每日论文 | 深度学习在医学图像处理中的应用；用较少数据进行密度估计；低成本神经架构搜索GHN

1

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

2

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

3

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