今日 Paper | 人脸数据隐私;神经符号推理;深度学习聊天机器人等
为了帮助各位学术青年更好地学习前沿研究成果和技术,AI科技评论联合Paper 研习社(paper.yanxishe.com),推出【今日 Paper】栏目, 每天都为你精选关于人工智能的前沿学术论文供你学习参考。以下是今日的精选内容——
目录
- 2020 AAAI | 那么多人脸数据,有没有人担心隐私怎么办?
Facebook:通过将数学表达式重组为一种语言,用神经网络符号推理求解复杂数学方程
StyleGAN:一个基于风格的生成器架构,用于生成对抗网络
edBB:评估远程教育的生物识别和行为
深度学习聊天机器人综述
2020 AAAI | 那么多人脸数据,有没有人担心隐私怎么办?
论文名称:Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification
作者:Chris Dulhanty /Alexander Wong
发表时间:2020/1/9
论文链接:https://paper.yanxishe.com/review/8554
推荐原因:现代的人脸识别系统数据集包含数十万张特定人脸图像,研究人员用于训练深度卷积神经网络,最近,大规模的面部识别培训数据集(如MS-Celeb-1M和MegaFace)的来源和隐私问题受到了公众的密切关注,因为许多人不愿意让自己的脸被用于培训能够实现大规模监控的两用技术。为了探讨人脸隐私的问题,该论文评估了ArcFace(开源人脸识别系统)在人脸隐私方面的表现。研究发现,在该模型的训练数据中,排名第一的人脸识别正确率为79.71%,而那些不存在的人的正确率为75.73%。
Facebook:通过将数学表达式重组为一种语言,用神经网络符号推理求解复杂数学方程
论文名称:Deep Learning for Symbolic Mathematics
作者:Lample Guillaume /Charton François
发表时间:2019/12/2
论文链接:https://paper.yanxishe.com/review/8879
推荐原因:该论文由 Facebook AI 团队提出。根据团队研究,Facebook 已经建立了第一个可以使用符号推理解决高等数学方程的人工智能系统。研究人员通过开发一种新的方法,将复杂的数学表达式表示为一种语言,然后将解看作是 sequence-to-sequence 神经网络的翻译问题,结果显示,在求解积分问题和一阶、二阶微分方程方面都优于传统计算系统的系统。
以前,这类问题被认为超出了深度学习模型的范围,因为求解复杂方程需要精确而不是近似。神经网络擅长于通过近似来学习,比如识别一个特定的像素模式(可能是一个狗的图像),或者一个句子在一种语言中的特征与另一种语言中的特征相匹配。解决复杂的方程也需要处理符号数据的能力,Facebook AI 团队在该论文的研究结果表现要优于诸如 Matlab 或 Mathematica 之类的计算代数系统。
模型目前处理的是单变量问题,Facebook AI 团队计划将其扩展到多变量方程。这种方法也可以应用于其他基于数学和逻辑的领域,期待有更好的结果~
StyleGAN:一个基于风格的生成器架构,用于生成对抗网络
论文名称:A Style-Based Generator Architecture for Generative Adversarial Networks
作者:Karras Tero /Laine Samuli /Aila Timo
发表时间:2018/12/12
论文链接:https://paper.yanxishe.com/review/8878
提出了一个替代发电机的架构生成对抗网络,借鉴了风格转移文献。新的体系结构可以自动地、无监督地分离高级属性(例如,在人脸上训练时的姿势和身份)和生成的图像中的随机变化(例如,雀斑、头发),并实现对合成的直观的、特定于尺度的控制。新的生成器在传统的分布质量度量方面改进了当前的技术水平,显著地提高了插值性能,并更好地释放了潜在的变化因素。为了量化插值质量和解纠缠,提出了两种适用于任何生成器架构的新的自动化方法。最后,介绍一个新的,高度多样化和高质量的人脸数据集。
相较于传统的GAN,引入了Mapping network,样式转换,噪声;
最终可达达到:模型可以预期修改样式的特定子集仅影响图像的某些方面。
edBB:评估远程教育的生物识别和行为
edBB: Biometrics and Behavior for Assessing Remote Education
作者:Hernandez-Ortega Javier /Daza Roberto /Morales Aythami /Fierrez Julian /Ortega-Garcia Javier
发表时间:2019/12/10
论文链接: https://paper.yanxishe.com/review/7828
推荐理由:我们提供了一个用于远程教育中学生监控的平台,该平台由捕获生物特征和行为数据的传感器和软件组成。我们定义了一组任务来获取行为数据,这些数据对于应对远程评估过程中自动学生监控中的现有挑战很有用。此外,我们发布了一个初始数据库,其中包含来自20个不同用户的数据,这些用户使用一组基本传感器来完成这些任务:摄像头,麦克风,鼠标和键盘;以及更先进的传感器:NIR相机,智能手表,其他RGB相机和EEG频段。来自计算机的信息(例如系统日志,MAC,IP或Web浏览历史记录)也将被存储。在每个获取会话期间,每个用户完成三种不同类型的任务,生成不同性质的数据:鼠标和击键动态,面部数据和音频数据等。设计任务时要牢记两个主要目标:i)分析此类生物统计和行为数据的能力以在远程评估期间检测异常,并且ii)研究这些数据的能力,例如脑电图,心电图或近红外视频估计有关用户的其他信息,例如他们的注意力水平,压力的存在或他们的脉搏率。
深度学习聊天机器人综述
论文名称:Deep Learning Based Chatbot Models
作者:Csaky Richard
发表时间:2019/8/23
论文链接:https://paper.yanxishe.com/review/137
聊天机器人不仅有许多的研究方向和研究成果,也已经有了许多商业应用。在这篇综述论文中,作者对这个领域近年来的研究成果做了回顾和综述 —— 具体来说,他回顾了过去三年中发表的超过 70 篇论文,分析了现有方案的问题,对“通用型聊天机器人应该使用什么样的架构”提出了自己的观点和改进建议。想了解这个领域总体状况的读者不妨看看这篇论文。
今日 Paper | 人脸数据隐私;神经符号推理;深度学习聊天机器人等相关推荐
- 11步,教你创建深度学习聊天机器人
全文共4687字,预计学习时长9分钟 创建一款聊天机器人时,目标应该是令其仅需最少的人类干预甚至无需人类干预.这一目标可通过两种方法实现. 第一种方法是,客服团队接收来自人工智能的建议,以改进客户服务 ...
- 深度学习-聊天机器人
1.聊天机器人的类型 从应用目的或者技术手段进行抽象,可以有以下两种划分方法: 目标驱动(Goal –Driven)VS 无目标驱动(Non-Goal Driven)聊天机器人 目标驱动的聊天机器人指 ...
- 青源 LIVE 第21期|中国人民大学张静:知识图谱的神经符号推理
知识图谱可以看做是知识的一种离散符号表示,基于知识图谱的符号推理可以较为精准地定位答案.然而,符号推理对于语言的歧义性和噪声数据不够鲁棒.相反,深度学习的发展推动了知识图谱的神经推理方法,能够弥补符号 ...
- 论文浅尝 | 神经符号推理综述(下)
笔记整理 | 许泽众,浙江大学在读博士 3.神经驱动的符号推理 相比于之前的两种类型,神经驱动的符号推理的目的是挖掘规则,而神经网络在其中扮演的作用是解决纯符号推理的不确定性,并且能够有效的减少搜索空 ...
- 神经进化是深度学习的未来
摘要: 本文主要讲了神经进化是深度学习的未来,以及如何用进化计算方法(EC)优化深度学习(DL). 过去几年时间里,我们有一个完整的团队致力于人工智能研究和实验.该团队专注于开发新的进化计算方法(EC ...
- 北京 | 免费高效训练及OpenVINO™加速推理深度学习实战,送Intel神经计算棒二代...
当今人工智能时代,深度学习极大得促进了计算机视觉技术的快速应用和成熟,也是算法工程师们必须掌握的一项技能,然而,不同环境的依赖部署,高算力的需求,海量数据量需求及算法应用高硬件成本也让深度学习陷入了规 ...
- 松下推出人脸识别服务器软件 使用深度学习技术
文章来源:ATYUN AI平台 松下公司宣布,采用深度学习技术的人脸识别服务器软件将于2018年7月在海外先行推出,而8月才在日本本土推出. [视频]使用深度学习技术的人脸识别服务器软件 视频链接:松 ...
- 《神经⽹络与深度学习》-自学笔记01
最近在工作中遇到一个用传统的规则模型无法很好解决的问题,于是才又想起了人工神经网络.终于在好奇心的驱使下,在网上找到了这本很多程序员都推荐的机器学习入门书籍<神经⽹络与深度学习>(英文书名 ...
- 运用深度学习教机器人理解自然语言
运用深度学习教机器人理解自然语言 2016-08-16 16:33 转载 CSDN 1条评论 雷锋网按:本文作者Jonathan是21CT的首席科学家.他主要研究机器学习和人工智能如何使用在文本和知识 ...
最新文章
- 可视化编码_Modulz简介:可视编码的下一步
- wxWidgets:wxTaskBarIcon类用法
- Boost:最小最大计时器测试程序
- ITK:多路输出不同的类型
- thinkphp5 内置接口开发与使用
- 网站 asp和php的用途,asp和php都有什么功能?
- c++ pdflib输出表格_DescrTab2包,输出SCI级别的描述统计表
- hadoop--Map Join
- 有关锁和内存使用的DMV
- Docker学习总结(66)—— Docker 的三大基石:Namespace、Cgroup 和 rootfs
- win11怎么添加小组件 window11添加小组件的设置方法
- import tool for Scripter Studio
- LibSVM制作鸢尾花数据集
- 地表蒸散发(ET)数据下载网站汇总
- 传智播客C++学院教学总监朱景尧老师
- 2020 高考英语高频短语
- VC|MFC内存不能为read,内存不能为 written 分析
- C# 获取适配器网络连接IP地址,子网掩码,DNS,数据包等信息
- Python:实现quantum entanglement量子纠缠技术算法(附完整源码)
- C语言函数指针与NULL