COS每周精選：算法學習知哪些？

本期投稿：謝益輝 王威廉   冷靜   王小寧

編輯：王小寧

算法

K-means是最常用的聚類算法之一：容易理解，實現不難，雖然會有local optimum，但通常結果也不差。但k-means也不是萬金油，比如在一些比較復雜的問題和非線性數據分布上，k-means也會失敗。普林斯頓博士 David Robinson寫了一篇不錯的分析文章，介紹了幾種k-means會失效的情形。

基于遺傳算法的小車模擬， 還有遺傳算法的行者，看著有一大撥僵尸來襲的感覺、遺傳算法的貓。

小編注： 性格捉急的人千萬不要盯著看太久，十分鬧心，會瘋掉的，不過可以把這個轉發給你的小伙伴們，小編保證這算法進化兩個小時這只貓也跳不過去）

人工智能

Popsci寫了一篇不錯的文章批評媒體近期關于《人工智能將會摧毀人類》之類制造恐慌的報道。Popsci認為這么寫純粹是為了吸引讀者眼球，并且很犀利的指出這些媒體拿Elon Musk與霍金這些非人工智能研究者來講AI的世界末日學說，純粹是制造恐慌。

麻省理工學院NIKHIL BUDUMA寫的Recurrent Neural Nets及LSTM介紹，沒什么數學，就是講的比較符合直覺，容易理解。

谷歌科學家、Hinton親傳弟子Ilya Sutskever的深度學習綜述及實際建議及實際建議 ，比較喜歡其中關于tricks的建議， 包括data, preprocessing, minibatches, gradient normalization, learning rate, weight initialization, data augmentation, dropout和ensemble。

《魯棒及有益的人工智能優先研究計劃：一封公開信》目前已經有Stuart Russell, Tom Dietterich, Eric Horvitz, Yann LeCun, Peter Norvig, Tom Mitchell, Geoffrey Hinton, Elon Musk等人簽署。