A Gentle Introduction to Deep Learning in Medical Image Processing
这篇论文总结了深度学习在医学图像处理中的应用,首先,研究人员介绍了为什么深度学习如此受欢迎,接着,他们回顾了神经网络的基础知识。最后,他们讨论了深度学习方法的未来以及如何解决目前面临的问题。
地址:https://arxiv.org/abs/1810.05401
Density Estimation on Small Data Sets
如何通过有限的采样数据估计平滑概率分布,同时精确测量不确定性?在这篇论文中,我们提出了一种场理论方法,在一个维度上很好地解决了这一问题。它提供了一种精确的分参数贝叶斯后验,无需依赖可调参数或大数据估值。强大的非高斯约束在减少不确定分布方面起到了很大作用。
地址:https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.121.160605
Graph HyperNetworks for Neural Architecture Search
神经架构搜索(NAS)能自动找到最适合任务的网络结构,比很多手动设计的网络表现出色。但是,这样的成本很高。在这篇论文中,我们提出了图形超网络(GHN),降低搜索成本。他可以直接在一个图形神经网络上进行推理,生成权重,比一般的超网络预测的更精确。
地址:https://arxiv.org/abs/1810.05749