本周關鍵詞：圖采樣、3D結構、增強學習
本周最佳學術研究
從手繪草稿重建3D形狀
研究人員稱，這是首次有關從單視圖手繪重建3D形狀的研究。他們建議使用合成草圖進行訓練，并引入标準化子產品來處理資料不足的問題并豐富草圖的樣式。該模型被證明能夠成功地将不同視圖和不同類别的自由手繪重建為3D形狀。他們希望這項研究可以在基于手繪的3D設計或遊戲等應用中釋放更多手繪的潛力，使大衆更容易使用它們。
原文：
https://arxiv.org/abs/2006.09694v1用于圖采樣的Python庫
采樣圖是資料挖掘中的一項重要任務。本文的研究人員提供了名為Little Ball of Fur的Python庫，其中包含了二十多種圖采樣算法。他們的目标是使大量專業人員、研究人員和學生可以在一個簡化的架構中使用基于節點、邊緣和探索的網絡采樣技術。
他們着重于建立一個具有一緻的應用程式公共接口的架構，這個接口具有便利的設計、通用的輸入資料要求以及合理的算法基線設定。本文通過示例性代碼片段詳細概述了架構設計基礎，還通過估算多種社交網絡和網絡圖的全球統計資料，證明了該庫的實用性。實驗表明，Little Fur of Fur 庫可以大大加快節點和整個圖形的嵌入技術，并且隻略微降低提煉特征的預測值。
https://arxiv.org/abs/2006.04311v13D形狀中可學習的變形
Brain、加州大學伯克利分校和斯坦福大學的研究人員近期聯合釋出的這篇論文提出了一種基于流的模型，名為ShapeFlow模型。該模型可用于學習3D形狀的所有類的變形空間，盡管這些類具有較大類内差異。
ShapeFlow是一種基于流的模型，能夠通過使用變形流來建構高品質的形狀空間。研究人員分析表明，該模型可以避免自相交，并提供多種方式來規範體積、等軸測圖和對稱性等。ShapeFlow可用于對現有模闆變形來重新構造新形狀。目前架構的一個主要限制是它沒有用于比對形狀的語義監督。未來的方向包括通過對相似的矢量場進行分組來分析幾何形狀的零件結構并探索語義感覺的變形。此外，ShapeFlow可用于在給出示蹤劑觀測值的情況下推斷螺線管流場的逆問題，這是工程實體學中的重要問題。
https://arxiv.org/abs/2006.07982v1用于增強型機器學習的輕量級代碼架構
這項工作提出了ktrain，這是一種用于機器學習的輕量級代碼框。ktrain目前支援對文本、視覺和圖形資料的訓練模型。
作為對TensorFlow Keras架構的簡單包裝，它也足夠靈活，可用于自定義的模型和資料格式。受其他輕量級代碼（和無代碼）開源ML庫（例如fastai和ludwig）的啟發，ktrain希望能夠讓資料科學的初學者和領域專家都能來用它以最少的代碼量建構複雜的機器學習項目，并以此進一步使機器學習“平民化”。而即使是對于需要快速原型化深度學習解決方案的經驗豐富的從業者，它也是一個強有力的工具。
https://arxiv.org/abs/2004.10703v3使用自我監督改進語音表示和個性化模型
在本文中，Google AI為語音相關應用程式的表征學習做出了三點貢獻。首先，他們提出了一種用于比較語音表征的NOn語義語音（NOSS）基準，其中包括各種資料集和基準任務，例如語音情感識别、語言識别和說話者識别。這些資料集可在TensorFlow資料集的“音頻”部分獲得。
其次，他們建立并開源了TRIpLet Loss網絡（TRILL），這是一種新模型，其規模很小，可以在裝置上執行和微調，同時仍勝過其他表征形式。第三，他們比較了不同的表征形式并進行了大規模研究，還開源了用于計算新表征形式性能的代碼。
評估NOSS的代碼位于GitHub上，資料集位于TensorFlow資料集上，而TRILL模型位于AI Hub上。
Github：
https://github.com/google-research/google-research/tree/master/non_semantic_speech_benchmarkTensorFlow資料集:
https://www.tensorflow.org/datasets/catalog/overview#audioAI Hub:
https://aihub.cloud.google.com/u/0/s?q=nonsemantic-speech-benchmark https://arxiv.org/abs/2002.12764其他爆款論文
利用離線資料集加速線上強化學習：
https://arxiv.org/abs/2006.09359v1既然我能看見，我就能改進它，在邊緣上啟用CNN資料驅動的微調：
https://arxiv.org/abs/2006.08554v1Raspberry Pi上的Google Assistant和Amazon Alexa：
https://arxiv.org/abs/2006.08220v1當神經網絡無法學習周期函數時我們應該如何修複：
https://arxiv.org/abs/2006.08195v13D斑馬魚跟蹤基準資料集：
https://vap.aau.dk/3d-zef/AI大事件
機器學習的“奧德賽”：專訪Kaggle大師Luca Massaron：
https://analyticsindiamag.com/kaggle-luca-massaron-interview/将公司價值提高到1億美元的人工智能專家Mike Bugembe：
https://www.blackenterprise.com/mike-bugembe-artificial-intelligence-got-company-sold-100-million/李開複表示，美國在人工智能應用領域正在趕超中國：
https://time.com/5851734/kai-fu-lee-ai-us-catching-up-to-china/拉籌伯大學使用人工智能為癌症患者提供心理健康護理：
https://www.zdnet.com/article/la-trobe-university-uses-ai-to-bring-mental-health-care-to-cancer-patients/![筆試面試題目：滑動視窗(二)[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)