论文解读

bert预训练模型解读_论文解读:BERT模型及fine-tuning

在上周BERT这篇论文[5]放出来引起了NLP领域很大的反响，很多人认为是改变了游戏规则的工作，该模型采用BERT+fine-tuning的方法，在11项NLPtasks中取得了state-of-the-art的结果，包括NER、问答等领域的任务。本文对该论文进行介绍。1.现有的LanguageModelEmbedding语言模型来辅助NLP任务已经得到了学术界较为广泛的探讨，通常有两种方式：fe
weixin_39796363·2020-12-24 05:01

轮廓检测论文解读 | 整体嵌套边缘检测HED | CVPR | 2015

主题列表：juejin,github,smartblue,cyanosis,channing-cyan,fancy,hydrogen,condensed-night-purple,greenwillow,v-green,vue-pro,healer-readable贡献主题：https://github.com/xitu/juejin-markdown-themestheme:juejinhigh
微信公众号[机器学习炼丹术]·2020-12-08 18:31

基于用户兴趣的商品推荐算法--DIN论文解读

0.写在前面前面我们分别讲了alibaba在电商推荐场景下的两大工作，分别是DIEN和DSIN。其实，这两个模型均基于最初的模型DIN（DeepInterestNetwork）发展优化而来。这次，我们就来看看DIN相比于其他模型而言，到底有哪些优化点。个人心得：用户的历史行为与每个候选物品的相关性权重不是一定的，可以用attention来建模激活函数的优化--适应数据分布的激活函数Dice论文地址
OneChancek·2020-12-02 22:32

【抓取】6-DOF GraspNet 论文解读

【抓取】6-DOFGraspNet论文解读【注】：本文地址：【抓取】6-DOFGraspNet论文解读若转载请于明显处标明出处。
DLUT_Hatim·2020-12-01 00:17

java 实现跳表（skiplist）及论文解读

什么是跳跃表跳表由WilliamPugh发明。他在论文《Skiplists:aprobabilisticalternativetobalancedtrees》中详细介绍了跳表的数据结构和插入删除等操作。跳表是一种可以用来代替平衡树的数据结构，跳表使用概率平衡而不是严格执行的平衡，因此，与等效树的等效算法相比，跳表中插入和删除的算法要简单得多，并且速度要快得多。为什么需要？性能比较好。实现相对于红黑
老马啸西风·2020-11-23 22:42

Transformer - An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

文章目录0.前言1.要解决什么问题2.用了什么方法3.效果如何4.还存在什么问题&可借鉴之处0.前言相关资料：arxivgithub，PyTorch论文解读论文基本信息领域：Transformer&CV
清欢守护者·2020-11-16 11:35

[论文解读] 阿里DIEN整体代码结构

[论文解读]阿里DIEN整体代码结构文章目录[论文解读]阿里DIEN整体代码结构0x00摘要0x01文件简介0x02总体架构0x03总体代码0x04模型基类4.1基本逻辑4.2模块分析4.2.1构建变量
罗西的思考·2020-11-03 18:20

EMNLP2020 | 神经机器翻译精选论文解读

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。AMiner平台：https:/
AMiner科技·2020-11-03 09:21

滴滴ETA论文解读：WDR模型

引言paper：LearningtoEstimatetheTravelTime读后感：整体中规中矩，将WD模型和LSTM相结合，解决实际的业务问题。备注：ETA是EstimateTravelTime的缩写，即，到达时间预估。这个问题描述是，在某一个时刻，估计从A点到B点需要的时间。对于滴滴，关注的是司机开车把乘客从起点送到终点需要的时间。显然，ETA就是一个时空相关的回归问题。Learningto
卜设限·2020-10-10 12:19

滴滴ETA论文解读：WDR模型

引言paper：LearningtoEstimatetheTravelTime读后感：整体中规中矩，将WD模型和LSTM相结合，解决实际的业务问题。备注：ETA是EstimateTravelTime的缩写，即，到达时间预估。这个问题描述是，在某一个时刻，估计从A点到B点需要的时间。对于滴滴，关注的是司机开车把乘客从起点送到终点需要的时间。显然，ETA就是一个时空相关的回归问题。Learningto
卜设限·2020-10-09 13:54

关系抽取RE的一些最新论文解读（三）

文章目录0.引言1.AGeneralFrameworkforInformationExtractionusingDynamicSpanGraphs(NAACL2019)1.1摘要1.2动机1.3贡献1.4模型1.5实验结果2.Entity,Relation,andEEwithContextualizedSpanRepresentations(emnlp2019)2.1摘要2.2动机2.3贡献2.4
BugLess++·2020-10-08 09:40

FCOS: Fully Convolutional One-Stage Object Detection论文解读

FCOS:FullyConvolutionalOne-StageObjectDetection论文：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1904.01355  Abstract：我们提出了一种全卷积的one-stage目标检测器（FCOS），以每像素预测方式解决目标检测，类似于语义分割。几乎所有最先进的目标检测器，如Reti
嘿芝麻·2020-09-17 05:30

EfficientNet的解读与Tensorflow 2.0实现

EfficientNet论文解读EfficientNet是Google在2019年发表的一篇论文，系统的研究了如何在给定资源的条件下，如何平衡扩展网络的深度，广度以及图像的分辨率这三者的关系，来取得最好的图像识别精度
gzroy·2020-09-17 03:09

SR-GNN论文解读并附代码分析

采用GNN解决基于会话的推荐，啥是会话？session-based？一般是指用户的行为，时间一般限制在30min内，也就是说用户在30min内的点击浏览行为，这是一个会话。基于会话的推荐最终结果是计算得到用户和item的embedding，并预测next点击，也就是说，这种方法与youtube2016的部分流程是相似的，ForVideoRecommendationinDeeplearningQQG
VideoRec·2020-09-17 03:16

GCN论文解读

He老师又出新作了，2020年的，此He非彼He，但在我看来都是一样的牛逼。我之前的SR-GNN版本速度好慢，这也是我的一个心病了，后面再想法子改版本，如果有好的版本（tf1.14或者tf.1.15能跑的，tf1.10以下的版本不能用）欢迎安利。paper地址在此，代码地址在此，torch版本在此。ForVideoRecommendationinDeeplearningQQGroup2773568
VideoRec·2020-09-17 03:31

OSDI‘16-资源调度论文解读【Altruistic Scheduling in Multi-Resource Clusters】

OSDI作为计算机系统类的顶会，其中发表的论文的研究方向基本是计算机研究类的风向标，当前最受关注的。而本届OSDI中有四篇关于资源调度方面的文献（CloudSystemsPart），可以看出当前关于资源调度仍然是研究的重点。写这篇博客的目的是想以通俗易懂的方式交流调度，由于才疏学浅，文中理解错误之处欢迎指正以及批评拍砖。AltruisticSchedulinginMulti-ResourceClu
Snail_JR·2020-09-16 22:54

[优质论文]伪造共同访问对推荐系统进行攻击

针对推荐系统的攻击论文原文：FakeCo-visitationInjectionAttackstoRecommenderSystems论文解读：[论文学习]脆弱的推荐系统:通过伪造共同访问对推荐系统进行攻击这篇文章写的很清楚
Kehl·2020-09-16 22:14

OSDI-2018（Scheduling）---Arachne: Core-Aware Thread Management

arachne_osdi_PDF链接论文解读参考：处理器感知线程管理系统·OSDI2018和Arachne:Core-AwareThreadManagement
qq_24890901·2020-09-16 22:41

GhostNet 论文解读

GhostNet:MoreFeaturesfromCheapOperations.CVPR2020.论文地址：arXiv开源PyTorch代码：GitHub引言由于嵌入式设备上有限的内存和计算资源，很难在上面部署卷积神经网络。因此，深度神经网络设计最新的趋势是探索轻量级高效网络体系结构的设计。那些成功的CNN模型一个重要的特征是特征图冗余，但是大量甚至冗余的信息通常可以确保对输入数据的全面了解。文
鼬爱你·2020-09-16 18:45

【ACL2019论文解读】Self-Supervised Learning for Contextualized Extractive Summarization

论文：https://arxiv.org/pdf/1906.04466.pdf源码：https://github.com/hongwang600/Summarization摘要：现存摘要抽取模型大都用交叉熵损失（刻画两个概率分布的距离）从零训起，难以捕获文档级别的全局上下文特征。本文引入三个预训练任务，用自监督（self-supervised）方法捕获文档全局特征。使用CNN/DailyMail数
木尧大兄弟·2020-09-16 01:03

论文解读《Automatic Text Scoring Using Neural Networks》

论文使用用C&WEmbedding及LSTM作为基础，提出了新的文本自动评分模型，取得了好的效果。具体如下：为什么要搞出一个SSWESAugmentedC&Wmodel？-C&WEmbeddings在NNLM之后，在CBOW和skip-gram之前，2008年Collobert和Weston提出的C&W模型不再利用语言模型的结构，而是将目标文本片段整体当做输入，然后预测这个片段是真实文本的概率，所
wang_Thr·2020-09-15 10:25

NLP文本评分、文章筛选

5.17AutomaticTextScoringUsingNeuralNetworks（使用神经网络的自动文本评分）：-论文原文地址：https://arxiv.org/abs/1606.04289-论文解读
wang_Thr·2020-09-15 10:54

自监督微光增强论文解读：Self-supervised Image Enhancement Network: Training with Low Light Images Only

论文地址：https://arxiv.org/abs/2002.11300项目地址：https://github.com/hitzhangyu/Self-supervised-Image-Enhancement-Network-Training-With-Low-Light-Images-Only目前好像暂未发表作者团队：哈尔滨工业大学主要工作：自监督不需要参考图像单图像训练增强整体基于Retin
import_torch_as_tf·2020-09-15 07:23

Mutual-Channel Loss 论文解读

论文标题：TheDevilisintheChannels:Mutual-ChannelLossforFine-GrainedImageClassification来源：IEEETIP2020针对目标：细粒度图像分类下载地址：https://arxiv.org/abs/2002.04264github地址：https://github.com/PRIS-CV/Mutual-Channel-Loss首
景唯acr·2020-09-15 03:18

评价与量化CNN的各个卷积窗对于分类结果的贡献（论文解读）

引用：Xu,H.,Chen,Y.,Lin,R.,&Kuo,C.(2018).Understandingconvolutionalneuralnetworksviadiscriminantfeatureanalysis.APSIPATransactionsonSignalandInformationProcessing,7,E20.doi:10.1017/ATSIP.2018.24本文引入了一些量化
王红尘·2020-09-15 00:37

STANet 代码实现

Github地址LEVIR-CD数据集下载STANet论文解读LEVIR-CD是一种新型的大型遥感建筑物变化检测数据集。
Amberrr-L·2020-09-14 23:39

SAGAN(Self-Attention Generative Adversarial Networks)论文解读附自己的理解

Self-AttentionGenerativeAdversarialNetworksTensorFlow代码：https://github.com/taki0112/Self-Attention-GAN-TensorflowPytorch代码（作者源码）：https://github.com/heykeetae/Self-Attention-GAN看论文之前看了两篇比较好的文章:https://
Amberrr-L·2020-09-14 23:38

论文解读《Boosting Adversarial Attacks with Momentum》

摘要我们提出了一种广泛的基于动量的迭代算法来增强对抗攻击。通过将动量项集成到迭代过程中，我们的方法可以在迭代过程中稳定更新方向并避免糟糕的局部最大值1.FGSM我们先来了解一下迭代的FGSM算法,它通过以下公式来产生扰动x∗x_*x∗x∗=x+ϵ∗sign(∇xJ(x∗,y))，(1)x_*=x+{\epsilon}*sign({\nabla}_xJ(x_*,y))，(1)x∗=x+ϵ∗sign(
甘先了个生·2020-09-14 12:21

论文浏览(9) A Simple Baseline for Multi-Object Tracking

文章目录0.前言1.要解决什么问题2.用了什么方法3.效果如何4.还存在什么问题0.前言相关资料：arxivgithub论文解读论文基本信息领域：多目标跟踪作者单位：华科&微软亚洲研究院发表时间：2020.41
清欢守护者·2020-09-14 06:19

KDD 2020阿里巴巴论文一分钟秒读

好消息是，近日，清华大学AMiner团队和同济大学iDVX实验室与智谱AI联合发布了一款AI视频神器——“秒读论文”，一键生成论文解读短视频，能助力科研人员快速掌握中英文文献核心要义。
AITIME论道·2020-09-14 03:11

YOLO2论文解读：YOLO9000: Better, Faster, Stronger

本文主要依据YOLO2论文翻译而来，论文可阅读自cvpr2017：http://openaccess.thecvf.com/content_cvpr_2017/papers/Redmon_YOLO9000_Better_Faster_CVPR_2017_paper.pdf摘要使用多尺度训练，YOLOv2可以适应不同的图像大小，速度和精度都有权衡；相比FasterR-CNN和SSD，检测效果更好而且
tju_zhuangshuo·2020-09-13 14:31

uncertain temporal knowledge graph论文解读

不确定时间知识图谱–uncertaintemporalknowledgegraph摘要时间数据随处可见，例如医疗历史，购物史，雇佣史和网页日志。开源的信息抽取工具证实了从这些数据源自动构建知识图谱的可行性。通常这些工具抽取出来的数据都带有它们的置信度，这就引出了不确定（概率）知识图谱的概念。由于抽取工具的问题，或者数据源自身的问题，抽取的事实关系等带有不确定性或者错误。在本论文中，作者做了哪些工作
方问楚·2020-09-13 13:59

Unified Dynamic Convolutional Network for Super-Resolution with Variational Degradations 论文解读

论文地址：https://arxiv.org/abs/2004.06965总述：在单图像超分领域，现如今研究者只考虑某一种单一的退化过程(如双线性下采样)，或者是考虑多种退化过程，以此来更好地模拟现实世界的退化情况。然而，大部分工作都是以固定的方式来组合退化过程，或者为不同的退化类型训练神经网路。更可取的应该是训练一个网络来适应更加宽范围和多种类型的退化过程。因此，本文提出了一种适用于可变降质类型
爱coco-爱科研·2020-09-13 06:49

《Image Generation and Translation with Disentangled Representations 》论文解读--解开图像表示的生成与转换

一、论文解读1.原始GANs在图像生成与转换的几个主要问题注：要看原文的话，可以结合paper第一部分和第二部分可以看出原始的GANs在图像生成与转换的主要问题。这里给出如下几个总结：（1）原
托尼小白·2020-09-12 19:03

context2vec：Learning Generic Context Embedding with Bidirectional LSTM

1006/https://github.com/tatsuokun/context2vechttps://blog.csdn.net/yang191919/article/details/106141327论文解读
wjunneng·2020-09-12 14:34

京东商城背后AI技术揭秘（二）——基于商品要素的多模态商品摘要

接下来，【AI论文解读】专栏将会通过相关AI论文的解
京东智联云技术新知·2020-09-12 13:46

Learning with Noisy Label

LearningwithNoisyLabel学习记录总结1.1阅读背景1.2理论基础类1.2.1paper:understandingdeeplearningrequiresrethinkinggeneralization--2017论文解读笔记
Zhouxk96·2020-09-12 08:42

人体姿态2020（三）Self-supervised Learning of Interpretable Keypoints from Unlabelled Videos

《Self-supervisedLearningofInterpretableKeypointsfromUnlabelledVideos》论文解读Abstract1.Introduction2.Relatedwork2.1
Raywit·2020-09-12 06:16

【NOMA】Non-Orthogonal Multiple Access (NOMA) for Cellular Future Radio Access(NOMA 原理)

文章目录技术特点SIC接收机配套技术数学原理SICdecodingandSINR和OFDMA的对比性能影响因素更多关于NOMA的论文解读请见本人无线通信专栏的NOMA系列论文名Non-OrthogonalMultipleAccess
thompson_wang·2020-09-12 05:39

a_vision_aided_nonlinear_observer_for_fixed_wing_uav_navigation论文解读

由于本人之前读论文写总结时为了省时间直接截图论文里面的公式粘贴到文档里面，因此总结里面有很多零碎的图片公式，如果用文档形式上传很蛋疼，要一个个的剔出来传，所以我就全部转成图片形式传上来，反正是给自己留个备份的，简单粗暴省时间~(～￣▽￣)～，当然了，观众姥爷（如果有的话）不复制粘贴也没差咯~
yuzhijiedingzhe·2020-09-11 23:13

Semantic Segmentation--ENet:A Deep Neural Network Architecture for Real-Time Semantic..论文解读

ENetENet:ADeepNeuralNetworkArchitectureforReal-TimeSemanticSegmentation原文地址：ENet代码:IntroductionCaffeTensorFlowKeras效果图：Abstract许多移动应用需要实时语义分割(Real-timeSemanticSegmentation)模型,现有的深度神经网络难以实现，问题在于深度神经网络需
DFann·2020-09-11 22:53

Xception网络论文解读

文章目录Xception背景1.Xception原理简介1.1Inceptionmodule原理分析1.2Xception网络设计思想2.网络结构参考Xception背景Xception作者认为Inception系列网络的成功要归功于Inceptionmodule结构，同时也十分好奇Inceptionmodule为什么可以提取出比传统卷积更有用的特征。他从结构入手，分析出其中原因，并借助该思想设计
陈以二·2020-09-11 20:16

[论文解读]Multi-View 3D Object Detection Network for Autonomous Driving

问题引入在无人驾驶场景中，物体的3D检测(或者说是bounding-box)的重要性不言而喻。从2D检测到3D检测，主要的难点是提取深度信息，因此总体上可以将其分为四种，分别为：基于单目图像(Mono)基于双目图像(Stereo)基于雷达(LIDAR)基于融合网络这篇论文就是一篇较为出色的融合网络的范例。后期和清华的老师沟通得知，这篇论文的算法正在被产业化，因此源码在一段时间内不会透露，可以就相关
williamyi96·2020-09-10 21:50

NLP 专题论文解读：从 Chatbot 到 NER | PaperDaily #11

对话系统1.论文动机论文来自华为诺亚方舟实验室。都说人工智能要有情感，能体会到人的喜怒哀乐，今天就来介绍一篇带有情绪的chatbot。在以往的研究中，大部分对话系统都只关注生成对话的语法语义是否合理，这里面有考虑上下文的，有结合主题的，有生成长句子的等等。但很少有对话系统关注情感，这是很不合理的。因为在聊天中，当一个人表示难过的时候，另一方经常会回应适当的安慰；当一方感到开心时，另一方也会为其感到
weixin_34044273·2020-09-10 19:32

阿里提出电商搜索全局排序方法，淘宝无线主搜GMV提升5%

作者|瑞溪编辑|VincentAI前线导读：AI前线本周带来第35篇论文解读，本期要解读的论文来自阿里巴巴，主题是：电商搜索全局排序方法。
weixin_33860528·2020-09-10 19:44

美图云联合中科院，提出基于交互感知注意力机制神经网络的行为分类技术 | ECCV 2018...

美图云视觉技术部门+10AI影响因子论文名称：ECCV时间：2018企业：美图雷锋网(公众号：雷锋网)AI科技评论按：本文为美图云视觉技术部门的ECCV2018录用论文解读。
weixin_33836874·2020-09-10 19:38

论文解读：A Focused Dynamic Attention Model for Visual Question Answering

这是关于VQA问题的第四篇系列文章。本篇文章将介绍论文：主要思想；模型方法；主要贡献。有兴趣可以查看原文：AFocusedDynamicAttentionModelforVisualQuestionAnswering。1，主要思想：FocusedDynamicAttention(FDA)模型：通过问题的关键词，识别图像中重要的对象；并通过LSTM单元融合来自区域和全局特征的信息。然后将这种问题驱动
yealxxy·2020-09-10 18:18

论文解读：Selective Attention for Context-aware Neural Machine Translation

论文解读：SelectiveAttentionforContext-awareNeuralMachineTranslation  当前诸多的神经机器翻译工作着力于句子级别（sentence-level）
华师数据学院·王嘉宁·2020-09-10 16:30

论文解读 | 基于正则化图神经网络的脑电情绪识别

©PaperWeekly原创·作者｜张玮玮学校｜东北大学硕士生研究方向｜情绪识别引言论文动机现有的基于脑电图的情绪识别方法大多不能很好地解决以下三个方面的问题：1.脑电图信号的拓扑结构没有被有效地利用来学习更多的有鉴别性的脑电图特征然而，大多数方法需要在头皮上对脑电图通道进行2D表示，这可能会在flatten过程中造成信息丢失，因为通道实际上是在3D空间中排列的；2.不同受试者的脑电图信号差异较大
PaperWeekly·2020-09-10 12:19

【论文解读 AAAI 2020】Graph-Based Reasoning over Heterogeneous External Knowledge for 常识问答

论文题目：Graph-BasedReasoningoverHeterogeneousExternalKnowledgeforCommonsenseQuestionAnswering论文来源：AAAI2020信工所，北大，微软论文链接：https://arxiv.org/abs/1909.05311关键词：知识图谱，机器推理，常识问答，GCN，Attention官方介绍：机器推理系列第一弹：机器推理
byn12345·2020-09-10 12:45
上一页 33 34 35 36 37 38 39 40 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他