这 8 份「Paper + Code」，你一定用得上 | PaperDaily #08
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。
在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。
点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。
这是 PaperDaily 的第 7 篇文章[ 自然语言处理 ]@paperweekly 推荐
#Semantic Parsing
一个非常快的 semantic parsing 工具，工作来自 Google。
@wangmuy 推荐
#Sequence Labeling
通过超过 50000 次实验，综合评价序列标注任务（POS，Chunking，NER，Entities，Events）中的超参数作用。将比较有名的序列标注都实现了一遍，并大量实验求证超参数的作用。
@jamiechoi 推荐
#QA
目前 coco leaderboard 第二名，来自微软的论文。 提出了自下而上（bottom-up）和自上而下的 attention (top-down) 机制。其中 bottom-up 是利用 Faster R-CNN 提出图像区域，每个区域都具有相关联的特征向量，而 top-down 的机制确定特征的权重。
[ 计算机视觉 ]@Gapeng 推荐
#GAN
NVIDIA 新作，更稳定的 GAN 训练，以及更高分辨率的图像生成，1024*1024 超高分辨率的 CelebA 图像生成。
@corenel 推荐
#Data Augmentation
提出了一种不需要特定领域知识的数据扩增的方法，能够生成大量标记样本，并且不损失类别信息。按文中所说，确实能够提升一定的分类模型的精度。
@falconwj 推荐
#Image Denoising
将图像降噪问题与高级视觉问题联系在一起，有针对性的对不同图像内容进行不同程度的降噪。解决了现有手法（BM3d）在 texture 图像降噪上的过处理问题。
@paperweekly 推荐
#Deep Reinforcement Learning
EMNLP 2017 论文，通过增强学习的方法来做 NMT，提出了一种 actor-critic 与 encoder-decoder 结合的框架。
@datou 推荐
#RNN
文章是在 GRU 的基础上做了两个修改，一是将参数矩阵 U 变为正交矩阵，而是将 tanh 改为论文提的 modelRELU，对于某些实验有较明显的提高。
本文由 AI 学术社区 PaperWeekly 精选推荐，社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向，点击「阅读原文」即刻加入社区！
游戏时间
GAN 还是不 GAN？
GAN主题论文共读小组
论文提名√在线投票√论文共读√
活动形式：语音直播 + 协同批注
游戏规则
1. 自由推荐任何与GAN有关的论文
2. 投票支持你想读的论文
3. 每周六根据投票结果选出本期论文
长按识别二维码，马上报名
*添加好友请注明“GAN”
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。