本文的方法适用于任何规模或拓扑结构的有向和无向网络描述，和管理整个系统的非平衡演化。

在本论文中，定义了无标度网络的不同衡量尺度，并将其应用于近1000个社会、生物、技术、交通和信息等网络中，对其无经验性进行了严格的检验。

ViLBERT代表了一种转向：从将学习视觉和语言之间的基础知识仅作为任务训练的一部分，转向将视觉基础知识作为一种可预训练和可迁移的能力。

本文介绍了一个大型众包文本冒险游戏研究平台。

该论文在半空间学习上取得了显著进展。作者研究了存在Massart噪声的半空间（halfspaces）分布独立的PAC学习问题。

这篇文章提出了利用神经网络对有关节、可变形的三维模型进行估计的方法，与传统方法相比，NASA具有复杂度低、模型水密性好、分辨率高、模型估计效果好等优势。

今天我们整理了NeurIPS 2019上十篇机器学习领域的论文，这些论文来自谷歌、Facebook、普林斯顿大学、斯坦福大学等团队的最新研究成果，供大家参考学习。

近日， 图灵奖得主Yoshua Bengio在NeuIPS 2019带来一场题为《From System 1 Deep Learning To System 2 Deep Learing》的报告，提到了几个非常有意思的观点。

小脉星探命中六位学者

威斯康辛大学麦迪逊分校、马普所获杰出论文。

两篇近年来知识图谱领域高引论文解读奉上。

本文的XLM-R(XLM-RoBERTa)证明了使用大规模多语言预训练的模型可以显著提高跨语言迁移任务的性能。XLM-R在技术上等同于XLM+RoBERTa，在数据上使用100种语言、2.5TB文本数（CommonCrawl项目爬取的）进行训练。