研究背景当前点击率预估模型没有完全挖掘特征交互的潜力特征的表征学习与特征的交互存在冲突笛卡尔积的方法比当前的点击率预估模型效果都好算法模型的效率和效果的平衡阿里巴巴线上业务量级和耗时的考虑当前模型的特征交互的相关方法论文研究成果这篇论文的主要贡献强调了特征交叉建模的重要性提出一个轻量级的模型(CAN)在公开数据集和工业环境进行了验证有效性提出了一种工业部署技术研究意义•想为特征交互走一条新的路•工

目录前言一、Table2Analysis1动机与贡献1.1动机1.2贡献2问题2.1问题抽象1.抽象分析过程2.语言建模2.2存在挑战3Table2Analysis3.1马尔可夫决策3.2DQN动作值近似器3.3启发式波束搜索3.4DQN训练4实验4.1PivotTable语料库4.2标记特征4.3DQN超参数4.4搜索采样超参数4.5基线比较和总体准确性5相关工作5.1分析推荐5.2结构化学习和

论文详细讲解如下：【论文笔记】Segformer论文阅读笔记_嘟嘟太菜了的博客-CSDN博客论文笔记——Segformer:一种基于Transformer的语义分割方法-知乎上图上segformer的整体结构------------------------------------------------------------------------------------------------

目录61.Huang,G.H.,Chang,C.T.,Bilgihan,A.,&Okumus,F.(2020).Helpfulorharmful?Adouble-edgedswordofemoticonsinonlinereviewhelpfulness.（TourismManagement）62.Automaticallyassessingreviewhelpfulness.InProceedi

目录41.Thepowerofnumbers:anexaminationoftherelationshipbetweennumericalcuesinonlinereviewcommentsandperceivedreviewhelpfulness.(JournalofResearchinInteractiveMarketing)42.Emotionsforattentioninonlinecon

51.Evaluatingkeyantecedentsandconsequencesoftheperceivedhelpfulnessofonlineconsumerreviews:ASouthAfricanstudy.（ElectronicCommerceResearchandApplications）这篇文章研究了在线评论有用性的影响因素，同时这篇文章是基于南非市场研究的。文章不像之前的文章用

目录1在线评论的行为影响与价值应用研究综述（中国管理科学）2评论有用性相关的论文2.1基于知识采纳模型和多层感知机神经网络的评论有用性识别研究（中国管理科学）2.2消费者认为怎样的在线评论更有用？——社会性因素的影响效应（管理世界）2.3融合Word2vec和WGRA的社会化问答社区答案有用性排序方法研究———以携程问答为例（图书情报工作）2.4基于模糊TOPSIS分析的在线评论有用性排序过滤模型

通过分布式深度强化学习从具有挑战性的环境中学习人群感知机器人导航（LearningCrowd-AwareRobotNavigationfromChallengingEnvironmentsviaDistributedDeepReinforcementLearning）最近我在学习机器人人群环境中导航的论文，此篇文章为“MatsuzakiS,HasegawaY.LearningCrowd-Aware

简介SupeGlue与LoFTR都是对图片间进行特征点匹配的方法，其目的是，找到图像A、图像B中同时存在的相同物体实例，并输出其位置信息、匹配关系。在提取出特征点后，我们通过图神经网络生成匹配代价矩阵，并求解最优匹配矩阵，以获得全局最优的匹配结果。图神经网络简介在讨论GNN之前，让我们先了解一下什么是图(Graph)。在计算机科学中，图是由两个部件组成的一种数据结构：顶点/节点(vertices/

研究背景多任务相关性的复杂性和竞争性，MTL模型往往会出现性能退化和负迁移跷跷板现象，即一项任务的性能往往会因影响其他任务的性能而得到提高研究成果跷跷板现象的发现，MTL由于复杂的内在关联性而没有优于相应的单任务模型从联合表征学习和信息路由的角度，提出了一种新的共享学习结构的PLE模型进行广泛的离线实验，以评估工业和公共基准数据集上PLE的有效性摘要大意多任务学习（MTL）已经成功地应用于许多推荐

论文：https://arxiv.org/abs/2205.01529github：https://github.com/yzd-v/MGD看到CV领域的知识蒸馏，看完摘要和图片后，心中大喜哈哈哈知识蒸馏还能这么做。知识蒸馏主要可以分为logit蒸馏和feature蒸馏。其中feature蒸馏具有更好的拓展性，已经在很多视觉任务中得到了应用。但由于不同任务的模型结构差异，许多feature蒸馏方法

融合知识图谱和多模态的文本分类研究引言：1相关工作1.1文本分类1.2知识融合1.3多模态融合2融合知识图谱和多模态的文本分类模型2.1文本特征表示2.2实体特征表示2.3图像特征表示2.4输入层2.5训练与分类3实验3.1数据集与评价方法3.2实验环境与模型参数3.3对比实验结果与分析4结术语参考文献:摘要：传统文本分类方法主要是基于单模态数据所驱动的经验主义统计学习方法，缺乏对数据的理解能力，

word2evc-基于向量空间中词表示的有效估计目录概念引入摘要大意介绍词的表示方式评价指标词向量训练方式复杂度的降低负采样重采样(SubsamplingofFrequentWord)研究成果概念引入逻辑回归线性回归时间序列分析神经网络self-attention与softmax的推导HuffmanTree（哈夫曼树）哈夫曼树是一种带权路径长度最短的二叉树，亦称最优二叉树数字表示权重，图a是常见的

本文目录概念引入由来摘要大意C2W模型语言模型的训练流程词性标注模型研究成果概念引入逻辑回归线性回归时间序列分析神经网络self-attention与softmax的推导word2evc由来词向量的学习在自然语言处理的应用中非常重要，词向量可以在空间上捕获词之间的语法和语义相似性。但是词向量机制中是假设词和词之间是独立的，这种独立性假设是有问题的，形式的一致性会导致功能的一致性。但这种形态和功能之

BoT-SORT与Strong-SORT论文对比及思考总结接上篇BoT-SORT论文阅读笔记并对Strong-SORT论文研读与BoT-SORT的更新点对比有了以下的思考总结Strong-SORT论文Strong-SORT

文章目录TransFG:ATransformerArchitectureforFine-grainedRecognitionAbstractintroductionMethodVisiontransformerasfeatureextractorImageSequentializationPatchEmbeddingTransFGArchitecturePartSelectionModuleCon

文章目录FiltrationandDistillation:EnhancingRegionAttentionforFine-GrainedVisualCategorization(bylocalization-classificationsubnetwork)AbstractIntroductionApproachDiscriminativeRegionsProposingFeatureLearn

面向复杂文本结构的实体关系联合抽取研究摘要：1绪论1.3国内外研究现状1.3.1命名实体识别技术发展1.3.2关系抽取技术发展1.3.3联合抽取技术1.4研究内容2、知识图谱相关技术3具有节点感知注意力机制的GCN联合抽取模型3.1问题描述3.2注意力机制3.2.2图卷积神经网络3.3所提模型与理论3.3.1上下文特征提取层3.3.2第一阶段GCN特征编码层3.3.3节点感知注意力层3.3.4第二

本文目录概念引入介绍摘要大意模型原理模型的公式推导模型效果对比概念引入逻辑回归线性回归时间序列分析神经网络self-attention与softmax的推导word2evc该篇论文的背景word2evc提出的方法无法使用全局的统计信息矩阵分解方法在词对推理的任务上表现很差介绍LSA和word2vec，一个是利用了全局特征的矩阵分解方法，一个是利用局部上下文的方法。GloVe模型就是将这两中特征合并

深度学习神经网络论文研读-自然语言处理方向-elctra-目录概念引入ELECTRA比BERRT快的原因摘要elctra的判别器与生成器模型训练其他训练方式效果比较论文意义概念引入该篇论文对GAN有要求

文章目录一、算法概述1、Apollo框架简述2、Emplaner算法概述二、算法思想1、多车道策略2、路径速度迭代算法3、决策和交通规则4、EM算法原理流程：三、算法流程1、多车道策略的EM规划器框架2、车道级EM规划器框架3、SL和ST投影（E-step）3、M-StepDPPath4、M-StepSplineQPpath5、M-StepDPSpeedOptimizer6、M-StepQPSpe

本文目录概念引入机器阅读理解的简要介绍论文研究背景相关数据集的时间脉络问答系统的分类研究成果实验结果概念引入有关中文实体命名识别逻辑回归线性回归时间序列分析神经网络self-attention与softmax的推导word2evcglove双向LSTM机器阅读理解的简要介绍在2002年的一篇论文中，学者C.Snow将阅读理解定义为“通过互动从书面文本中提取和构建文本语义的过程”。机器阅读理解的目标

文章目录Higher-orderIntegrationofHierarchicalConvolutionalActivationsforFine-grainedVisualCategorization(byend-to-endfeatureencoding)AbstractIntroduction关于核关于多尺度KernelizedconvolutionalactivationsMatchingk

本文对开放世界目标检测任务进行重新梳理，并提出了两种新的衡量指标针对CEC模块存在理解问题（文中红色问号处）RevisitingOpenWorldObjectDetection发表于ComputerVisionandPatternRecognition2022/01/04Introduction(1)概要领域：目标检测行文目的：OWOD的实验设置不合理（benchmark不合理、度量标准不合理、研

读论文，手写笔记（及时更新……）论文笔记，万丈高楼平地起，研一下开始至今重点知识、部分论文精度笔记！开始准备写这个的时候，是由于从小习惯了手写笔记对看pdf时做电子标注笔记还是不太习惯，所以还是将pdf打印下来用手写笔记，方便保存便将其电子档存在markdown上随时浏览。ResNet到底解决了一个什么问题？评价指标1.dice系数2.什么是TP、FP、TN、FN和IOU3.几种像素精确度的相关计

文章目录维基百科中文版StatisticsandmachinelearningICanSeeClearlyNow:ImageRestorationviaDe-Raining维基百科中文版基准真相：(groundtruth)是一个相对概念；它是指相对于新的测量方式得到的测量值，作为基准的，由已有的、可靠的测量方式得到的测量值（即经验证据）。人们往往会利用基准真相，对新的测量方式进行校准，以降低新测量

文章目录CompactBilinearPoolingAbstractIntroductionCompactbilinearmodelsAkernelizedviewofbilinearpoolingCompactbilinearpoolingSomepropertiesofcompactbilinearpoolingCompactBilinearPoolingAbstract双线性模型很成功，但是

一：论文主要的4部分1:使用轻量级网络，训练模型回归62个3DMM参数。defaultoutputisdimensionwithlength62=12(pose)+40(shape)+10(expression)工程公布了mb05_120x120,mb05_120x120,resnet_120x120三个模型（mobilenet0.5，mobilenet1.0,resnet1.0）2:提出meta

面向复杂文本结构的实体关系联合抽取研究4具有关系导向注意力机制的联合抽取模型4.1问题描述4.3所提模型与理论4.3.1上下文特征提取层4.3.2关系导向层4.3.3特征分类层4.3.4损失函数4具有关系导向注意力机制的联合抽取模型本章介绍实体关系联合抽取模型：具有关系导向注意力机制的联合抽取模型（Relation-GuidedAttentionMechanismModelinJointExtra

多媒体技术论文研读报告一、论文基本信息论文题目为：基于多模态特征融合嵌入的相似广告检索方法，作者信息：南京大学计算机软件新技术国家重点实验室，南京大学软件学院冯奕、周晓松、李传艺、葛季栋、骆斌，深圳市腾讯计算机系统有限公司王挺

摘要：麻将是一种中国传统的以牌为基础的游戏，有着悠久的历史，现在世界上许多国家都在玩麻将。关于麻将话题的一个重要问题是，玩家最少需要改变多少张牌才能获胜，即所谓的缺牌数，这在麻将游戏的AI开发中起到了非常重要的作用。然而，由于大量可能的牌组组合，缺牌数无法轻易计算出来。在这项工作中，我们提出了一种高效的算法方法，在编程语言Python的帮助下，计算玩家手中的牌的不足数。为了评估该方法的性能，我们针

BilinearCNNModelsforFine-grainedVisualRecognition（byend-to-endfeatureencoding）本文是单阶段法的开山之作。Abstract本文提出了双线性模型，由两个特征提取器组成。其输出在图像的每个位置使用外积相乘并合并来获得图像的描述。这样一种结构可以建模局部的、成对的特征交互（以一种平移不变的方式），这对于细粒度分类尤其有用。这样一

BlindSuper-Resolution：盲超分辨率Real-ESRGAN:TrainingReal-WorldBlindSuper-ResolutionwithPureSyntheticData——代码实践论文研读申明论文地址

图嵌入综述论文研读一、论文概述1文章摘要2关键词3文章脉络4文章贡献二、图嵌入是什么1简单概念2形式化定义3图嵌入发展三、图嵌入问题设置1嵌入输入同构图异构图带辅助信息的图构造图2嵌入输出节点嵌入边嵌入混合嵌入全图嵌入四

贴论文：Semanticsegmentationofslumsinsatelliteimagesusingtransferlearningonfullyconvolutionalneuralnetworks利用全卷积网路和迁移学习来实现遥感图形下贫民窟地区的语义分割链接:https://pan.baidu.com/s/1UdMEK4WCJpQgD4wToPE-eg提取码：3zA4第一篇试试水，这算

Human-levelcontrolthroughdeepreinforcementlearning-2015DQN论文研读DQN是强化学习的代表算法之一，它的原文是发表在Nature上的Human-levelcontrolthroughdeepreinforcementlearning

在上一讲中，笔者和大家一起研读了图像语义分割的基本网络框架FCN，在FCN之后，图像语义分割网络基本都在使用这种downsampling和upsampling的结构，也就是我们之前所说的编码-解码的框架。本节笔者将在FCN的基础之上，继续给大家介绍目前图像分割领域的通用网络框架——u-net。尤其是在医学图像分割领域，u-net因其较高的分割准确度而备受青睐。下面我们就来研读u-net的这篇论文。

深度学习在医学图像分割上的技巧、挑战、未来方向1论文地址2源码地址3文章结构4基础设置(设置baseline不变)4.1数据集2D4.1.12DISIC20184.1.22DCoNIC4.1.33D此文省略4.2超参设置5模型预训练部分6数据预处理部分7数据增强部分7.1几何变化的数据增强7.2GAN数据增强8模型实现部分9模型推理部分10后处理操作部分11总结未来工作方向1论文地址2022Seg

GoSPA:AnEnergy-efficientHigh-performanceGloballyOptimizedSParseConvolutionalNeuralNetworkAccelerator∗论文研读文章目录神经网络加速器设计研究

Conll2003相关数据集是基于新闻的（命名实体识别NER和实体识别任务的语料库集合|INFORX(inforscan.com)）1#TENER:AdaptingTransformerEncoderforNamedEntityRecognitionAIM：看改进的transformer的自适应编码code：https://github.com/fastnlp/TENER.基于conll2003数

yolox论文研读大家好，我是【豆干花生】，这次我带来了新的文章，与你分享~文章目录yolox论文研读一.概述二.改进1.DecoupledHead2.DataAugmentation3.AnchorFree

原文链接发表：2018.11.13摘要阿尔茨海默病（AD）分类的自动化方法具有巨大的临床益处，并可为防治该疾病提供见解。深层神经网络算法通常使用诸如MRI和PET的神经学成像数据，但是还没有对这些模式进行全面和平衡的比较。为了准确确定每个成像变体的相对强度，本研究使用阿尔茨海默病神经成像倡议（ADNI）数据集在阿尔茨海默病痴呆分类的背景下进行比较研究。此外，本文还分析了在融合环境中使用这两种模式的

原文链接发表：2018.7.6MedicalImageComputingandComputer-AssistedIntervention(MICCAI)摘要阿尔茨海默病是最常见的导致不可逆神经变性过程的痴呆。该研究提出了一个新的框架，结合了两种方法(1.基于inter-subject相似性的方法2.使用intra-subject可变性的框架)到一个有效的脑结构分级图中引言对AD患者进行的神经影像学

大规模地理社交媒体数据的可视化抽象与探索1论文概述1.1摘要1.2引言1.3文章贡献1.4文章组织结构2相关工作2.1主题建模和评估2.2社交媒体数据可视化2.3地理数据的可视化抽象3任务分析和系统概述3.1数据描述3.2任务分析3.3系统概览4可视化设计4.1语义特征提取4.2语义保持取样4.3多目标优化4.4伪代码5可视化界面5.1地图视图5.2LDA视图5.3语义视图5.4主题河流5.5控制

文章目录前言传统方法深度学习论文研读方法网络结构参考前言传统方法YearProceedingTitleTag2000SIGGRAPH2000ImageInpainting[pdf]Diffusion-based2001TIP2001Filling-inbyjointinterpolationofvectorfieldsandgraylevels

torch、numpy和pandas的使用整理一.numpy\textbf{一.numpy}一.numpy1.创建数组（1）创建单位矩阵(numpy.identity)(numpy.identity)(numpy.identity)（2）创建任意shape的全零多维数组(numpy.zeros)(numpy.zeros)(numpy.zeros)（3）创建任意shape的标准正态分布的多维数组(n

《Gradient-BasedLearningAppliedtoDocumentRecognition》（《基于梯度学习在文档识别中的应用》）是卷积神经网络的开山之作，主要有LeNet-1~LeNet-5系列。这里主要实现LeNet-5。摘要：将反向传播算法的多层神经网络应用在图像上，提出卷积神经网络。应用在两个方面：①在线手写识别的系统、②读取银行支票的图形转换器。LeNet-5网络架构卷积神经

目录21.Astudyoffactorsthatcontributetoonlinereviewhelpfulness.（ComputersinHumanBehavior）22.Theinfluenceofreviewerengagementcharacteristicsononlinereviewhelpfulness:Atextregressionmodel.(DecisionSupportS

测试集没有标签，我们可以拿来测试模型吗？PaperLink：https://arxiv.org/abs/2007.02915重点研究自动模型评估（AutoEval）这一重要的且尚未开发的问题。具体来说，给定带标签的训练集和分类器，我们需要估计出分类器在未标记的测试数据集上的分类准确性。方法的出发点：测试集合和训练集合数据分布差异越大，那么分类器在测试集合上的准确率就会越低。采用回归模型：输入为一个

论文关注的是图像分割质量问题。往往图像分割在物体边界处的分割质量很差，不能细致的分割出每个细节。因此作者提出了针对目标轮廓进行细化预测的一个模型：PointRend，其思想是以迭代的方式细化从目标轮廓区域选择的点的分割预测，将优化物体边缘的图像分割，适用于对难以分割的物体边缘，或是对边缘分割精度要求很高的场景下。论文链接：https://arxiv.org/pdf/1912.08193.pdf代码