Oral Papers：23篇
1、AmbientGAN: Generative models from lossy measurements
（AmbientGAN：来自有损测量的生成模型）
作者：Ashish Bora, Eric Price, Alexandros G. Dimakis（德州大学）
论文地址：https://openreview.net/forum?id=Hy7fDog0b
评分：7.33
简介：如何从嘈杂、扭曲、局部的观察中学习GAN；
关键词：生成模型，对抗网络，有损测量
2、Beyond Word Importance: Contextual Decomposition to Extract Interactions from LSTMs
作者：W. James Murdoch, Peter J. Liu, Bin Yu（伯克利大学、谷歌）
论文地址：https://openreview.net/forum?id=rkRwGg-0Z
评分：5.56
简介：这篇论文引入了“语境分解”，一种LSTM解释算法，能够提取单词、短语和交互级别的重要性分数。
关键词：可解释性，LSTM，自然语言处理，情感分析，交互
3、Zero-Shot Visual Imitation
作者：Deepak Pathak, Parsa Mahmoudieh, Michael Luo, Pulkit Agrawal, Dian Chen, Fred Shentu, Evan Shelhamer, Jitendra Malik, Alexei A. Efros, Trevor Darrell（伯克利大学）
论文地址：https://openreview.net/forum?id=BkisuzWRW
评分：6.91
简介：智能体在训练时在没有任何形式的监督的情况下从自己的经验学习，并在测试时学习模仿单纯的视觉演示（没有动作）。
关键词：模仿，zero shot，自我监督，机器人，技能，导航，操纵
4、Variance Reduction for Policy Gradient with Action-Dependent Factorized Baselines
作者：Cathy Wu, Aravind Rajeswaran, Yan Duan, Vikash Kumar, Alexandre M Bayen, Sham Kakade, Igor Mordatch, Pieter Abbeel（伯克利大学、华盛顿大学）
论文地址：https://openreview.net/forum?id=H1tSsb-AW
评分：6.91
简介：依赖于动作的基线可以是无偏倚的，并且可以产生比策略梯度方法的只依赖于状态基线更大的方差缩减。
关键词：强化学习，策略梯度，方差缩减，基线，控制变量
5、Progressive Growing of GANs for Improved Quality, Stability, and Variation
作者：Tero Karras, Timo Aila, Samuli Laine, Jaakko Lehtinen（英伟达）
论文地址：https://openreview.net/forum?id=Hk99zCeAb
评分：5.67
简介：该研究以渐进的方式训练生成对抗网络，从而能够生成高质量的高分辨率图像。
关键词：生成对抗网络，无监督学习，层级方法
6、Neural Sketch Learning for Conditional Program Generation
作者：Vijayaraghavan Murali, Letao Qi, Swarat Chaudhuri, Chris Jermaine（莱斯大学）
论文地址：https://openreview.net/forum?id=HkfXMz-Ab
评分：7.44
简介：这篇文章提出一种用类似Java语言生成类型安全程序的方法，只需给出少量关于所需代码的语法信息。
关键词：程序生成，源代码，程序综合，深度生成模型
7、Boosting Dilated Convolutional Networks with Mixed Tensor Decompositions
作者：Nadav Cohen, Ronen Tamari, Amnon Shashua
论文地址：https://openreview.net/forum?id=S1JHhv6TW
评分：8.00
简介：引入混合张量分解的概念，并用它证明相互连接的扩张的卷积网络提升了它们的表达能力。
关键词：深度学习，表现效率，扩张卷积，张量分解
8、Continuous Adaptation via Meta-Learning in Nonstationary and Competitive Environments
作者：Maruan Al-Shedivat, Trapit Bansal, Yura Burda, Ilya Sutskever, Igor Mordatch, Pieter Abbeel（CMU、UMASS、OpenAI、berkeley）
论文地址：https://openreview.net/forum?id=Sk2u1g-0-
评分：7.80
简介：将持续适应问题转换为learning-to learn框架，开发了一个简单的基于梯度的meta-learning算法，适应动态变化和对抗情况。
关键词：强化学习，非平稳性，meta-learning，迁移学习，多智能体
9、Breaking the Softmax Bottleneck: A High-Rank RNN Language Model
作者：Zhilin Yang, Zihang Dai, Ruslan Salakhutdinov, William W. Cohen（CMU）
论文地址：https://openreview.net/forum?id=HkwZSG-CZ
评分：6.31
简介：将语言建模作为一个矩阵分解问题，并表明基于Softmax的模型（包括大多数神经语言模型）的表达能力受到Softmax瓶颈的限制，提出了一个简单而有效的方法来解决这个问题。
10、Characterizing Adversarial Subspaces Using Local Intrinsic Dimensionality
作者：Xingjun Ma, Bo Li, Yisen Wang, Sarah M. Erfani, Sudanthi Wijewickrema, Grant Schoenebeck, Michael E. Houle, Dawn Song, James Bailey（墨尔本大学）
论文地址：https://openreview.net/forum?id=B1gJ1L2aW
评分：7.25
简介：我们通过使用局部本质维数（LID）描述对抗样本中对抗子空间的维度属性，并且证明这些特征可以有效地区分对抗样本。
关键词：对抗子空间，局部本质维数，对抗防御，深度神经网络
11、Learning to Represent Programs with Graphs
作者：Miltiadis Allamanis, Marc Brockschmidt, Mahmoud Khademi（微软、SFU）
论文地址：https://openreview.net/forum?id=BJOFETxR-
评分：8.00
简介：程序具有可以表示为图形的结构，图神经网络可以学习在这些图形上发现bug
关键词：程序，源代码，图神经网络
12、Spectral Normalization for Generative Adversarial Networks
作者：Takeru Miyato, Toshiki Kataoka, Masanori Koyama, Yuichi Yoshida
论文地址：https://openreview.net/forum?id=B1QRgziT-
评分：7.33
简介：我们提出一种称为spectral normalization的新的权重归一化技术，以稳定GAN鉴别器的训练。
关键词：生成对抗网络，深度生成模型，无监督学习
13、Wasserstein Auto-Encoders
作者：Ilya Tolstikhin, Olivier Bousquet, Sylvain Gelly, Bernhard Schoelkopf
论文地址：https://openreview.net/forum?id=HkL7n1-0b
评分：8.00
简介：我们提出了一种基于Wasserstein距离的自动编码器，改进了VAE的采样性能。
关键词：自动编码器，生成模型，GAN，VAE，无监督学习
14、Deep Mean Field Games for Learning Optimal Behavior Policy of Large Populations
作者：Jiachen Yang, Xiaojing Ye, Rakshit Trivedi, Huan Xu, Hongyuan Zha
论文地址：https://openreview.net/forum?id=HktK4BeCZ
评分：8.50
简介：通过MFG和马尔可夫决策过程的综合推断大型群体行为的MFG模型。
关键词：平均场博弈，强化学习，马尔可夫决策过程，逆强化学习，深度学习，逆向最优控制，计算社会科学，群集建模
15、Certifiable Distributional Robustness with Principled Adversarial Training
作者：Aman Sinha, Hongseok Namkoong, John Duchi（斯坦福大学）
论文地址：https://openreview.net/forum?id=Hk6kPgZA-
评分：9.00
简介：本文提出一个快速、基于规则的对抗训练程序，具有计算和统计上的性能保证。
关键词：对抗训练，分布式鲁棒优化，深度学习，优化，学习理论
16、On the insufficiency of existing momentum schemes for Stochastic Optimization
作者：Rahul Kidambi, Praneeth Netrapalli, Prateek Jain, Sham M. Kakade
论文地址：https://openreview.net/forum?id=rJTutzbA-
评分：6.14
简介：现有的动量/加速方法，如胖球法（heavy ball method）和Nesterov加速梯度法不能改善随机梯度下降，尤其是在使用小的batch size时。
关键词：随机梯度下降，深度学习，动量，加速，heavy ball，Nesterov加速，随机优化，SGD，加速随机梯度下降
17、Ask the Right Questions: Active Question Reformulation with Reinforcement Learning
作者：Christian Buck, Jannis Bulian, Massimiliano Ciaramita, Wojciech Gajewski, Andrea Gesmundo, Neil Houlsby, Wei Wang.（谷歌）
论文地址：https://openreview.net/forum?id=S1CChZ-CZ
评分：5.83
简介：我们提出一个位于用户和黑箱问答系统之间的智能体，它学习重新构造问题以引出最好的答案。
关键词：机器翻译，转述，问答，强化学习，智能体
18、Spherical CNNs
作者：Taco S. Cohen, Mario Geiger, Jonas Köhler, Max Welling
论文地址：https://openreview.net/forum?id=Hkbd5xZRb
评分：7.57
简介：我们提出Spherical CNN，并将其应用于3D模型识别和分子能量回归。
关键词：深度学习，同变性，卷积，3D，视觉，形状识别
19、Emergence of Linguistic Communication from Referential Games with Symbolic and Pixel Input
作者：Angeliki Lazaridou, Karl Moritz Hermann, Karl Tuyls, Stephen Clark
论文地址：https://openreview.net/forum?id=HJGv1Z-AW
评分：6.85
简介：对应急通信协议中环境对性质的作用进行了对照研究。
关键词：解缠，通信，应急语言，合成，多代理
20、Training and Inference with Integers in Deep Neural Networks
作者：Shuang Wu, Guoqi Li, Luping Shi, Feng Chen（清华大学）
论文地址：https://openreview.net/forum?id=HJGXzmspb
评分：6.27
简介：我们在DNN中仅使用低位整数进行训练和推理
关键词：量化，训练，bitwidth，三元权重
21、Multi-Scale Dense Networks for Resource Efficient Image Classification
作者：Gao Huang, Danlu Chen, Tianhong Li, Felix Wu, Laurens van der Maaten, Kilian Weinberger（康奈尔大学、清华大学）
论文地址：https://openreview.net/forum?id=Hk2aImxAb
评分：8.33
简介：本文调查了图像分类与测试时间的计算资源限制。
关键词：高效学习，预算学习，深度学习，图像分类，卷积网络
22、Synthetic and Natural Noise Both Break Neural Machine Translation
作者：Yonatan Belinkov, Yonatan Bisk
论文地址：https://openreview.net/forum?id=BJ8vJebC-
评分：7.33
简介：NMT模型相当脆弱，容易受到噪音数据影响。本文用合成和自然的噪音作为NMT模型的对抗样本，探索提高模型鲁棒性的方法。
关键词：神经机器翻译，特征，噪声，对抗样本，稳健训练
23、On the Convergence of Adam and Beyond
作者：Sashank J. Reddi, Satyen Kale, Sanjiv Kumar（谷歌）
论文地址：https://openreview.net/forum?id=ryQu7f-RZ
评分：8.56
简介：我们研究了Adam，RMSProp等流行优化算法的收敛性，并提出了这些方法的新变体。
关键词：优化，深度学习，Adam，RMSProp
原文发布时间为：2018-01-31
本文作者：肖琴
本文来自云栖社区合作伙伴新智元，了解相关信息可以关注“AI_era”微信公众号
