Facebook加入
LINE加入
2021/12/25
眾所周知，人工智慧研究的進步正在影響技術革新。
人工智慧研究團隊正在解決一些頂尖的技術問題，如軟體和硬體的設施，理論以及演算法。有趣的是，人工智慧領域的研究也吸引了很多非技術領域的同仁。
舉個恰當的例子——演過大量電影的好萊塢演員克里斯汀·斯圖爾特大力宣傳的人工智慧論文，最早發表在康奈爾大學運營的在線研究資料庫。斯圖爾特與美國詩人以及文學評論DavidShapiro以及Adobe公司研發工程師BhautikJoshi.共同寫了這篇論文：
「a computational approach to edge detection 邊緣檢測的計算方法」
重點是，這篇有關人工智慧的論文講述的是，運用到她短篇電影「Come Swim」里的風格轉移技術。然而斯圖爾特的反對者反駁這篇被認為是「高級案例」。同時，學術界充斥著關於人工智慧開創性研究論文的不同意見。
印度雜誌的分析者列出人工智慧相關論文被引用最多的，能夠在技術或者應用給出一定視角的科學論文，如機器智能，和計算機視覺。大多數的這些論文被選取基於每一條的引用價值。其中的部分文章考慮了具有高度有影響的引用數量(HIC)和引用速度(CV)。引用速度是過去三年每年引用數量的加權平均數。
關於邊緣檢測的計算方法，早在1986年John Canny寫作了這篇論文並發表，被引用9724次。這個方法的成功被定義為一組廣泛的計算邊緣點的目標集合。這些目標必須足夠精確區分探測器的期待行為當做出關於解決方案形式的最小假設。
除此之外，這篇論文也展示了一個通用的方法為了從細緻到粗糙整合來自不同數量級的操作符信息，被稱為特徵合成。這個方法幫助樹立邊緣探測器的表現極大地進步因為符點擴散功能被延長到邊緣這一事實。
下載地址：
這個研究論文是John McCarthy, Marvin L. Minsky, Nathaniel Rochester, ClaudeE.Shannon合寫並且發表於1955年。這個夏季研究提案是第一篇使用「人工智慧」術語的論文。這個提案邀請了研究者到達特茅斯會議，被廣泛認為「人工智慧的誕生」。
下載地址：
這篇論文是Nobuyuki Otsu撰寫並發表在1979年。迄今為止，被引用7849次。通過本文，Otsu討論了圖片分割自動閾值選擇的無參數和非監督式方法。
這篇論文深入探究了如何通過不同的標準選擇最優化閾值，從而最大化灰度結果分類的分割性。這個過程只利用灰色直方圖第0或者1階積累矩。這個方法可以輕易地被應用到多閾值問題。本文通過展示幾個實驗結果驗證該方法。
下載地址：
通過減少內部協變數轉變加速深層網路訓練：這篇2015年的文章是Sergey loffe和Christian Szegedy合寫的。這篇論文被應用946次並且HIC分數為56分。
本文討論訓練深層神經網路會被複雜化，是由於訓練時每一層輸入的分佈會隨前面每一層參數的變化而變化。這個現象被定義為「內部協變數的轉變」。這個問題被歸一化層輸入解決。
當應用於先進的圖像分類模型批量歸一化只需要14次甚至更少訓練步驟就可以達到相同的精確度。換句話說，批量歸一化比原始模型有明顯的優勢。
下載地址：https://arxiv.org/abs/1502.03167v3
何凱明，張翔宇，任少卿合著。本文被引用1436次，高度影響力引用次數137，引用速度為582.作者深入討論了殘留學習框架簡化比之前使用的要更深層的深層神經網路訓練。
另外，研究論文明確地用層作為學習剩餘功能參照層輸入，而不是學習無參考函數。
這篇論文也深入研究全面的經驗證據是如何表明這些殘餘網路更容易優化，大幅提高深度準確性。
下載地址：
這個文章是David G. Lowe寫於2004年。這篇文章收到21528次引用。它探索了從圖像提取不同的不變的特徵的方法。這些可以被應用到展示在不同視角之間一個目標或者場景的可靠匹配。圖像大小和旋轉，這些特徵是不變的，這些特徵展示出在很大範圍內的仿射畸變， 3D觀點改變，添加噪音以及光照的改變提供強大的匹配。
另外，本論文還深入研究了圖像識別中利用這種特徵的方法。這種方法幫助在混亂和閉塞中確定目標當實現實時展示。
下載地址：
這篇論文由Nitish Srivastava, Geoffrey Hinton, AlexKrizhevsky, Ilya Sutskever,and Ruslan Salakhutdinov合著於2014年。這篇論文被應用2084次，HIC分數為142，引用速度為536。具有大量參數的深層神經網路是很強大機器學習系統。然而，過度擬合是這樣的網路中非常嚴重的問題。這篇文章的核心是從訓練神經網路中丟棄一些單元以及它們的鏈接，從而阻礙過多單元共同進化。這顯著地幫助減少過度擬合，提供關於其他正則化方法的主要改進。
下載地址：
▍決策樹介紹
作者是J.R.Quinlan，這篇科學論文起初發表在1986年並且總結了被用於多樣的系統的合成決策樹的方法。這篇論文具體描述了這樣一個系統，ID3。另外，這篇論文討論了基礎演算法的已報告的缺點以及克服缺點的兩種方法的比較。總結這篇論文，作者用圖解展示了當前研究的方向。
下載地址：
▍卷積神經網路在大規模視頻分類中的應用
這篇2014年的文章由6位作者，Andrej Karpathy, George Toderici, Sanketh Shetty, Thomas Leung, RahulSukthankar, 和李飛飛合著。這篇論文被引用865次，反映在HIC分數為24，引用速度為239。
卷積神經網路被證明為一個強大的有關圖像識別問題的分類模型。這些結果鼓勵作者提供一個關於大範圍視頻分類卷積網路的廣泛的經驗性估計。這是通過使用新的數據集，100萬youtube視頻分為487類，完成的。
下載地址：
▍智能系統的概率推理：合理的推理網路
這篇論文發表於1988年。Judea Pearl是這篇文章的作者。這篇論文展示了一個完整的並且可獲得的理論基礎以及計算方法,在不確定性下為合理的推理打下基礎。
Pearl提供一個連貫的概率說明作為有部分信仰的推理的語言以及提供一個在其他人工智慧接近不確定性的統一的視角，例如Dempster-Shafer形式主義，事實維護系統以及非單調邏輯。
下載地址：https://pan.baidu.com/s/1qYFepJY
招聘 志願者
希望你有穩定輸出的時間，英文能力佳，從業者優先。
加入「AI從業者社群」請備註個人信息
添加小雞微信 liulailiuwang
熱門推薦
留言回覆
