海外TMT行业中期策略：AI算法教学相长，顶级会议百舸争流.docxVIP

若出现排版错位，数据显示不全等问题，可加微信535600147，凭下载记录获取PDF版目录 HYPERLINK \l _TOC_250016 ICLR 素有深度学习顶会“?冕之王”之称，2018 接收论?数量最多机构是?歌 4 HYPERLINK \l _TOC_250015 对现有算法的改进仍然是重点 4 HYPERLINK \l _TOC_250014 逻辑、抽象概念学习也出现越来越多的成果 5 HYPERLINK \l _TOC_250013 优化?法仍在讨论和快速进步 5 HYPERLINK \l _TOC_250012 尝试开拓深度学习的新领域 5 HYPERLINK \l _TOC_250011 有不少研究安全的论?，但?向较为集中 6 HYPERLINK \l _TOC_250010 ?歌：?歌和 DEEPMIND 加起来就占了会议总接收论?的 20%，具有绝对的影响? 6 HYPERLINK \l _TOC_250009 ADAM 的指数移动平均值如何导致?法收敛 6 HYPERLINK \l _TOC_250008 ADAM 的变体 AMSGRAD 6 HYPERLINK \l _TOC_250007 微软：最新研究成果探索出?种新的让机器学会自动化教学的?法 7 HYPERLINK \l _TOC_250006 阿里巴巴：神经?络的多比特量化压缩加速问题 10 HYPERLINK \l _TOC_250005 ?校：巨擘以外孕育创新之地 15 HYPERLINK \l _TOC_250004 ?个既具表达性，又符合内置的球形旋转不变性等相关定义的球形 CNN 15 HYPERLINK \l _TOC_250003 基于梯度的元学习?法，能用于动态和竞争环境下的连续适应 16 HYPERLINK \l _TOC_250002 ??智能?计算：计算硬件以及深度学习的平台系统 18 HYPERLINK \l _TOC_250001 硬件芯片?案 18 HYPERLINK \l _TOC_250000 深度学习的平台和系统 20图表目录图 表 1：AMSGRAD 算法 7图 表 2：AMSGRAD 和 ADAM 比较 7图表 3：L2T 的训练过程 9图表 4：MNIST 上的 MLP 训练，CIFAR-10 上的 RESNET-32 训练，并将其应用于 CIFAR-10 上的 RESNET-110 训练 9图表 5：使用不同教学策略训练 LSTM 得到的 IMDB 数据集分类准确率 10图表 6：多比特量化乘法示意 11图表 7：当实系数固定时，最优 2 比特编码示意 12图表 8：?叉搜索树将 次比较降为 K 次比较 13图表 9：CPU 中?值乘法与全精度乘法的时间比较 14图表 10：用旋转来代替原来的 FILTER 变换 15图表 11：MAML 概率模型等 17图表 12：META-LEARNING 算法等 17图表 13：智能体在 ROBOSUMO 游戏比赛 18图表 14: CPU 和 GPU 的不同架构 19图表 15: CPU 的延迟型设计 19图表 16: GPU 的面向对象设计 19图 表 17: ? 歌 TPU 架构 20图表 18: 深度学习主要市场参与者及开源平台 21ICLR 素有深度学习顶会“?冕之王”之称，2018 接收论?数量最多机构是?歌来自加州?学伯克利分校的 Sergey Levine 被接收论?数量最多；学者 Bengio提交论?数量最多；?歌的接收和提交论?数量都属机构第?；英伟达的接收率 排名第?；提交和被接收论?数量，英国都独占鳌头；中国是继英国之后，提交 论?数量最多的国家。?歌、DeepMind、Facebook、OpenAI、微软，这 5 个科技公司在今年 ICLR 中共贡献了 9 篇 oral（?头报告）论?和 107 篇 poster（海报展示）论?，在会议接受论?总数的 23 篇 oral、314 篇 poster 中已经占据了接近半壁江?。（?歌、FB、微软重点在于其中的??智能研究机构：?歌?脑/?歌 AI，Facebook ??智能研究院，微软研究院）每家机构的数量?面，DeepMind 22 篇、?歌 47 篇、Facebook 25 篇、OpenAI 7 篇、微软 15 篇。?歌和 DeepMind 加起来就占了会议总接收论?的20%，可以说是具有绝对的影响?了。强化学习是今年??研究热点，不仅 DeepMind 依旧把强化学习作为重要研究对象，其它研究机构也在强化学习?面有许多研究，以及把强化学习作为?具， 研究其它领域的问题。这 106 篇论?中有 20 篇左右是关于强化学习的。去年?热的 GANs 今年则热度有所下