每日论文 | 高效推理框架VBMC；深度学习在图像去噪中的应用总结；元学习应用总结

1

Variational Bayesian Monte Carlo

计算机科学和机器学习中的很多模型都有“黑箱”特征，可能无法使用常规的方法进行贝叶斯推理，例如MCMC，需要了解梯度或进行大量可能性评估。在这篇论文中，我们提出了一种新型的高效采样的推理框架，称为Variational Bayesian Monte Carlo（VBMC），结合了基于高斯过程的变分推理和动态采样贝叶斯求积法。我们的方法产生了后验分布的非参数近似和模型证据的近似下限，对模型的选择非常有用。

地址：https://arxiv.org/abs/1810.05558

2

Deep Learning for Image Denoising：A Survey

在这篇论文中，我们总结了近些年，深度学习技术在图像去噪中的应用技术。另外，我们还系统地分析了传统用于图像去噪的机器学习技术。最后，我们为深度学习在去噪上未来的应用指明了方向。

地址：https://arxiv.org/abs/1810.05052

3

Meta-Learning：A Survey

元学习是系统观察机器学习方法有何不同的科学方法，它是机器学习以及神经架构设计中重要的组成因素。这篇论文同样是总结类型的文章，回顾了目前该领域最先进的元学习算法。

地址：https://arxiv.org/abs/1810.03548