图神经网络论文阅读笔记第11页

Learning Sample Relationship for Exposure Correction 论文阅读笔记

这是中科大发表在CVPR2023的一篇论文，提出了一个module和一个损失项，能够提高现有exposurecorrection网络的性能。这已经是最近第三次看到这种论文了，前两篇分别是CVPR2022的ENC（和这篇文章是同一个一作作者）和CVPR2023的SKF，都是类似即插即用地提出一些模块来提高现有方法的性能，实验结果都是以方法A+XX比方法A性能提高，方法B+xx比方法B性能提高的方式展

ssf-yasuo·2023-10-13 01:15

Exposure Normalization and Compensation for Multiple-Exposure Correction 论文阅读笔记

这是CVPR2022的一篇曝光校正的文章，是中科大的。一作作者按同样的思路（现有方法加一个自己设计的即插即用模块以提高性能的思路）在CVPR2023也发了一篇文章，名字是LearningSampleRelationshipforExposureCorrection。文章的动机是，多曝光图像中，过曝和欠曝的图片的调整方向是相反的，给训练带来了问题（和CVPR2023那篇的动机是一致的）。同时，网络优

ssf-yasuo·2023-10-13 01:10

A Comprehensive Survey on Graph Neural Networks 2019 ——图神经网络综述

论文地址：https://arxiv.org/pdf/1901.00596.pdf摘要深度学习近年来彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常表示在欧几里德空间中。然而，越来越多的应用程序从非欧几里德域生成数据，并表示为具有复杂关系和对象之间相互依赖性的图。图数据的复杂性给现有的机器学习算法带来了重大挑战。最近，出现了许多关于扩展图形数据的深度学

冉芽·2023-10-12 07:08

Transformer模型 | 基于Spatial-Temporal Transformer的城市交通流预测

文章还提出了一种新的图神经网络，称为spatialtransformer，利用自注

算法如诗·2023-10-12 07:33

BERT ：Pre-training of Deep Bidirectional Transformers for Language Understanding论文阅读笔记（NAACL 2019）

目录原文翻译：BERT：用于语言理解的深度双向Transformer预训练原文链接：https://aclanthology.org/N19-1423.pdf摘要：1引言2相关工作2.1基于特征的方法2.2微调方法2.3在有监督数据上的迁移学习3BERT3.1模型架构3.2输入表示3.3预训练任务3.4预训练方法3.5微调方法3.6BERT和GPT的比较4实验4.1GLUE数据集4.2SQuAD数

坚持更新的咩·2023-10-11 23:59

【自动驾驶论文阅读笔记——精读RetinaTrack】

[阅读心得]自动驾驶经典论文——RetinaTrack写在前面1.Abstract2.Introduction3.RetinaTrack3.1Overview3.2RetinaNet3.3Modifying:Per-Anchor+Embbeding-Branch3.4TrainingLoss+LabelAssign3.5Inference4.Experiment4.1Architectual4.2

书玮嘎·2023-10-11 13:33

图神经网络2:CNN的卷积和池化

CNN常见结构：1.1卷积层1.1.1卷积的定义注意点1:卷积层包括若干个卷积核，每个卷积核都是3维矩阵，其中通道数与输入通道数需保持一致。注意点2:每个滤波器对应一个偏置权重，有N个卷积核则对应N个偏置权重。1.1.2卷积的运算过程：1)feature_size运算公式：2)feature_number运算公式：3)参数数量运算公式：1.1.31✖️1卷积：1.2全连接层1.3池化层：1.3.1

_xuyuanjian_·2023-10-11 10:16

论文阅读笔记（Clover: 计算与存储被动分离的分布式键值存储系统）

关于DisaggregatingPersistentMemoryandControllingThemRemotely:AnExplorationofPassiveDisaggregatedKey-ValueStores这篇论文的笔记原文链接提出背景传统的分布式存储系统中，每个节点都会包含计算和存储两个部分，一个节点既可以访问本地的存储部分也可以访问远端的存储部分。传统的存储部分是由SSD或者HDD

YoungerChina·2023-10-11 01:35

【论文翻译 IJCAI-20】Heterogeneous Network Representation Learning 异构网络表示学习

文章目录摘要1引言2异构网络挖掘3异构网络表示3.1异构网络嵌入3.2异构图神经网络3.3知识图谱与属性网络3.4应用4挑战、方向和开源数据4.1未来方向避免设计元路径多感官（Multi-sense）表示异构

林若漫空·2023-10-10 22:21

CS224W-图神经网络笔记2.1：Properties of Networks and Random Graph Models - 图的四大属性

本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考2021年课程的PPT并结合2019年秋季课程进行总结以求内容完整课程主页：CS224W:MachineLearningwithGraphs视频链接：【斯坦福】CS224W：图机器学习(中英字幕|2019秋)1引言初步了解一个人，我们通常会问其身高、年龄、体重等信息。那么，要了解一个图Graph我们需要关注哪些信息呢？这就

Epiphron·2023-10-10 11:51

DALL-E: Zero-Shot Text-to-Image Generation

Zero-ShotText-to-ImageGeneration论文阅读笔记摘要：基于零样本（zero-shot）生成。使用两亿个文本-图像对训练。

芋圆526·2023-10-09 13:31

【文献阅读】【NMI 2022】LocalTransform ：基于广义模板的有机反应性准确预测图神经网络

预测有机反应产物是有机化学的一个基本问题。基于成熟有机化学知识，化学家现在能够设计实验来制造用于不同目的的新分子。但是，它需要经验丰富的专业化学家来准确预测化学反应的结果。为了进一步帮助有机化学家并在数字化学时代实现全自动发现，机器智能可以准确预测有机反应的产物，大大加快新分子的设计过程。最近，已经提出了几种基于机器学习的方法来预测有机反应产物，但仍然需要改进反应预测模型才能达到足够的准确性，与普

HealthScience·2023-10-08 16:46

进化计算（五）——NSGA-II论文阅读笔记（二）

AfastandelitistmultiobjectivegeneticalgorithmNSGA-II阅读笔记（二）测试函数仿真方法选择初始参数设置性能评价结果旋转多目标问题约束处理—针对rank分配方法的改进建议的约束处理方法——ConstrainedNSGA-IIRay–Tai–Seow的约束处理方法对比结果Conclusion参考链接论文中展示了PAES、SPEA、NSGAII三个算法的

南木长·2023-10-07 21:59

非支配排序遗传算法NSGA

纯小白超详细的非支配排序遗传算法原理讲解_哔哩哔哩_bilibili待读文章：进化计算（四）——NSGA/NSGAII算法详解_nsga求解单目标_南木长的博客-CSDN博客进化计算（五）——NSGA-II论文阅读笔记

HealthScience·2023-10-07 21:28

Graph Wavenet：入门图神经网络训练的demo

1.数据的准备DCRNN的github项目有完整的数据GraphWavenet提供的数据缺少'/data/sensor_graph/adj_mx.pkl'2.engine.train与engine.eval的区别区别仅在于model.train()与model.eval()具体区别见https://blog.csdn.net/qq_43118572/article/details/11861509

43118·2023-10-04 13:19

torch_geometric获取datasets（解决连不了外网的问题）

，查看数据集下载链接3.2放置到对应文件夹下3.3重新运行之前写的程序4.一点感慨1.torch_geometric.data介绍torch_geometric，简称pyg，是基于pytorch实现的图神经网络库

薛钦亮·2023-10-02 21:41

图神经网络GNN(一）GraphEmbedding

DeepWalk使用随机游走采样得到每个结点x的上下文信息，记作Context(x)。SkipGram优化的目标函数：P(Context(x)|x;θ)θ=argmaxP(Context(x)|x;θ)DeepWalk这种GraphEmbedding方法是一种无监督方法，个人理解有点类似生成模型的Encoder过程，下面的代码中，node_proj是一个简单的线性映射函数，加上elu激活函数，可以

天津泰达康师傅·2023-10-02 16:04

论文阅读笔记 GLM: General Language Model Pretrainingwith Autoregressive Blank Infilling

2022-Du-GLMGeneralLanguageModelPretrainingwithAutoregressiveBlankInfillingAbstractGLM基于自回归填空的通用语言模型，可比预训练自编码模型BERT、自回归模型GPT、编码-解码模型T5效果好。自回归填空架构微调GLM讨论与分析比较GLM与其他预训练模型的差异与BERT比较与XLNet比较与T5比较与UniLM比较实验

Sunny G helloworld·2023-10-02 16:34

Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in theFederated Setting

基于采样任务，我们元训练了一个图神经网络框架，该框架可以基于结构信息为未见组件构建特征并为其输出嵌入。实验结果表明，我们

小蜗子·2023-10-02 13:31

2.3 Node2vec（图神经网络笔记）

BFS：广度优先DFS：深度优先描述，当前已从t节点到达V节点，可以选择x1、x2、x3、t任意一个节点dtx=0，从t-v-t,回到原点dtx=1，还是说从t出发，离t节点距离为1，有z、x1节点dtx=2，还是说从t出发，离t节点距离为2，有x2、x3节点d节点长度γ游走次数l随机游走长度k窗口数量q小，深度优先p小，广度优先

hlllllllhhhhh·2023-10-02 09:50

理解图神经网络

入门介绍直观了解图神经网络https://theaisummer.com/Graph_Neural_Networks/入门文献:AcomprehensivesurveyonGraphNeuralnetworkAgentleIntroductiontoDeeplearningforGraph2020GraphMachinelearning

魏清宇·2023-10-02 03:37

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

FairMOT论文阅读笔记

Abstract近些年目标检测和Re-ID有很大的发展，但是没有人在单个网络中联合这两个任务。由于re-ID任务没有公平的学习，这导致了大量id的转换。不公平之处在于两个方面:(1)他们将重新身份识别视为次要任务，其准确性在很大程度上取决于主要检测任务。所以训练很大程度上偏向于检测任务，而忽略了重识别任务；(2)它们使用感兴趣区域对齐来提取直接从对象检测中借用的重标识特征。然而，这在表征对象时引入

我在阳澄湖畔吃炸鸡·2023-09-30 18:50

A Simple Baseline for multi-object Tracking(FairMOT)论文阅读笔记

FairMOT论文笔记（一）Title（二）Summary（三）ResearchObejct（四）ProblemStatement（五）Method5.1backbone5.2ObjectDetectionBranch5.3IdentityEmbeddingBranch5.4LossFunctions5.5在线跟踪（六）Experiment6.1数据集6.2实现细节实验1实验2Multi-Laye

不知道叫啥好一点·2023-09-30 18:18

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

基于深度学习模型的电力变压器故障声音诊断方法研究-论文阅读笔记

基于深度学习模型的电力变压器故障声音诊断方法研究论文来源DOI：10.16311/j.audioe.2020.01.020论文目的在变压器不停止工作的情况下，基于变压器的三种状态：正常、老化和放电下对变压器发出的声音信号进行声谱图转换和梅尔对数谱图的转换，输入到MobileNet中进行训练。采用梅尔对数谱图转换实现了高达99%的识别准确率。采用声谱图转换对放电缺陷检测识别率较高，但是对老化故障识别

wyypersist·2023-09-28 22:43

论文阅读笔记：Attention: Self-Expression Is All You Need

论文阅读笔记：Attention:Self-ExpressionIsAllYouNeed摘要简介2Transformer,Attention,Self-attention2.1Transformer2.2Attention2.3Self-attention2.4Maskedattenion

塔_Tass·2023-09-27 21:24

[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

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

aaHua_·2023-09-25 22:04

Understanding Host Network Stack Overheads论文阅读笔记

RFS(ReceiveFlowSteering)RFS（Receiveflowsteering）和RPS配合使用。RPS试图在CPU之间平衡收包，但是没考虑数据的本地性问题，如何最大化CPU缓存的命中率。RFS将属于相同flow的包送到相同的CPU进行处理，可以提高缓存命中率。调优：打开RFSRPS记录一个全局的hashtable，包含所有flow的信息。这个hashtable的大小可以在net.

克莱默申克·2023-09-25 07:56

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

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

Language Adaptive Weight Generation for Multi-task Visual Grounding 论文阅读笔记

LanguageAdaptiveWeightGenerationforMulti-taskVisualGrounding论文阅读笔记一、Abstract二、引言三、相关工作3.1指代表达式理解3.2指代表达式分割

乄洛尘·2023-09-21 14:06

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

新闻推荐论文笔记(2):Neural News Recommendation with Attentive Multi-View Learning

IJCAI2019论文清北与微软亚研出品image.png本文为自己的论文阅读笔记，如有错误欢迎指正，转载请联系笔者最近在研究新闻推荐的新方法，本文为系列文章的第二篇，前文请见https://www.jianshu.com

阿瑟_TJRS·2023-09-20 20:49

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

RWLinno·2023-09-20 09:10

《The Dilemma of Parameterizing Propagation Time in Blockchain P2P Network》论文阅读笔记

paperAbstract无权限区块链上的传播时间对分散系统的稳定性和性能起着重要作用。在分散的对等网络中，大量的活动被传播到整个节点，从而造成传播延迟。系统的稳定性首先是我们关心的问题。传播延迟为攻击者应用其协议提供了机会。无论是不经过适当的计算直接加速还是减速传播时间，都会给整个区块链系统带来诸多负面影响。在本文中，我们详细地回顾和阐述了在这样一个系统中与传播时间有关的几个参数。我们从数据通信

甸仔向前冲·2023-09-20 06:59

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

Retinexformer 论文阅读笔记

Retinexformer:One-stageRetinex-basedTransformerforLow-lightImageEnhancement清华大学、维尔兹堡大学和苏黎世联邦理工学院在ICCV2023的一篇transformer做暗图增强的工作，开源。文章认为，Retinex的I=R⊙LI=R\odotLI=R⊙L假设干净的R和L，但实际上由于噪声，并不干净，所以分别为L和R添加干扰项，

ssf-yasuo·2023-09-18 19:26

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

Self-paced Multi-grained Cross-modal Interaction Modeling for Referring Expression Comprehension论文阅读

Self-pacedMulti-grainedCross-modalInteractionModelingforReferringExpressionComprehension论文阅读笔记一、Abstract

乄洛尘·2023-09-17 13:32

《MixConv--混合的深度卷积核》论文阅读笔记

MixNet 这篇文章来自谷歌大脑，是最近（19年7月）刚挂出来的，然后应该是发表在了BMVC2019上。原文可见MixConv:MixedDepthwiseConvolutionalKernels。摘要深度卷积在现代高效卷积神经网络中越来越受欢迎，但其核大小却常常被忽略。在本文中，我们系统地研究了不同核大小的影响，并观察到将不同尺寸核的优点结合起来可以获得更好的精度和效率。在此基础上，我们提出

JR_Chan·2023-09-17 07:55

推荐频道

图神经网络论文阅读笔记