NIPS 2018最優秀賞論文】トロント大学発 ： 中間層を微分可能な連続空間で連結させる、まったく新しいNeural Networkモデル

http://ainow.ai/2018/12/25/159218/

統数チャンネル

https://ch.nicovideo.jp/tousuuken

機械学習 論文キュレーションツール curation tool

arxiv sanity preserver
http://www.arxiv-sanity.com/toptwtr

deeplearn.org
https://deeplearn.org/

Neural Ordinary Differential Equations

Neural Ordinary Differential Equations

Ricky T. Q. Chen*, Yulia Rubanova*, Jesse Bettencourt*, David Duvenaud University of Toronto, Vector Institute Toronto, Canada {rtqichen, rubanova, jessebett, duvenaud}@cs.toronto.edu 

Abstract 

We introduce a new family of deep neural network models. Instead of specifying a discrete sequence of hidden layers, we parameterize the derivative of the hidden state using a neural network. The output of the network is computed using a blackbox differential equation solver. These continuous-depth models have constant memory cost, adapt their evaluation strategy to each input, and can explicitly trade numerical precision for speed. We demonstrate these properties in continuous-depth residual networks and continuous-time latent variable models. We also construct continuous normalizing flows, a generative model that can train by maximum likelihood, without partitioning or ordering the data dimensions. For training, we show how to scalably backpropagate through any ODE solver, without access to its internal operations. This allows end-to-end training of ODEs within larger models. 

https://arxiv.org/pdf/1806.07366.pdf

どんな外国語でも半年でマスターしてしまう方法 | クリス・ロンズデール | TEDxLingnanUniversity

Rethinking Statistical Learning Theory: Learning Using Statistical Invariants Vladimir Vapnik

ゲームで大学数学入門―スプラウトからオイラー・ゲッターまで― 

• 安田 健彦著

	2,300円 紹介するゲームはボードゲーム，カードゲーム，パズルゲームなどのローテク・ゲームが中心となっており，1940年代に登場したものから，21世紀に入ってから出現したものまで，幅広くとりあげられている。基本的に一つのゲームにつき，トポロジー，体，高次元空間，線形代数，射影平面，オイラー数，多様体，測度といった一つの数学のコンセプトを紹介していく。

https://www.kyoritsu-pub.co.jp/bookdetail/9784320113442