AI写论文更近一步？联邦学习怎样与通信领域结合( 二 )_

Towards Understanding the Importance of Shortcut Connections in Residual Networks

论文 1：Best Practices for Scientific Research on Neural Architecture Search

作者：Marius Lindauer、Frank Hutter

论文地址：https://arxiv.org/pdf/1909.02453.pdf

摘要：在本文中，研究者展示了一系列用于神经架构搜索（NAS）领域的最佳范例。

推荐：本文提出了很多关于 NAS 方面经典且有趣的应用案例。读者可以根据文中提供出的最佳范例检查清单，形成对自己设计的 NAS 模型的评价体系。

论文 2：A View on Deep Reinforcement Learning in System Optimization

作者：Ameer Haj-Ali、Nesreen K. Ahmed、Ted Willke、Joseph E. Gonzalez、Krste Asanovic 、Ion Stoica

论文地址：https://arxiv.org/pdf/1908.01275v3.pdf

摘要：很多现实世界的系统问题需要推出安装和管理系统所采取措施的长期影响。这些问题具有延迟以及往往循序聚合的奖励，其本身往往是强化学习问题，并且表现出了在深度强化学习中利用最近重大进展的时机。但在一些情况下，深度强化学习为何完美契合这一问题尚不清楚。有时，深度强化学习的性能并不优于 SOTA 解决方案。与此同时，在另一些情况下，随机搜索或贪婪算法（greedy algorithm）的性能优于深度强化学习。在本文中，研究者们回顾、探讨和评估了最近系统优化中使用深度强化学习的趋势，并提出了一组基础指标用以指导将来系统优化中使用深度强化学习的有效性评估。他们的评估包括挑战、问题类型、深度强化学习设置下的问题表达方式、嵌入、使用的模型以及有效性和鲁棒性。论文结尾，研究者讨论了进一步推进系统优化中强化学习融合所面临的挑战和潜在发展方向。