学界丨先睹为快：神经网络顶会ICLR 2018论文接受结果速览

今天早晨，ICLR 2018的论文接受结果揭晓，咱们就带你们来大体了解一下今年ICLR 2018的论文接受概况。

ICLR全称International Conference of Learning Representation，是由Lecun，Hinton和Bengio三位神经网络的元老联手发起的。近年来随着深度学习在工程实践中的成功，ICLR会议也在短短的几年中发展成为了神经网络的顶会。

论文接受率：

2.3%的口头展现，31.4%的poster接受，9%的workshop，51%拒绝。

ICLR口头展现论文速览：

ICLR口头论文中一大半的论文会成为ICLR Best paper，同时也表明了2018年的研究方向，下面咱们就简单的介绍一下今年的oral论文，因为ICLR会议的论文范围较广，方向比较新，咱们也不可以作到面面俱到。

Wasserstein Auto-Encoders （Max Planck Institute）

这篇论文提出了在Variation Auto-Encoder中使用Wasserstein距离进行度量，从而第一次让VAE可以产生跟Generative Adversarial Network比肩的效果。而且WAE在理论上面联系了VAE和GAN。是一篇不可多得理论与实践兼得的好论文。WAE产生的图像以下图：

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，立刻就要抢光了。

Spherical CNNs (阿姆斯特丹大学Max Welling组)

卷积神经网络只可以在2D planar图像中使用，可是近年来不少问题如机器人运动，自动驾驶须要对spherical image进行分析。传统的方法是将spherical image投影到2D planar图像，可是这个过程会产生distortion，以下图：

因而做者提出了spherical CNN。Spherical CNN经过傅立叶变换来避免过分的计算。经过傅立叶变换来实现spherical CNN的示意图以下：

相信本篇论文提出的spherical CNN可以在自动驾驶，机器人运动的任务中获得普遍的应用。