學界丨先睹爲快：神經網絡頂會ICLR 2018論文接受結果速覽

今天早晨，ICLR 2018的論文接受結果揭曉，咱們就帶你們來大體瞭解一下今年ICLR 2018的論文接受概況。

ICLR全稱International Conference of Learning Representation，是由Lecun，Hinton和Bengio三位神經網絡的元老聯手發起的。近年來隨着深度學習在工程實踐中的成功，ICLR會議也在短短的幾年中發展成爲了神經網絡的頂會。

論文接受率：

2.3%的口頭展現，31.4%的poster接受，9%的workshop，51%拒絕。

ICLR口頭展現論文速覽：

ICLR口頭論文中一大半的論文會成爲ICLR Best paper，同時也表明了2018年的研究方向，下面咱們就簡單的介紹一下今年的oral論文，因爲ICLR會議的論文範圍較廣，方向比較新，咱們也不可以作到面面俱到。

Wasserstein Auto-Encoders （Max Planck Institute）

這篇論文提出了在Variation Auto-Encoder中使用Wasserstein距離進行度量，從而第一次讓VAE可以產生跟Generative Adversarial Network比肩的效果。而且WAE在理論上面聯繫了VAE和GAN。是一篇不可多得理論與實踐兼得的好論文。WAE產生的圖像以下圖：

我有幾張阿里雲幸運券分享給你，用券購買或者升級阿里雲相應產品會有特惠驚喜哦！把想要買的產品的幸運券都領走吧！快下手，立刻就要搶光了。

Spherical CNNs (阿姆斯特丹大學Max Welling組)

卷積神經網絡只可以在2D planar圖像中使用，可是近年來不少問題如機器人運動，自動駕駛須要對spherical image進行分析。傳統的方法是將spherical image投影到2D planar圖像，可是這個過程會產生distortion，以下圖：

因而做者提出了spherical CNN。Spherical CNN經過傅立葉變換來避免過分的計算。經過傅立葉變換來實現spherical CNN的示意圖以下：

相信本篇論文提出的spherical CNN可以在自動駕駛，機器人運動的任務中獲得普遍的應用。