地址:广东省广州市番禺经济开发区
QQ号:32659596
电话:0898-66889888

Google AI再定义设备端机器学习,DNNs智能手机端实现实时运行 | AI一周学术

作者:www.jlxtzx.org 发布于:2019-05-18 15:19 文字:【大】【中】【小】

  通过形状匹配GAN实现快速可控的艺术文本风格转换。

  这就是对图像领域中的分类任务进行对抗式重新编程的演示。类似的攻击在音频、视频、文本或其他方面能成功吗?以RNNs的对抗式重新编程为例——攻击者只需要在RNN中找到用于执行简单操作的输入,就可以重新编程模型来执行任何计算任务。

  Christopher Dossman是Wonder Technologies的首席数据科学家,在北京生活5年。他是深度学习系统部署方面的专家,在开发新的AI产品方面拥有丰富的经验。除了卓越的工程经验,他还教授了1000名学生了解深度学习基础。

  专栏作者介绍

Google AI再定义设备端机器学习,DNNs智能手机端实现实时运行 | AI一周学术

  原文:

  Google AI 发布了OpenImage V5,并同时发布了OpenImage ChallengeICCV2019

  随着人工智能的不断发展,认识到技术的进步可能带来的潜在挑战,并努力找到减轻或抵御这些挑战的可能方法,对人工智能的未来十分重要。

  AI新闻

  下一代MobileNetV3定义

  https://arxiv.org/abs/1905.00877v2

  如果你发现了对抗性示例,恭喜你,从现在开始它们不再是bug

  每周更新,做AI科研,每周从这一篇开始就够啦!

  在此过程之后,研究人员创建了两个新的MobileNet模型:MobileNetV3-Large和MobileNetV3-Small,分别针对高资源和低资源的使用情况。然后对模型进行调整并应用于对象检测和语义分割任务。

  研究人员发现,经过训练的神经网络可以被重新编程来分类排列的图像,这些图像不保留任何原始的空间结构,这表明跨领域重新编程是可能的。他们还发现,经过训练的神经网络比随机系统更容易受到对抗式重新编程的影响,即使在数据结构与主要任务中的数据结构差异很大的情况下,重新编程仍然是成功的。

  针对神经网络的对抗式再编程

  在移动设备上高效执行DNN的新框架:实现智能手机上所有DNNs的实时运行。

  如果一个特别设计的输入可以重构整个机器学习系统,攻击者将会达到难以预料的可怕效果。例如,攻击者很容易窃取计算资源或执行违反云服务编程的任务。所有这一切都表明了对抗式重新编程可能给人工智能系统带来的潜在威胁。

  BERT启发掩码序列对基于编码器的语言生成任务进行预序列训练。https://arxiv.org/abs/1905.02450v1

Google AI再定义设备端机器学习,DNNs智能手机端实现实时运行 | AI一周学术

  原文:

  https://openreview.net/pdf?id=Syx_Ss05tm

  此外,从可解释性的角度来看,只要模型依赖于非鲁棒特征,就不可能期望模型解释既对人类有意义又完全依据模型。为了获得可解释和强大的模型,需要人类进行先验后,再进行模型训练。

  他们通过明确地解释标准数据集中鲁棒的和非鲁棒的特征,为他们的假设提供了支持。此外,他们表明单独的非强大功能对于良好的推广是令人满意的。

  本研究论文中的研究结果似乎得出结论,只有在采用鲁棒训练时,分类器才能学习完全准确且完全稳健的决策边界。因此,鉴于这些元素存在于真实世界的数据集中,分类器利用在人类选择的相似概念下恰好是非鲁棒的高度预测特征应该不足为奇。

  半监督式学习已经证明,它是利用未标记的数据来减轻机器学习对大型标记数据集依赖的一种强有力的方法。谷歌的一组研究人员已经通过对目前领先的半监督学习方法的整合而提出了一种新的算法,即MixMatch.新算法的工作原理是通过猜测新增未标记数据的低熵标签并通过MixUp混合已标记和未标记数据.

Google AI再定义设备端机器学习,DNNs智能手机端实现实时运行 | AI一周学术

  https://arxiv.org/abs/1905.01330v1

  其他爆款论文

  更加现实的人机对话。

  https://ai.googleblog.com/2019/05/announcing-open-images-v5-and-iccv-2019.html

  本周热门学术研究

  https://arxiv.org/abs/1905.02175v2

  目前,MixMatch可以帮助我们实现更好的差别隐私交易中的准确性和私密性。

Google AI再定义设备端机器学习,DNNs智能手机端实现实时运行 | AI一周学术

  https://arxiv.org/abs/1905.02244v1

  TensorNetwork:用于物理和机器学习的开源库,允许用户轻松地构造和操作tensornetwork.

  原文:

  MobileNetV3通过结合使用NetAdapt算法补充的硬件感知网络架构搜索(NAS)调整到移动电话CPU,然后通过尖端架构改进进行性能提升。

  https://arxiv.org/abs/1905.01354v1

  https://arxiv.org/abs/1905.00571v1

  https://arxiv.org/abs/1905.01641

  https://ai.googleblog.com/2019/05/announcing-open-images-v5-and-iccv-2019.html

  2017年,GoogleAI宣布发布了MobileNets,这种计算机视觉模型旨在于考虑设备或嵌入式应用程序资源受限的情况下,有效并最大限度地提高准确性。现在,研究人员发布了MobileNetV3,它代表了基于互补搜索技术和新架构设计相结合的下一代MobileNets。

  原文:


永利国际|澳门永利娱乐注册开户|Sitemap1|Sitemap2 粤ICP备1326598号
联系电话:0898-66889888  地址:广东省广州市番禺经济开发区