Paraphrase Thought：Sentence Embedding Module Imitating Human Language Recognition
句子嵌入式NLP领域的重要话题，不同的句子嵌入模型在文本情感分析、句子分类等任务中都有很好的标签。但是由于文本分类或情感分析可以通过简单的句子表示方法提高，所以这些模型不能完全反映句意。这篇论文受人类语言认知的启发，作者提出了一种语义一致性的概念，即相似的句子应该在嵌入空间中位于相近的位置。并提出了名为Paraphrase Thought的概念，尽可能地追求语义的连贯。
地址：https://arxiv.org/abs/1808.05505
2
Deeper Image Quality Transfer：Training Low-Memory Neural Networks for 3D Images
深度学习在处理3D、高分辨率、多通道的医学影像时常需要大量内存。这篇论文的作者使用高效的内存反向传播技术，减少了神经网络训练时的内存复杂性，与之前相比提高了内存，将均方根误差减少了13%。
地址：https://arxiv.org/abs/1808.05577
3
Combining time-series and textual data for taxi demand prediction in event areas：a deep learning approach
精准的时间序列预告对交通、能源、金融、经济等领域都非常重要。但是现代技术都是通过时间数据来建立预测模型，通常忽略了非结构化文本之下有价值的信息。本篇论文的作者提出了两种深度学习架构，利用词嵌入、卷积层和注意力机制结合了文本信息和时序数据。并将这两种架构用在纽约的出租车需求预测上，结果发现模型能有效减少错误的预报。
原文标题：每日论文 | UCL提出更省内存的图像迁移训练；结合时序数据和文本信息精准预测；模拟人类语言让语义更连贯
