| 4 | 1/1 | 返回列表 |
| 查看: 1398 | 回復(fù): 3 | |||
AMiner抗疫新蟲 (初入文壇)
|
[交流]
百里挑一:ICLR 2021杰出論文獎出爐! 已有2人參與
|
|
百里挑一:ICLR 2021杰出論文獎出爐! 北京時間 2021年4月1日,ICLR 2021 杰出論文新鮮出爐了!在本屆 ICLR 上被接收的 860 篇高質(zhì)量論文中,有 8 篇論文脫穎而出,被授予 ICLR 2021 杰出論文獎。 本次杰出論文的評選過程極為嚴苛。首先,杰出論文講評審委員會會根據(jù)論文被接收時的評審意見給出一個候選論文的清單;接著,杰出論文評審委員會會進一步對清單中的論文進行評審,專家們不僅需要評估論文的技術(shù)質(zhì)量,還要評估論文可能產(chǎn)生的影響,這種影響包括引入新的研究視角、開啟了令人激動的新研究方向,以及為解決重要的問題作出強有力的貢獻。在經(jīng)過了上述嚴格的評審過程后,最終確定了 8 篇排名最高的論文獲得 ICLR 2021 杰出論文獎。 1.Beyond Fully-Connected Layers with Quaternions: Parameterization of Hypercomplex Multiplications with 1/n Parameters 【論文作者】Aston Zhang、Yi Tay、Shuai Zhang、Alvin Chan、Anh Tuan Luu、Siu Hui、Jie Fu 【機構(gòu)】亞馬遜 AWS、谷歌研究院、蘇黎世聯(lián)邦理工學(xué)院、南洋理工大學(xué)、Mila 實驗室 【論文鏈接】https://www.aminer.cn/pub/6008327b9e795ed227f5310e/?conf=iclr2021 【論文摘要】近年來,一些研究說明了超復(fù)數(shù)空間中表征學(xué)習(xí)的成功。具體而言,帶有四元數(shù)的全連接層(四元數(shù)即四維超復(fù)數(shù))用四元數(shù)的漢密爾頓積替換了全連接層中的實值矩陣乘法,這種方法在僅僅使用 1/4 的可學(xué)習(xí)參數(shù)的情況下,在各種應(yīng)用中實現(xiàn)了可與之前的方法相當?shù)男阅堋?br /> 然而,超復(fù)數(shù)空間只在少數(shù)預(yù)定義的維度上(四維、八維、十六維)存在,這限制了利用超復(fù)數(shù)乘法的模型的靈活性。為此,本文作者提出了一種對超復(fù)數(shù)乘法進行參數(shù)化的方法,使模型能夠根據(jù)數(shù)據(jù)學(xué)習(xí)乘法規(guī)則,而無需考慮此類規(guī)則是否被預(yù)先定義。這樣以來,本文提出的方法不僅引入了漢密爾頓積,而且還學(xué)會了在任意的 n 維超復(fù)數(shù)空間上運行。與對應(yīng)的全連接層相比,本文提出的 PHM 層使用任意 1/n 的可學(xué)習(xí)參數(shù),是實現(xiàn)了更大的架構(gòu)靈活性。在實驗中,本文作者在自然語言推理、機器翻譯、文本風(fēng)格遷移和主謂一致任務(wù)上將本文提出的 PHM 層用于 LSTM 和 Transformer 模型,驗證了該方法的架構(gòu)靈活性和有效性。 2.Complex Query Answering with Neural Link Predictors 【論文作者】Erik Arakelyan、 Daniel Daza、Pasquale Minervini、 Michael Cochez 【機構(gòu)】倫敦大學(xué)學(xué)院、阿姆斯特丹自由大學(xué)、阿姆斯特丹大學(xué)、愛思唯爾 Discovery 實驗室 【論文鏈接】https://www.aminer.cn/pub/5fa9175f91e011e83f7407f4/?conf=iclr2021 【代碼鏈接】https://github.com/uclnlp/cqd 【論文摘要】神經(jīng)鏈接預(yù)測器對于識別大規(guī)模知識圖譜中的缺失邊非常有用。然而,目前人們尚不清楚如何使用這些模型回答涉及多個域的更復(fù)雜的查詢(例如,在考慮缺失邊的情況下,處理使用邏輯合取 (∧)、析取 (∨) 、存在量詞(∃ 的查詢)。在本文中,作者提出了一種可以高效地回答不完整的知識圖譜上的復(fù)雜查詢的框架。本文作者將每個查詢轉(zhuǎn)換為端到端可微的目標,并使用預(yù)訓(xùn)練的神經(jīng)鏈接預(yù)測器計算每個原子的真值。本文作者進一步分析了兩種優(yōu)化改變目標的解決方案(包括基于梯度的搜索和組合搜索。 實驗結(jié)果表明,本文提出的方法在無需使用大規(guī)模、多樣的查詢集訓(xùn)練的情況下,取得了比目前最優(yōu)的方法(使用數(shù)以百萬計的生成的查詢訓(xùn)練的「黑盒」神經(jīng)模型)更高的準確率。在使用少了幾個數(shù)量級的訓(xùn)練數(shù)據(jù)的情況下,本文提出的模型在包含事實信息的各種知識圖譜上,獲得了從 8% 到 40% 不等的 Hits@3 的相對性能提升。最后,本文作者指出,根據(jù)每個復(fù)雜查詢原子的中間解,該模型的輸出結(jié)果是可解釋的。 3.EigenGame: PCA as a Nash Equilibrium 【論文作者】Ian Gemp、 Brian McWilliams、Claire Vernade、Thore Graepel 【機構(gòu)】DeepMind 【論文鏈接】https://www.aminer.cn/pub/5f77013191e011f31b980711/?conf=iclr2021 【代碼鏈接】https://github.com/uclnlp/cqd 【論文摘要】在本文中,作者提出了一種新穎的視角,將主成分分析(PCA)視為一種競爭博弈,其中每個近似特征向量由一個博弈參與者(player)控制,參與者的目標是最大化它們的效用函數(shù)。 本文作者分析了 PCA 博弈的特性以及基于梯度的更新行為的效果。最終,作者提出了一種算法,它將 Oja 學(xué)習(xí)規(guī)則中的元素與廣義「克萊姆施密特」正交化結(jié)合起來,通過消息傳遞自然而然地實現(xiàn)了去中心化與并行化計算。通過在大規(guī)模圖像數(shù)據(jù)集和神經(jīng)網(wǎng)絡(luò)激活上的實驗,作者說明了該算法的可擴展性。作者指出,這種將 PCA 看做可微博弈的新視角將引發(fā)進一步的算法發(fā)展,并帶來更深的理解。 更多論文信息,請移步AMiner-ICLR2021會議系統(tǒng)頁面:https://www.aminer.cn/conf/iclr2021/papers |
捐助貴賓 (文學(xué)泰斗)
捐助貴賓 (文學(xué)泰斗)
| 4 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 化工專碩348,一志愿985求調(diào)劑 +8 | 弗格個 2026-02-28 | 11/550 |
|
|---|---|---|---|---|
|
[考研] 一志愿中科大能動297求調(diào)劑,本科川大 +3 | 邵11 2026-03-03 | 3/150 |
|
|
[考研] 環(huán)境工程學(xué)碩288求助調(diào)劑 +5 | 多吃億口芝士 2026-03-02 | 5/250 |
|
|
[考研] 材料學(xué)碩318求調(diào)劑 +11 | February_Feb 2026-03-01 | 11/550 |
|
|
[考研] 085600材料與化工調(diào)劑 280分 +9 | yyqqhh 2026-03-03 | 9/450 |
|
|
[考研] 278求調(diào)劑 +3 | 滿天星11_22 2026-03-02 | 3/150 |
|
|
[考研] 化學(xué)0703求調(diào)劑 學(xué)碩 理/工科均可 總分279 +3 | 1一11 2026-03-03 | 5/250 |
|
|
[考研] 調(diào)劑 +5 | 13853210211 2026-03-02 | 7/350 |
|
|
[考研] 調(diào)劑材料學(xué)碩 +4 | 詞凝Y 2026-03-02 | 4/200 |
|
|
[考研]
|
好好好1233 2026-02-28 | 16/800 |
|
|
[考研] 321求調(diào)劑一志愿東北林業(yè)大學(xué)材料與化工英二數(shù)二 +5 | 蟲蟲蟲蟲蟲7 2026-03-01 | 9/450 |
|
|
[考研] 261求調(diào)劑 +3 | 陸lh 2026-03-01 | 3/150 |
|
|
[考研] 一志愿鄭大材料學(xué)碩298分,求調(diào)劑 +6 | wsl111 2026-03-01 | 6/300 |
|
|
[考研] 調(diào)劑 +3 | 13853210211 2026-03-02 | 4/200 |
|
|
[基金申請]
|
Doma 2026-03-01 | 7/350 |
|
|
[碩博家園] 博士自薦 +7 | 科研狗111 2026-02-26 | 11/550 |
|
|
[考研] 291分工科求調(diào)劑 +9 | science餓餓 2026-03-01 | 10/500 |
|
|
[考博] 26申博 +4 | 想申博! 2026-02-26 | 6/300 |
|
|
[考研] 313求調(diào)劑 +3 | 水流年lc 2026-02-28 | 3/150 |
|
|
[考研] 304求調(diào)劑 +3 | 52hz~~ 2026-02-28 | 5/250 |
|