机器之心深度研学社每周干货：2017年第25周

Synced 深度研学社 每周干货，每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少，每周进步一点点~

【入门资料】Neural Networks

by Rohit Mundra, Amani Peddada, Richard Socher, Qiaojing Yan

这是斯坦福CS224n中的一份课堂笔记，主要介绍了neural network的基础知识。首先介绍的是单层和多层神经网络，以及如何将其运用到分类问题上。其次介绍了如何使用反向传播和chain rule。接下来介绍了一些实用的训练neural network的技巧，如neuron units (non-linearities), gradient checks, Xavier parameter initialization, learning rates, Adagrad等。 最后介绍了recurrent neural networks如何做语言模型。

【技术分析】Adversarial Learning for Neural Dialogue Generation

by Jiwei Li, Will Monroe, Tianlin Shi

这篇论文介绍了GAN如何完成自然语言生成的任务，作者将其视为一个强化学习问题，双方分为人类和机器。此外，作者介绍了他们对adversarial evaluation的研究和在不同标准下的测试。

【资源分享】Deep Learning for NLP with Pytorch

by Chengxi Ye, Chen Zhao, Yezhou Yang, Cornelia Fermüller, and Yiannis Aloimonos

这是一个基于Matlab的深度学习框架，包括了常见的CNN、RNN以及reinforcement learning，支持CPU和GPU两种训练模式，简单灵活。