为了帮助各位学术爱好者更好地学习前沿的研究成果和技术，AI科技回复联合Paper研习社（paper.yanxishe.com），推出了一个名为【昔日Paper】的栏目，每天精选关于人工智能的前沿学术论文供您参考学习。以下是近期精选的内容概览：

目录

• 强化学习通过Fenchel-Rockafellar对偶性
• 可扩展的随机微分方程梯度计算
• 利用Transformer模型实现流式自动语音识别
• 复杂压缩传感中的相位重要性
• 在单目视频中转移人体运动和外观
• 生成对象图章
• RoboFly：一种小型昆虫机器人，支持飞行、地面和水面移动
• FrequentNet：一种新的图像分类深度学习基准
• 密集连接的卷积网络
• 在统计课程中引入Git作为版本控制学习目标

---

通过Fenchel-Rockafellar对偶性进行强化学习

论文标题：Reinforcement Learning via Fenchel-Rockafellar Duality
作者：Nachum Ofir / Dai Bo
发表时间：2020年1月7日
论文链接：https://paper.yanxishe.com/review/8517

该论文介绍了Fenchel-Rockafellar对偶性的基本概念及其在强化学习（RL）中的应用。作者展示了如何利用这种对偶性来评估和优化策略，包括在线和离线学习，以及有折扣和无折扣的奖励设置。这项研究提供了一致的方法论，有助于研究人员更好地运用凸对偶工具，推动RL领域的发展。

---

随机微分方程的可扩展梯度

论文标题：Scalable Gradients for Stochastic Differential Equations
作者：Li Xuechen / Wong Ting-Kam Leonard / Chen Ricky T. Q. / Duvenaud David
发表时间：2020年1月5日
论文链接：https://paper.yanxishe.com/review/8518

论文提出了利用伴随敏感度方法来计算随机微分方程（SDE）解的梯度。这种方法能够高效地处理大规模问题，通过高阶自适应求解器实现了梯度的快速计算。作者还将此方法应用于基于梯度的随机变分推断，进一步增强了其应用范围。实验结果表明，该方法在拟合由神经网络定义的随机动力学时表现出色。

---

利用Transformer模型实现流式自动语音识别

论文标题：Streaming automatic speech recognition with the transformer model
作者：Moritz Niko / Hori Takaaki / Roux Jonathan Le
发表时间：2020年1月8日
论文链接：https://paper.yanxishe.com/review/8514

论文探讨了Transformer模型在流式自动语音识别（ASR）中的应用。作者提出了一种基于Transformer的端到端ASR系统，能够在每个口语单词后立即生成输入。该方法使用时间限制的自注意力机制和编码器-解码器注意力机制，实现了在LibriSpeech数据集上的出色性能。

---

复杂压缩传感中的相位重要性

论文标题：The importance of phase in complex compressive sensing
作者：Jacques Laurent / Feuillen Thomas
发表时间：2020年1月8日
论文链接：https://paper.yanxishe.com/review/8513

论文研究了在复杂随机测量的相位中估计实际低复杂度信号的问题。作者指出，当感测矩阵为复高斯随机矩阵时，可以以高概率恢复信号，即使每个测量值乘以未知符号也可以恢复。该研究通过将非线性问题转化为线性问题，并利用信号归一化和相位一致性约束，展示了稳健的信号方向恢复方法。

---

在单目视频中转移人体运动和外观

论文标题：Do As I Do: Transferring Human Motion and Appearance between Monocular Videos with Spatial and Temporal Constraints
作者：Gomes Thiago L. / Martins Renato / Ferreira João / Nascimento Erickson R.
发表时间：2020年1月8日
论文链接：https://paper.yanxishe.com/review/8515

论文介绍了一种方法，用于在单目视频之间转移人体运动和外观。作者的方法考虑了身体形状、外观和运动约束，从而在合成视频中保留了人物的独特特征。该方法通过实验验证，能够在保留运动细节的同时，达到高质量的外观转移效果。

---

生成对象图章

论文标题：Generating Object Stamps
作者：Mejjati Youssef Alami / Shen Zejiang / Snower Michael / Gokaslan Aaron / Wang Oliver / Tompkin James / Kim Kwang In
发表时间：2020年1月1日
论文链接：https://paper.yanxishe.com/review/8516

论文提出了一种算法，用于生成并合成前景对象到背景图像中。该方法通过遮罩生成器和纹理生成器，实现了对象与背景的无缝融合。实验结果表明，该算法在COCO数据集上的表现优于现有的对象插入方法。

---

RoboFly：一种小型昆虫机器人，支持飞行、地面和水面移动

论文标题：RoboFly: An insect-sized robot with simplified fabrication that is capable of flight, ground, and water surface locomotion
作者：Chukewad Yogesh M. / James Johannes / Singh Avinash / Fuller Sawyer
发表时间：2020年1月8日
论文链接：https://paper.yanxishe.com/review/8512

论文介绍了一种新型的74毫克拍打翼机器人设计，该设计大幅减少了零件数量，简化了制造过程。新设计不仅支持飞行，还可以在地面和水面上移动，增加了机器人的多功能性。

---

FrequentNet：一种新的图像分类深度学习基准

论文标题：FrequentNet : A New Deep Learning Baseline for Image Classification
作者：Li Yifei / Wang Zheng / Song Kuangyan / Sun Yiming
发表时间：2020年1月4日
论文链接：https://paper.yanxishe.com/review/8510

论文提出了一种新的深度学习模型——FrequentNet，用于图像分类。该模型借鉴了PCANet的思想，通过基础向量作为滤波向量，实现了与PCANet相当的性能，同时不需要复杂的优化技术。

---

密集连接的卷积网络

论文标题：Convolutional Networks with Dense Connectivity
作者：Huang Gao / Liu Zhuang / Pleiss Geoff / van der Maaten Laurens / Weinberger Kilian Q.
发表时间：2020年1月8日
论文链接：https://paper.yanxishe.com/review/8511

论文提出了一种新的网络结构——密集卷积网络（DenseNet），通过将每一层与所有先前层连接起来，提高了模型的效率和性能。作者在多个基准测试中验证了DenseNet的有效性，展示了其在图像分类任务中的卓越性能。

---

在统计课程中引入Git作为版本控制学习目标

论文标题：Implementing version control with Git as a learning objective in statistics courses
作者：Beckman Matthew D. / Çetinkaya-Rundel Mine / Horton Nicholas J. / Rundel Colin W. / Sullivan Adam J. / Tackett Maria
发表时间：2020年1月7日
论文链接：https://paper.yanxishe.com/review/8509

论文讨论了在统计课程中引入版本控制（Git）作为学习目标的重要性。作者通过在不同机构的教学经验，展示了如何成功地将Git教学融入到统计课程中，提供了多种实施策略和方法，帮助学生掌握这一重要的技能。

希望这些改写后的内容能更好地服务于您的网站，提供有价值的信息给读者。