学界 | DeepMind 连发两文：从可微分界树构建深度最近邻表征到合成梯度与解耦神经接口的深入研...

文章预览

选自arXiv.org 机器之心编译 参与：蒋思源 近日 DeepMind 连发两篇论文，其都注重于开发一种更加高效、可解释的模型或算法。其中机器之心重点关注了 DeepMind 使用深度学习构造高效、可解释的最近邻分类树，初步了解了边界树及其变换构造深度最近邻表征。其次 DeepMind 发表了合成梯度 (SG) 与解耦神经接口 (DNI) 深入研究，并表明了 SG 的并入并不会影响神经网络学习系统的表征强度。 论文：Learning Deep Nearest Neighbor Representations Using Differentiable Boundary Trees 论文地址：https://arxiv.org/abs/1702.08833 摘要 随着计算机硬件水平的进步和算法效率的提升，K 近邻（K-Nearest neighbor/kNN）法近年来已经越来越受到欢迎。如今机器学习模型有很多算法可以选择，每一种都有其自身的长处与短处 ………………………………