论文：

Dynamic Routing Between Capsules

https://arxiv.org/pdf/1710.09829.pdf

Matrix capsules with EM routing

https://openreview.net/pdf?id=HJWLfGWRb

生成模型

由于NVidia公司爆炸性的原因，我有意将大部分GAN论文放在Progressive Growing这部分论文中。

首先是与自我回归内容相关的家族--Aaron Van den Oord的最新杰作VQ-VAE，是事后看起来很显然的那种论文之一，提出的双停止梯度损失函数肯定是经过非常多的努力。我相信大量的迭代 - 包括用ELBO的贝叶斯层ala PixelVAE来做中间层 - 将会从这项工作中衍生出来。

Neural Discrete Representation Learning

https://arxiv.org/pdf/1711.00937.pdf

另外一个惊喜是来自Parallel Wavenet的结构。当大家都期待与Tom LePaine的工作一起的一个快速二进制结构，DeepMind公司的家伙给了我们一个师生蒸馏模型和噪音整形，其中噪音整形是将高维各向同性的高斯/逻辑潜在空间解释为可以通过逆自回归流进行自回归的时间过程。非常非常干净利落的想法。

Parallel Wavenet

https://arxiv.org/pdf/1711.10433.pdf

没人预料到的头号文件 – Nvidia公司制定了法律。GAN理论是完全循环的 - 而不是Wassersteinizing（借用Justin Solomon的不朽之语），只是保持KL损失，但是通过对数据分布进行多分辨逼近来消除不相交的支持问题。这仍然需要一些技巧来稳定梯度，但经验结果不言自明。

Progressive growing of GANs

https://arxiv.org/pdf/1710.10196.pdf

尽管由Peyre和Genevay领导的法国研究小组在今年早些时候确定了最小Kantorovich估计量，但由Bousquet领导的Google团队在前进/最佳运输设置中写下了VAE-GAN的决定性框架。W-AAE的论文可能会成为ICLR2018的热门话题之一。

The VeGAN cookbook

https://arxiv.org/pdf/1705.07642.pdf

Wasserstein Autoencoders

https://arxiv.org/pdf/1711.01558.pdf

在变分推理方面，谁比德斯廷·特朗更好地借鉴了非政策强化学习和GANs的观点，并再次推动了现代VI能做的事情：

Hierarchical Implicit Models

https://arxiv.org/pdf/1702.08896.pdf

强化学习

被轻(soft)/最大熵Q学习占主的一年。但是这些年来！我们一直做错了！

Nuff说，在一篇里程碑式的论文里：舒尔曼证明了RL算法主要两个族的等价性。

Equivalence between Policy Gradients and Soft Q-learning

https://arxiv.org/pdf/1704.06440.pdf

他是否会做到这一点，通过采取古老的数学和非常仔细的重新做分区函数的计算，来证明路径到路径等价？没有人知道，除了Ofir：

Bridging the gap between value and policy RL

https://arxiv.org/pdf/1702.08892.pdf

另外一篇被低估的论文 - Gergely悄悄地把所有的RL都算在上面的RL算法和凸优化方法之间。对于今年论文的恕我直言，RL相关的论文是一个有力的竞争者，但很少有人听说过。

A unified view of entropy-regularized MDPs

https://arxiv.org/pdf/1705.07798.pdf

如果David Silver的Predictron由于在ICLR 2017被拒绝（！）而以某种方式掉下了雷达，那么Theo的论文就像是一个双重的观点，它以优美而直观的Sokoban实验结果来启动了它：

Imagination-Augmented Agents

https://arxiv.org/pdf/1707.06203.pdf

马克·贝莱马尔（Marc Bellemare）获得了另外一个转型的论文 - 废除了所有的DQN稳定插件，并简单地学习了分发（并且在这个过程中击败了SotA）。非常漂亮的论文。有许多可能的扩展，包括与Wasserstein距离的链接。

A distributional perspective on RL

https://arxiv.org/pdf/1707.06887.pdf

Distributional RL with Quantile Regression

https://arxiv.org/pdf/1710.10044.pdf

一个简单，但非常有效，双重whammy的想法。

Noisy Networks for Exploration

https://arxiv.org/pdf/1706.10295.pdf

当然，如果没有AlphaGo Zero的话，这个列表还是不完整的。将策略网络MCTS前后对齐的思想，例如将MCTS作为一种策略改进算法（以及采用使NN近似误差平滑而不是传播的方法）是一种神话般的东西。

Mastering the game of Go without human knowledge

https://deepmind.com/documents/119/agz_unformatted_nature.pdf

SGD和优化

对于为什么SGD算法在非凸面情况下的也能效果好的原理探索（从广义误差角度来看如此难以打败），2017年的工作已经让它变得成熟了。

今年的“最技术”论文是Chaudhari。从SGD和梯度流向PDE几乎连接了一切。遵循并完成“Entropy-SGD”原则的一篇杰作：

Deep Relaxation : PDEs for optimizing deep networks

https://arxiv.org/pdf/1704.04932.pdf

贝叶斯的观点认为这是Mandt＆Hoffman的SGD-VI连接。如你所知，我多年来一直是一个频繁的人，原文如此。

SGD as approximate Bayesian inference

https://arxiv.org/pdf/1704.04289.pdf

前面的文章取决于SGD作为随机微分方程的连续松弛（由于CLT，梯度噪声被视为高斯）。这解释了批量大小的影响，并给出了一个非常好的卡方公式。

Batch size matters, a diffusion approximation framework

https://arxiv.org/pdf/1705.07562.pdf

另一篇与Ornstein-Uhlenbeck类似的论文启发了Yoshua Bengio实验室的研究成果：

Three factors influencing minima in SGD

https://arxiv.org/pdf/1711.04623.pdf

最后， Chandhari先生又一次对SGD-SDE-VI三位一体的贡献：

SGD performs VI, converges to limit cycles

https://arxiv.org/pdf/1710.11029.pdf

理论

我坚信一个直觉，就是为什么深度学习的工作将来自谐波/二阶分析（前面已经看到散射思想）和信息理论与基于熵的测量之间的交集。Naftali Tishby的想法虽然仍然有争议，但最近ICLR2018提交的内容，使我们更加接近这一理解。

Opening the black box of deep networks via information / On the information bottleneck theory of deep learning

https://arxiv.org/pdf/1703.00810.pdf

同样，来自ICLR2017的一篇漂亮的论文对信息瓶颈理论采取了一种变化的方法。我的选择与“解开”类别中的Beta-VAE相比有一点小小的优势。

Deep variational information bottleneck

https://arxiv.org/pdf/1612.00410.pdf

今年已有数十亿个生成模型，其中有12亿个因子分解对数似然的方法，他们大都可以被理解为凸二元。恕我直言，一篇非常必要的论文。

A Lagrangian perspective on latent variable modelling

https://openreview.net/pdf?id=ryZERzWCZ

最后，杰夫·潘宁顿(Jeff Pennington )以惊人的技术手段显示了深度学习中关于数学的军备竞赛仍然活跃，他将复杂的分析，随机矩阵理论，自由概率和图形态射（！）结合起来，导出了神经网络损失函数的Hessian特征值的确切定律，而其图形只是靠经验才先知道的，例如在Sagun等人的论文中有显示。必读。

Geometry of NN loss surfaces via RMT / Nonlinear RMT for deep learning

http://proceedings.mlr.press/v70/pennington17a/pennington17a.pdf