图神经网络论文解读

KDD 2019论文解读：多分类下的模型可解释性

reference:https://developer.aliyun.com/article/715920简介：日前，由阿里巴巴研究型实习生张雪舟、蚂蚁金服高级算法专家娄寅撰写的论文《AxiomaticInterpretabilityforMulticlassAdditiveModels》入选全球数据挖掘顶级会议KDD2019。日前，由阿里巴巴研究型实习生张雪舟、蚂蚁金服高级算法专家娄寅撰写的论文
婉妃·2023-10-02 03:40

Graph Neural Networks for Social Recommendation

GraphNeuralNetworksforSocialRecommendation1.摘要构建基于图神经网络的推荐系统的三大挑战theuser-itemgraphencodesbothinteractionsandtheirassociatedopinionssocialrelationshaveheterogeneousstrengthsusersinvolveintwographs
ZSCDumin·2023-10-02 01:49

基于图神经网络的电商购买预测

背景先说一下背景，基于电商的用户行为数据，某人的点击行为，做购买预测。有人点很多商品一个不买，也有人点几个商品就买了。其中图中为同一用户的点击行为。有两个数据集，如下所示：yoochoose-clicks.dat：表示用户的浏览行为，其中一个session_id就表示一次登录都浏览了啥东西。yoochoose-buys.dat:表示用户最终购买了啥，里面是标签。1.数据简单处理fromsklear
Cary丿Xin·2023-10-01 02:25

图神经网络（Graph Neural Networks）简单介绍

文章目录图神经网络（GraphNeuralNetworks）简单介绍什么是图神经网络图神经网络的基本概念1.图（Graph）2.邻接矩阵（AdjacencyMatrix）3.图信号（GraphSignal
百年孤独百年·2023-10-01 02:24

目标检测学习笔记3——Yolo1 Yolo论文解读

文章目录1.引言2.Yolov1论文摘要1.介绍2.一个统一的目标检测框架2.1网络设计2.2训练阶段2.3推断预测阶段2.3Yolo的缺陷3.一些数据对比1.引言Yolo1,2,3的作者是JosephRedmon.Yolo是one-stage算法，即无需提取候选框、没有复杂的上下游处理工作，而是图片输入后经过网络，一次性往前推段得到boundingbox的定位以及分类结果。是端到端训练优化。优点
Shadownow·2023-10-01 01:31

目标检测论文解读5——YOLO v1

背景之前热门的目标检测方法都是twostage的，即分为regionproposal和classification两个阶段，本文是对onestage方法的初次探索。方法首先看一下模型的网络结构，输入的原图片，经过24个卷积层提取特征，全连接层输出一个7*7*30的tensor，这个tensor里面就包含我们预测的结果了。那么这个7*7*30的tensor包含哪些信息呢？首先，7*7可以映射到448
angmaodie3396·2023-10-01 01:00

蛋白质科学中的人工智能

最近在图神经网络、扩散模型和3D几何建模方面的突破使得机器学习可以加速发现新蛋白质。
远洋之帆·2023-09-29 19:10

《论文阅读27》SuperGlue: Learning Feature Matching with Graph Neural Networks

LearningFeatureMatchingwithGraphNeuralNetworksCVPR2020veido论文code二、论文简述[参考][参考][参考]三、论文详述SuperGlue：使用图神经网络学习特征匹配本文介绍了
Darren_pty·2023-09-29 18:20

邻接矩阵对称归一化的作用

这样做的主要目的是为了解决在使用邻接矩阵进行图神经网络训练时出现的两个问题：度数偏差和梯度消失。度数偏差指的是一些节点的度数较大，而另一些节点的度数较小。
物物不物于物·2023-09-29 16:46

Talk | KDD‘23 Best Paper 港中文孙相国：All in One - 提示学习在图神经网络中的探索

他与大家分享的主题是:“提示学习在图神经网络中的探索”，他分享了提示学习基本概念，并介绍了他的团队提出的图模型多任务提示方法。
TechBeat人工智能社区·2023-09-29 05:21

2023 推荐系统论文整理

2023推荐系统论文整理对2023年的推荐系统论文进行一波收集，给各位初学者和算法大佬作为灵感来源，后续专栏会继续更新论文解读，根据评论不断补充，欢迎大家三连~ICLR2023转载自：https://zhuanlan.zhihu.com
卢之·2023-09-29 01:23

[异构图-论文阅读]Heterogeneous Graph Transformer

许多现有的图神经网络（GNNs）主要针对同构图设计，无法有效表示异构结构。HGT通过设计节点和边类型相关的参数来模拟异构注意力，从而允许HGT为不同类型的节点和边保持专用的表示。
SimonChenHere·2023-09-27 18:11

[博学谷学习记录] 超强总结，用心分享|Pyspark基础入门1

本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume等等~写的都是纯干货，各种顶会的论文解读
陈万君Allen·2023-09-26 14:52

【论文解读】RALM：微信看一看中基于Attention机制的实时Look-alike推荐模型

前段时间读了来自微信团队发表在KDD2019上的一篇论文《Real-timeAttentionBasedLook-alikeModelforRecommenderSystem》，简称是RALM，主要介绍的是一种将Attention机制与look-alike模型结合后的实时推荐模型，这个算法目前应用在了微信“看一看”模块上。在读论文的过程中产生了许多疑问，也查找了不少资料。因为网上对这篇论文的解读不
_王子段·2023-09-26 02:35

论文阅读：Heterogeneous Graph Contrastive Learning for Recommendation（WSDM ’23）

论文链接Motivation：在推荐系统中，图神经网络在建模图结构数据上已经变成一个强有力的工具。
aaHua_·2023-09-25 22:04

Vision Transformer(ViT)论文解读与代码实践(Pytorch)

VisionTransformerVisionTransformer（ViT）是一种基于Transformer架构的神经网络模型，用于处理计算机视觉任务。传统的计算机视觉模型如卷积神经网络（CNN）在处理图像任务时取得了很大的成功，但CNN存在一些局限，例如对于长距离依赖的建模能力较弱。ViT通过引入Transformer的注意力机制来解决这些问题，并在一些视觉任务上取得了优秀的结果。与传统的CN
青云遮夜雨·2023-09-24 21:30

《Cascaded Pyramid Network for Multi-Person Pose Estimation》--旷世2017COCO keypoints冠军论文解读

简介《CascadedPyramidNetworkforMulti-PersonPoseEstimation》，这是Face++旷世科技2017年取得COCOKeypointsChallenge冠军的文章，主要目的是解决inthewild场景下多人的姿态估计，即关键点回归。这里对这篇文章做一个简单的总结，如有理解不对的地方，欢迎指正！！文章的主要贡献是：重点内容1提出了一种金字塔型的串接模型，即C
zhangboshen·2023-09-24 11:34

数据库顶会 VLDB 2023 论文解读 - Krypton: 字节跳动实时服务分析 SQL 引擎设计

“Krypton源于DC宇宙中的氪星，它是超人的故乡，以氪元素命名”。引言近些年，在复杂的分析需求之外，字节内部的业务对于实时数据的在线服务能力也提出了更高的要求。大部分业务不得不采用多套系统来应对不同的Workload，虽然能满足需求，但也带来了不同系统数据一致性的问题，多个系统之间的ETL也浪费了大量的资源，同时对于研发人员来讲，也不得不学习维护多套系统。为了解决这个问题，我们开启了Krypt
字节跳动云原生计算·2023-09-24 10:02

论文解读：多任务学习之PLE算法

多任务学习之PLE算法一、背景1.1、为什么要多目标建模1.2、业界做法二、论文方案2.1、CGC结构2.2、PLE结构2.3、损失函数三、实验效果3.1、线上A/Btest3.2、不同相关性任务的效果3.3、MMoE和PLE不同experts网络的输出一、背景在推荐领域，多目标已经成为了业界的主流，各大公司的各种业务场景，基本都是基于多目标的框架来搭建推荐系统。然而在现有的多目标模型中，很难同时
ybjlucky·2023-09-24 06:38

【DDPM论文解读】Denoising Diffusion Probabilistic Models

0摘要本文使用扩散概率模型合成了高质量的图像结果，扩散概率模型是一类受非平衡热力学启发的潜变量模型。本文最佳结果是通过根据扩散概率模型和朗之万动力学的去噪分数匹配之间的新颖联系设计的加权变分界进行训练来获得的，并且本文的模型自然地承认渐进式有损解压缩方案，该方案可以解释为自回归解码的推广。在CIFAR10数据集上，本文都获得了不错的分数。本文github链接：https://github.com/
AI 菌·2023-09-23 21:10

多语言多模态（融合图像和文本）大模型-mPLUG-Owl论文解读

近期复现了mPLUG-Owl，效果提升了好几个点，特来精读一番：感谢大佬们的工作：论文名称：mPLUG-Owl:ModularizationEmpowersLargeLanguageModelswithMultimodality论文地址：https://arxiv.org/pdf/2304.14178.pdfgithub地址：https://github.com/X-PLUG/mPLUG-Owl1
samoyan·2023-09-23 19:49

图神经网络（GNN）最新顶会论文汇总【附源码】

得益于强大的建模和分析能力，图神经网络（GNN）在社交网络分析、推荐系统、知识图谱、文本分析、等诸多领域得到了广泛的应用，目前已成为了人工智能领域的热门研究方向。
深度之眼·2023-09-23 07:20

AI数字人：最强声音驱动面部表情模型VideoReTalking

目录1VideoReTalking论文解读1.1介绍1.2相关工作1.2.1视频编辑中的音频配音1.2.2基于音频的单图像面部动画1.3框架1.3.1语义引导重演网络1.3.2口型同步网络1.3.3身份感知增强网络
智慧医疗探索者·2023-09-22 22:29

车道线检测算法LaneNet + H-Net（论文解读）

本文将对论文TowardsEnd-to-EndLaneDetection:anInstanceSegmentationApproach进行解读。这篇论文是于2018年2月挂在arxiv上的。文中提出了一种端到端的车道线检测算法，包括LaneNet和H-Net两个网络模型。其中，LaneNet是一种将语义分割和对像素进行向量表示结合起来的多任务模型，负责对图片中的车道线进行实例分割；H-Net是由卷
liyonghong·2023-09-22 15:59

图神经网络如何对知识图谱建模？ | 赠书

早期，图神经网络的方法在知识图谱嵌入中并没有被重视，主要由于：早期的图神经网络更多是具有同种类型节点和边的同构图，对知识图谱这样的异构图关注较少。
AI科技大本营·2023-09-22 15:30

【论文解读】——基于多尺度卷积网络的遥感目标检测研究（姚群力，胡显，雷宏）

【论文解读】——基于多尺度卷积网络的遥感目标检测研究（姚群力，胡显，雷宏）该文针对现有遥感图像目标检测算法对于复杂场景下多尺度目标检测精度较低、泛化能力差的问题，提出了一种多尺度卷积神经网络遥感目标检测框架
醪糟小丸子·2023-09-22 15:01

InstructPix2Pix（CVPR2023）-图像编辑论文解读

文章目录1.摘要2.背景3.算法3.1生成多模态训练集3.1.1生成指令及成对caption3.1.2依据成对的caption生成成对的图像3.2InstructPix2Pix4.实验结果4.1基线比较4.2消融实验5.结论论文：《InstructPix2Pix:LearningtoFollowImageEditingInstructions》github：https://github.com/t
‘Atlas’·2023-09-21 20:52

文献综述笔记

一、主题词图神经网络图神经网络将抽象为图结构数据的实际问题看作图中节点之间的连接和信息传播问题，对节点之间的依赖关系进行建模，是一种处理图结构数据的有效技术。
Moliay·2023-09-21 06:57

图神经网络GNN GCN AlphaFold2 虚拟药物筛选和新药设计

文章目录图神经网络1.GeometricDeepLearningRepresentationlearning表征学习机器学习的数据类型：序列、网格、图引出GNN2.GraphNeuralNetworksMachineLearningLifecyclelearninggraphishardFeatureLearninginGraphsWaystoAnalyzeNetworksANaiveApproa
丸丸丸子w·2023-09-21 01:36

【论文解读】Faster sorting algorithm

一、简要介绍基本的算法，如排序或哈希，在任何一天都被使用数万亿次。随着对计算需求的增长，这些算法的性能变得至关重要。尽管在过去的2年中已经取得了显著的进展，但进一步改进这些现有的算法路线的有效性对人类科学家和计算方法都是一个挑战。在这里，论文展示了人工智能是如何通过发现迄今为止未知的算法路线来超越目前的最先进的方法。为了实现这一点，论文将一个更好的排序程序制定为单人游戏的任务。然后，论文训练了一个
合合技术团队·2023-09-20 21:16

Pytorch Geometric中的图神经网络GAT是如何实现的？

最近在使用PytorchGeometric,这个包收集了最新的图神经网络的Pytorch实现。这篇文章想研究下它是怎么实现GAT（GraphAttentionNetwork)。
四碗饭儿·2023-09-20 12:51

Distill学习计划-GNN的通俗解释

AGentleIntroductiontoGraphNeuralNetworks译自非常好的一篇博客，原文链接本文旨在探索如何利用图的结构和特性构建出图神经网络(graphneuralnetwork,GNN
RWLinno·2023-09-20 09:42

【论文笔记】图神经网络采样相关工作整理9.19

【论文笔记】图神经网络采样相关工作整理9.19GraphSAGENIPS2017论文：InductiveRepresentationLearningonLargeGraphs目前引用数：11628本文提出了一种称为
RWLinno·2023-09-20 09:10

论文解读 | Transformer 原理深入浅出

Attention机制由Bengio团队于2014年提出，并广泛应用在深度学习的各个领域。而Google提出的用于生成词向量的Bert在NLP的11项任务中取得了效果的大幅提升，Bert正是基于双向Transformer。Transformer是第一个完全依赖于Self-Attention来计算其输入和输出表示的模型，而不使用序列对齐的RNN或CNN。更准确的讲，Transformer由且仅由se
随时学丫·2023-09-19 23:41

PyTorch Geometric (PyG) 库的安装

PyG库的安装前言1、PyG库的安装过程2、版本问题解决前言最近在学习图神经网络，需要用到PyG库，发现这个库的安装不能简单的使用pipinstall安装，这里记录一下。
steelDK·2023-09-19 22:52

【论文解读】Faster sorting algorithm

一、简要介绍基本的算法，如排序或哈希，在任何一天都被使用数万亿次。随着对计算需求的增长，这些算法的性能变得至关重要。尽管在过去的2年中已经取得了显著的进展，但进一步改进这些现有的算法路线的有效性对人类科学家和计算方法都是一个挑战。在这里，论文展示了人工智能是如何通过发现迄今为止未知的算法路线来超越目前的最先进的方法。为了实现这一点，论文将一个更好的排序程序制定为单人游戏的任务。然后，论文训练了一个
·2023-09-19 12:47

论文解读 | YOLO系列开山之作：统一的实时对象检测

原创|文BFT机器人01摘要YOLO是一种新的目标检测方法，与以前的方法不同之处在于它将目标检测问题视为回归问题，同时预测边界框和类别概率。这一方法使用单个神经网络，可以从完整图像中直接预测目标边界框和类别概率，实现端到端的性能优化。YOLO的速度非常快，基本模型每秒可以处理45帧图像，而快速版本每秒可处理155帧，同时仍然具有很高的准确率。虽然在定位方面可能会产生一些误差，但不太可能出现背景误报
BFT白芙堂·2023-09-18 23:39

Google 基于 GNN 开发气味识别 AI，工作量相当于人类评价员连续工作 70 年

最近，GoogleResearch的子公司Osmo基于图神经网络，开发了气味分析AI。它可以根据化学分子的结构，对分子的气味进行预测。
·2023-09-18 15:46

八、图神经网络基础【CS224W】（Datawhale组队学习）

开源内容：https://github.com/TommyZihao/zihao_course/tree/main/CS224W子豪兄B站视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=915098斯坦福官方课程主页：https://web.stanford.edu/class/cs224w文章目录前言深度学习基
卡拉比丘流形·2023-09-16 20:31

神经网络常用模型与应用

神经网络神经网络可以分为三种主要类型：前馈神经网络、反馈神经网络和图神经网络。
北极象·2023-09-16 16:24

论文解读 | 基于视觉的水果采摘机器人识别与定位方法研究进展

原创|文BFT机器人01背景在复杂的农业环境中，利用机器视觉及其相关算法可以提高收割机器人的效率、功能性、智能化和远程互动性。对于水果采摘机器人系统来说，主要的挑战包括免提导航和水果定位，以及大多数果园中常见的崎岖地形和大型障碍物。这些挑战会在移动采摘机器人穿越地形时在其视觉系统中引起严重的振动，因此需要采用动态目标跟踪和自动图像去模糊算法。研究人员通过在视觉识别和位置检测方面取得进展来解决这些挑
BFT白芙堂·2023-09-16 07:59

图神经网络系列之序章

文章目录一、为什么需要图神经网络？
学海一叶·2023-09-15 18:17

[学习笔记]CS224W(图机器学习) 2022/2023年冬学习笔记

资料：课程网址斯坦福CS224W图机器学习、图神经网络、知识图谱【同济子豪兄】斯坦福大学CS224W图机器学习公开课-同济子豪兄中文精讲cs224w（图机器学习）2021冬季课程学习笔记集合序言到图神经网络
N刻后告诉你·2023-09-15 08:51

Transformer Decoder详解

这两天在学习Transformer，看了李沐的论文解读和NLP从入门到放弃，看完这两个视频算是大致明白了Transformer的结构。
思考实践·2023-09-15 03:48

笔记（一）斯坦福CS224W图机器学习、图神经网络、知识图谱

节点和连接构成的图如何对图数据进行挖掘？传统机器学习，数据是独立同分布的，解决表格、矩阵、序列等问题图机器学习处理连接的数据，需要满足以下几个方面：1、图是任意尺寸输入2、图是动态变化的，有时也是多模态数据图，可以实现端到端的表示学习图嵌入，把节点映射为D维向量，并且能够反应原数据的语义信息工具：PyG、NetworkX、dgl、图可视化工具：AntV、Echarts、Graphxr应用：最短路径
hlllllllhhhhh·2023-09-15 00:00

Spatial-Temporal Graph ODE Networks for Traffic Flow Forecasting

Spatial-TemporalGraphODENetworksforTrafficFlowForecasting摘要交通流量的复杂性和长范围时空相关性是难点经典现存的工作：1.利用浅图神经网络（shallowgraphconvolutionnetworks
day. day. up!·2023-09-14 19:22

《论文阅读》常识感知的提示用于可控的同情对话生成 2023 AAAI

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大家带来的是《Commonsense-AwarePromptingforControlla
365JHWZGo·2023-09-14 18:53

benchmarking graph neural networks 翻译

摘要图神经网络（GNN）已成为分析和学习图数据的标准工具包。随着领域的发展，确定关键架构并验证可推广到更大，更复杂的数据集的新思路变得至关重要。
zzzzz忠杰·2023-09-14 11:30

数据库顶会 VLDB 2023 论文解读：字节跳动如何解决超大规模流式任务运维难题

本文解读了新加坡国立大学马天白教授团队、字节跳动基础架构-计算-流式计算团队联合发表在国际数据库与数据管理顶级会议VLDB2023上的论文“StreamOps:Cloud-NativeRuntimeManagementforStreamingServicesinByteDance”，介绍字节跳动内部基于数万Flink流式任务管理实践所提炼出的一个流式任务运行时管控解决方案，有效解决流式作业运行期间
字节跳动云原生计算·2023-09-14 06:39

2023.09.10 学习周报

文章目录摘要文献阅读1-1题目1-2创新点1-3本文工作2-1题目2-2什么是图2-3图神经网络2-4信息传递3-1题目3-2创新点3-3本文工作深度学习1.GNN的构建步骤2.构建图的方法3.GNN的简单样例总结摘要本周阅读了三篇文章
MoxiMoses·2023-09-14 00:51
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他