文献阅读GNN

目标检测文献阅读笔记（一）

如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。最近研究了一段时间的目标检测问题，将阅读的一些文献资料总结如下：1、使用增强2DPCA和ML算法估计的目标追踪（Objecttrackingusingincremental2DPCAlearningandMLestimation）（英文，期刊，2008，EI检索）这篇文章的最大作用就是帮我们找到了增强型2DPCA（双
山在岭就在·2023-11-28 18:46

【文献阅读笔记】深度异常检测模型

文章目录导读相关关键词及其英文描述记录深度异常检测模型Superviseddeepanomalydetection有监督深度异常检测Semi-Superviseddeepanomalydetection半监督深度异常检测Hybriddeepanomalydetection混合深度异常检测One-classneuralnetworkforanomalydetection用于异常检测的一类神经网络Un
迎着黎明那道光·2023-11-28 18:45

【文献阅读笔记】SimpleNet: A Simple Network for Image Anomaly Detection and Localization

文章目录1、模型2、训练3、推理4、实验结果消融实验一类新奇检测5、代码6、想法2023CVPR领域：异常检测目标：图像输入数据1、模型模块：特征提取器、特征适配器、异常特征生成器、鉴别器模块功能构成特征提取器提取局部特征预训练网络的不同层特征适配器将预训练的特征转移到目标域一层的全连接层异常特征生成器生成异常样本向特征空间添加高斯噪声鉴别器鉴别出正常和异常两层的多层感知机2、训练训练过程：正常样
迎着黎明那道光·2023-11-28 18:45

【文献阅读笔记】路径损耗模型公式

信道的路径损耗信道的路径损耗是信道路径损耗真值的分贝数。信道路径损耗真值为发射功率与接收功率之比。信道的路径增益信道的路径增益分贝数时路径损耗的分贝值的负数。通常是负数路径损耗的模型公式Pr=Pt*K*(d0/d)^r其中：Pr是接收功率Pt是发射功率K是依赖于天线特性和平均信道损耗的常系数d0是天线的参考距离d是实际距离r是路径损耗指数K<1，取为d0处的自由空间路径损耗瑞利信道和莱斯信道在实际
迎着黎明那道光·2023-11-28 18:15

【文献阅读笔记】关于GANomaly的异常检测方法

文章目录1、GANomaly:Semi-SupervisedAnomalyDetectionviaAdversarialTraining模型主要创新2、Skip-GANomaly:SkipConnectedandAdversariallyTrainedEncoder-DecoderAnomalyDetection模型主要创新点3、Industrialsurfacedefectdetectionan
迎着黎明那道光·2023-11-28 18:43

文献阅读进步史

191016小白小白感觉，精读一篇文献时，没必要一开始就字斟句酌，每句话的结构，每个词的词意都搞懂。甚至大佬们说的，先看摘要，再看figure，再看discuss，也不适合现在的我。现在的我，如果看完摘要直接看figure，也是搞不懂他想做什么，他用到的技术是什么，他为什么要这样做。看figure扔要回归文章，顺着他的思路想。所以，现在看文献都步骤是这样的，看摘要，了解他大概解决了什么问题，看in
温简书13·2023-11-28 16:57

【文献阅读笔记】Knowledge-enhanced Visual-Language Pre-training on Chest Radiology Images

文章目录摘要1.介绍2.相关工作2.1.视觉语言的预训练模型2.2.医学的命名实体识别模型2.3.医学知识增强模型3.方法3.1.算法概述3.2.问题场景3.3.知识编码器3.4.实体提取（Entityextraction）3.5.知识引导的视觉表征学习4.实验4.1.特定领域的知识（Domain-specificKnowledge）4.2.数据集4.2.1.预训练的数据集4.2.2.用于下游评估
Cpdr·2023-11-28 10:14

文献阅读与翻译《LLMs4OL: Large Language Models‌ for Ontology Learning》

摘要我们提出了LLMs4OL方法，它利用大型语言模型(LLMs)进行本体学习(OntologyLearning，OL)。LLMs在自然语言处理领域取得了显著的进展，展示了其在不同知识领域捕获复杂语言模式的能力。我们的LLMs4OL范式研究了以下假设：LLMs能否有效地将其语言模式捕获能力应用到OL中，这涉及到从自然语言文本中自动提取和结构化知识?为了检验这一假设，我们使用零样本提示方法进行综合评估
啾啾啾666·2023-11-28 10:43

G.M.Chen & W.J. Starosta 的综合的跨文化交际能力模型

2019-03-123月文献阅读笔记10-《跨文化能力研究》定义：跨文化交际能力是交际者在特定的情境中商讨文化意义、辨析文化身份，有效得体地进行交际的能力，由情感、认知和行为过程三个不断发展和完善的过程构成
叶小静Stamy·2023-11-28 08:54

自动驾驶4D毫米波雷达文献综述

文献阅读笔记：《4DMillimeter-WaveRadarinAutonomousDriving:ASurvey》4D毫米波（mmWave）雷达，能够测量目标的距离、方位角、高度和速度，已经在自动驾驶领域引起了相当大的兴趣
风靡晚·2023-11-28 05:00

文献阅读 - Bidirectional LSTM-CRF Models for Sequence Tagging

BidirectionalLSTM-CRFModelsforSequenceTaggingZ.H.Huang,W.Xu,K.Yu,BidirectionalLSTM-CRFModelsforSequenceTagging,(2015)摘要基于长矩时记忆网络（longshort-termmemory，LSTM）的序列标注模型：LSTM、双向LSTM（bidirectionalLSTM，BI-LSTM
K5niper·2023-11-25 20:10

12月检视及2019年工作计划

工作:完成重金属检测报告;本月开启基质文献阅读并输出笔记，目前看完35篇文献并输出笔记;竹渣育苗基质试验开展竹渣浸提液对黄瓜和西兰花种子萌发的影响;完成畜牧总站检测
Wfish·2023-11-25 13:17

春节假期的学习计划

在英语文献阅读之后实施。4.
龙仔很忙·2023-11-25 05:53

结合GNN和专家知识检测智能合约漏洞

文章目录CombiningGraphNeuralNetworkswithExpertKnowledgeforSmartContractVulnerabilityDetection摘要1.介绍2.相关工作2.1智能合约漏洞检测2.2图神经网络3.问题陈述3.1回退机制3.2三种可能的漏洞4.解决方法4.1专家模式提取4.1.1Reentrancy4.1.2Timestampdependence4.1
rebibabo·2023-11-25 02:07

文献阅读 | GAM：基于ligation-free方法捕获基因组中增强子间的复杂互作 (Part III：SLICE model）

文章梳理：文献阅读|GAM：基于ligation-free方法捕获基因组中增强子间的复杂互作(PartI：文章梳理）原文链接：BeagrieRA,ScialdoneA,SchuelerM,etal.Complexmulti-enhancercontactscapturedbygenomearchitecturemapping.Nature
阿狸的窝·2023-11-24 22:15

详解深度学习中的图神经网络GNN

引言图神经网络GNN是深度学习的一个分支。
金戈鐡馬·2023-11-24 18:10

【现学现卖】CHEER与病毒宏基因组数据分析（1）

“文献阅读”CHEER:HierarCHicaltaxonomicclassificationforviralmEtagEnomicdataviadeepleaRning摘要：病毒宏基因组数据增长快速，
乔伊nikkie·2023-11-24 02:57

图神经网络（7）-续 GNN的具体实践（BN,dropout等）

目录实践中的GNN层GNN的过渡平滑问题（节点嵌入趋同）增强GNN的表达能力增加跳跃连接摘要：GNN层的变换，over-smoothing问题以及解决办法（增强GNN的表达能力、增加跳跃连接）在实际应用中
山、、、·2023-11-23 14:40

2021-06-20

姓名：王映中学号：20181214025学院：广研院【嵌牛导读】可解释人工智能又向前迈进了一步，以及为什么现有的解释方法难以适用于gnn，可解释性是深度学习中的一个大课题，因为它可以实现更可靠和可信的预测
6ee8e460f40c·2023-11-23 02:35

【现学现卖】CHEER与病毒宏基因组数据分析（2）

“文献阅读”CHEER:HierarCHicaltaxonomicclassificationforviralmEtagEnomicdataviadeepleaRning接上文：【现学现卖】CHEER与病毒宏基因组数据分析
乔伊nikkie·2023-11-23 01:56

2019-04-08《会读才会写 导向论文写作的文献阅读技巧》

1怎样阅读才能促进新观点的形成和完善，以免在写概述时腹中无物该怎样管理大量已有研究中蕴含的信息？这么多信息，到底该怎样组织，分类和提取，才能更好地实现我的目的？2摘要，重点阅读发现部分，判断跟你研究的主题是否相关3我的研究是有益的：（1）几乎没有人进行过这样的研究（2）进行过此类研究的人使用的方法不对，（3）而且他们的研究几近于研讨会上的空谈。文献综述阅读的时候，整理这样一个表格：文章序号作者年份
Imkwr·2023-11-23 01:37

（论文阅读34-39）理解CNN

34.文献阅读笔记简介题目Understandingimagerepresentationsbymeasuringtheirequivarianceandequivalence作者KarelLenc,AndreaVedaldi
朽月初二·2023-11-21 09:57

（论文阅读51-57）图像描述3 53

51.文献阅读笔记（KNN）简介题目ExploringNearestNeighborApproachesforImageCaptioning作者JacobDevlin,SaurabhGupta,RossGirshick
朽月初二·2023-11-21 09:20

【精读文献】1 用于改进脑电图癫痫分析的自监督图神经网络

在这项研究中，我们通过以下方式来应对这些挑战：（1）使用图神经网络（GNN）表示脑电图中的时空依赖性，并提出两种捕捉电极几何形
jc菜鸟教程·2023-11-21 07:58

Adversarial Attacks and Defenses on Graphs: A Review, A Tool and Empirical Studies（2020）

作为DNN对图的扩展，图神经网络（GNN）已被证明继承了该漏洞。对手可
今我来思雨霏霏_JYF·2023-11-21 06:59

Adversarially Robust Neural Architecture Search for Graph Neural Networks（2023CVPR）

AdversariallyRobustNeuralArchitectureSearchforGraphNeuralNetworks----《面向图神经网络的对抗鲁棒神经架构搜索》摘要  图神经网络（GNN
今我来思雨霏霏_JYF·2023-11-21 06:59

Adversarial Attacks on Neural Networks for Graph Data（2018 ACM SIGKDD）

回答这两个问题需要考虑到GNN的特性：①关系效应：图中的预测不止是基于单个实例，而是基于各种实例的联合。②消息传播机制：操纵一个实例会影响许多其他实例。摘要  基于图的深度学习模型在节点
今我来思雨霏霏_JYF·2023-11-21 06:59

GCN学习笔记_01

GNN学习笔记1基本定义与概念1.1点、边、图点：特征(人、实物…)边：联系/关系(特征)图：全局特征图神经网络的目标：整合特征、重构点边和图。
自在犹仙·2023-11-20 11:31

GCN笔记

上一个帖子就算给GNN简单开了个头，现在开始对GNN下的具体策略进行讲述。
HyzKey2U·2023-11-20 11:53

（论文阅读46-50）图像描述2

46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick
朽月初二·2023-11-19 09:12

（论文阅读40-45）图像描述1

40.文献阅读笔记（m-RNN）简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang
朽月初二·2023-11-18 22:08

【文献阅读】Low Cost Edge Sensing for High Quality Demosaicking

[PDF][Code]1.摘要使用彩色滤光器阵列(CFA)的数码相机需要一个去马赛克程序来形成完整的RGB图像。对于数码相机行业来说，解调速度和解调精度同样重要，因为相机用户已经习惯了即时查看拍摄的照片。此外，与去马赛克相关的成本不应超过使用CFA节省的成本。为此，我们回顾了经典的Hamilton-Adams(HA)算法，该算法在速度和准确性方面都优于许多复杂的技术。我们的分析表明，HA算法可以高
蘑菇桑巴·2023-11-18 20:51

【文献阅读】Self similarity driven color demosaicking

[PDF][Code]1.摘要每个像素只测量一种颜色成分，红色、绿色或蓝色，人们可以在每个像素推断出整个颜色信息。这种推断需要深刻理解颜色之间的相互作用，以及图像局部几何的参与。虽然在以非常小的相对误差进行这种推断方面非常成功，但当局部几何不能从邻近像素推断时，最先进的去马赛克方法就失败了。在这种情况下，当薄结构或精细的周期性图案在原始中出现时，最先进的方法可能会产生令人不安的伪影，称为拉链效应，
蘑菇桑巴·2023-11-18 20:51

【Paper-Attack】Attacking Graph-Based Classification without Changing Existing Connections

节点分类方法分为两种：GNN：
duanyuchen·2023-11-16 14:58

图上的对抗与攻击精选论文列表(2021相关论文一览)

通过拓扑扰动的GNN解释网
数据派THU·2023-11-16 14:27

CIKM2021《Single Node Injection Attack against Graph Neural Networks》论文详解

本文关注的是一个非常有限的单节点注入evasionattack场景，即攻击者在测试阶段只被允许注入单个节点来伤害GNN的性能。
Anonymous-·2023-11-16 14:20

【Attack】针对GNN-based假新闻检测器

AttackingFakeNewsDetectorsviaManipulatingNewsSocialEngagementAbstractMotivationContributionsFormulationMethodologyAttackerCapability（针对挑战1）AgentConfiguration（针对挑战3）WWW’23,April30-May4,2023,Austin,TX,U
ca1m4n·2023-11-16 14:48

详解PyG中的ToSLIC变换

前言PyG是一个开源的Python库，用于深度学习任务中的图神经网络（GNN）建模和训练。该库包括多个GNN模型和与图相关的数据结构和算法。在本篇文章中，我将介绍PyG中的T
Yuetianw·2023-11-16 09:33

（论文阅读31/100）Stacked hourglass networks for human pose estimation

31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV
朽月初二·2023-11-16 03:44

（论文阅读32/100）Flowing convnets for human pose estimation in videos

32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman
朽月初二·2023-11-16 03:44

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR
朽月初二·2023-11-16 03:14

Radiology 谈人工智能在放射学领域的10个预测方向 [文献阅读]

人工智能(AI)和信息学正在改变放射学。十年前，没有哪个专家会预测到今天放射人工智能行业的蓬勃发展，100多家人工智能公司和近400种放射人工智能算法得到了美国食品和药物管理局(FDA)的批准。不到一年前，即使是最精明的预言家也不会相信这些算法可以创作诗歌，赢得美术比赛，并通过医学委员会的考试。现在，当我们庆祝我们专业的旗舰期刊《Radiology》成立一百周年时，这些成就已经成为我们的现实。令人
Tina姐·2023-11-15 22:20

A Gentle Introduction to Graph Neural Networks

十多年来，研究人员已经开发出了可以处理图数据的神经网络，称为图神经网络或GNN。最近的研究提高了它们的能力和表现力。我们开始看到其在多个领域
今我来思雨霏霏_JYF·2023-11-15 07:17

论文浅尝 | 用于学习知识图谱嵌入的一种基于注意力机制的新型异构 GNN 框架HRAN...

图神经网络(GNN)作为一种有效的图表示技术，在学习图嵌入方面表现出了良好的性能。然而，KG具有异构性的
开放知识图谱·2023-11-15 06:15

规划文献阅读——Obstacle Avoidance, Path Planning and Control for Autonomous Vehicles

摘要自动驾驶汽车避障需要三个主要层面，即感知、路径规划和制导控制。在本文中，考虑到这三个层次之间的联系，提出了一个全局架构。在环境感知层面，采用基于证据占用网格的方法进行动态障碍物检测。因此，考虑物体的姿态来生成轨迹。后者是基于平滑轨迹的s型函数。最后，控制制导利用该避障轨迹生成合适的转向角。整个策略在我们的实验车上得到了验证。实验结果表明了该方法的有效性。1.Introduction智能交通系统
Jack Ju·2023-11-14 18:51

文献阅读——Layered Costmaps for Context-Sensitive Navigation

摘要许多导航系统，包括无处不在的ROS导航堆栈，在单个成本图上执行路径规划，其中大部分信息存储在单个网格中。这种方法在生成最小长度的无碰撞路径方面非常成功，但是当成本图中的值超出已占用或空闲空间时，它在动态的、充满人员的环境中可能会遇到困难。我们已经创建并实现了一种称为分层成本图的新方法，它通过将成本图数据的处理分离到语义上分离的层来工作。每一层跟踪一种类型的障碍或约束，然后修改用于路径规划的主成
Jack Ju·2023-11-14 18:18

专题解读｜Graph Fairness代表性工作介绍

尽管GNNs表现优异，但最近的研究表明，GNN
梦码城·2023-11-14 17:55

触摸屏【威纶通】

威纶通：cMT-FHDX-920分体式触摸屏昆仑通态：E系列经济型K系列标准型G系列高端型tpc1071gnN系列物联网屏T系列新品发布（推荐）tpc1031ti编程软件：EBproV6.08.02.500
cfqq1989·2023-11-14 09:54

使用dgl库实现GCN【官方案例】

学习目的学习使用gnn进行节点分类的基本工作流程，即预测图中节点的类别。关于GCN节点分类的综述在图数据上最流行和广泛采用的任务之一是节点分类，其中模型需要预测每个节点的真实类别。
♡Coisíní♡·2023-11-14 05:33

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei
朽月初二·2023-11-13 19:16
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他