Paper 研习社本周论文推荐精选 | 第五期

Paper 研习社新功能上线啦！

大家除了浏览或者参与论文推荐，还可以一键打包下载论文合集，针对长期更新的论文合集，你能通过系统消息第一时间收到更新的通知，让你的科研的道路上，绝不慢人一步！

Paper 研习社本周论文推荐精选 | 第五期

点击链接迅速跳转论文集下载界面：

https://paper.yanxishe.com/library?from=leiphonecolumn

「本周论文推荐精选」是 Paper 研习社推出的全新栏目，展现社友们在研习论文的过程中，推荐自己所阅读到的优秀论文，帮助大家一起学习、讨论每个领域最新、最精彩的学术论文。

①

#线性回归模型# #计算机图形技术#

基于计算机图形技术的艺术品定价

推荐理由：这篇论文要解决的是艺术品定价的问题。

这是出自北大汇丰商学院的工作，首次尝试了使用计算机图形学技术来进行艺术品的定价。不过这篇论文并没有用到复杂的深度神经网络或其他机器学习模型，而是最常见的线性回归模型，只不过在模型的输入变量中除了尺寸、材料、署名等绘画的基本信息外，还用到了作者自己定义的线条和颜色的方差（用来衡量画作的精致程度，以及被仿造的难度），而加入这些方差确实能够更好地拟合艺术品的成交价格。

看标题会让人以为会是一篇很有趣的论文，因为艺术的抽象和人们对艺术品的欣赏因人而异的特点，使得艺术品定价其实存在很大的不确定性。不过这篇论文只是计算机视觉技术在艺术品定价方面的一个小小的尝试，并没有用到很多很复杂的模型，还有待之后的研究继续探索。

论文链接：https://paper.yanxishe.com/review/682?from=leiphonecolumn

推荐人：琴•福克纳（清华大学信息与通信工程专业，Paper 研习社特约作者）

②

#深度学习#

卷积神经网络研究进展

推荐理由：本论文是对近几年来卷积神经网络CNN发展的综述，卷积神经网络作为深度学习中最为重要的基础模型之一，在众多领域卷积神经网络已经取得了成功，近些年来随着深度学习的发展，卷积神经网络变得越来越深，提出了众多的改进模型，本文就是对其进行总结，不夸张的讲看完这篇论文，卷积神经网络应该是没问题了。

论文链接：https://paper.yanxishe.com/review/814??from=leiphonecolumn

推荐人：Magic（燕山大学计算机机，Paper 研习社特约作者）

③

#监督学习#

在基于技巧的纸牌游戏中改进对监督学习的搜索

推荐理由：1、解决问题：在非完备游戏中的采样，更真实的采样方法

2、创新点：非完备信息Skat的应用，得到了更强的Skat bot；

使用人类玩家数据，采用深度NN对单个卡牌位置预测

3、研究意义：

对Ai在非完备信息领域的探索，以及更细分领域（Trick-base）游戏的解决方案的创新。

论文链接：https://paper.yanxishe.com/review/235?from=leiphonecolumn

推荐人：Simon-xc