论文解读

微软最新论文解读 | 基于预训练自然语言生成的文本摘要方法

作者丨张浩宇学校丨国防科技大学计算机学院研究方向丨自然语言生成、知识图谱问答本文解读的是一篇由国防科技大学与微软亚洲研究院共同完成的工作，文中提出一种基于预训练模型的自然语言生成方法。摘要在本文中，我们基于编码器-解码器框架提出了一种新颖的基于预训练的方法，该方法可以由给定输入序列以两阶段的方式生成输出序列。对于编码器，我们使用BERT将输入序列编码为上下文语义表示。对于解码器，在我们的模型中有两
PaperWeekly·2020-06-22 19:26

微软亚洲研究院论文解读：基于动态词表的对话生成研究（PPT+视频）

本文为12月27日，北京航空航天大学博士生、微软亚洲研究院实习生——吴俣在第21期PhDTalk中的直播分享实录。本次Talk的主题是基于动态词表的对话生成研究。首先，吴俣博士带大家回顾了近几年来聊天机器人领域的发展，并仔细对比检索式聊天机器人和生成式聊天机器人的优点和缺点。随后，他还以第一作者的身份，解读了北京航空航天大学和微软亚洲研究院于AAAI2018发表的工作NeuralResponseG
PaperWeekly·2020-06-22 19:53

CVPR 2020 三篇有趣的论文解读

©PaperWeekly原创·作者｜文永亮学校｜哈尔滨工业大学（深圳）硕士生研究方向｜视频预测、时空序列预测在深度学习中我们真的需要乘法？论文标题：AdderNet:DoWeReallyNeedMultiplicationsinDeepLearning?论文来源：CVPR2020论文链接：https://arxiv.org/abs/1912.13200代码链接：https://github.com
PaperWeekly·2020-06-22 19:50

Lanenet 车道线检测网络模型学习（论文解读+官方模型）

本文讲解的是用于车道线检测的一个网络结构叫lanenet，转载请备注，多谢哈|！2018.2发表出来的，文章下载地址：https://arxiv.org/abs/1802.05591github上代码：https://github.com/MaybeShewill-CV/lanenet-lane-detection官方训练的模型文件（我下载的官方模型是2019.6.26版本的）我上传至百度盘了（造
ciky奇·2020-06-22 19:56

【论文解读 EMNLP 2019 | TLNN】Event Detection with Trigger-Aware Lattice Neural Network

论文题目：EventDetectionwithTrigger-AwareLatticeNeuralNetwork论文来源：EMNLP2019清华论文链接：https://www.aclweb.org/anthology/D19-1033/代码链接：https://github.com/thunlp/TLNN关键词：事件检测，word-trigger不匹配，trigger多义，LSTM文章目录1摘要
byn12345·2020-06-22 19:46

【论文解读 EMNLP 2019 | MOGANED】ED with Multi-Order Graph Convolution and Aggregated Attention

论文题目：EventDetectionwithMulti-OrderGraphConvolutionandAggregatedAttention论文来源：EMNLP2019论文链接：https://www.aclweb.org/anthology/D19-1582/代码链接（非官方）：https://github.com/wzq016/MOGANED-Implementation关键词：事件检测，
byn12345·2020-06-22 19:46

【论文解读 EMNLP 2019】Joint Event and Temporal RE with Shared Representations and Structured Prediction

论文题目：JointEventandTemporalRelationExtractionwithSharedRepresentationsandStructuredPrediction论文来源：EMNLP2019南加利福尼亚大学，伊利诺伊大学香槟分校论文链接：https://www.aclweb.org/anthology/D19-1041/关键词：联合学习，事件抽取，时序关系抽取，BERT，Bi
byn12345·2020-06-22 19:46

【论文解读 ICLR 2020 | 图上的预训练】STRATEGIES FOR PRE-TRAINING GRAPH NEURAL NETWORKS

论文题目：STRATEGIESFORPRE-TRAININGGRAPHNEURALNETWORKS论文来源：ICLR2020论文链接：https://openreview.net/forum?id=HJlWWJSFDH¬eId=HJlWWJSFDH代码链接：https://github.com/snap-stanford/pretrain-gnns/关键词：GNN，GIN，预训练，迁移学习，
byn12345·2020-06-22 19:46

【论文解读 KDD 2018 | PinSage】Graph Convolutional Neural Networks for Web-Scale Recommender Systems

论文链接：https://arxiv.org/abs/1806.01973论文来源：KDD2018斯坦福大学,Pinterest关键词：GCN，推荐系统，web-scale，PinSage本文在GraphSAGE基础上进行改进（去掉了需要将整张图存储到内存中的限制），提出PinSage模型，成功在Pinterest的推荐系统上得到了应用，第一个将图卷积（GCN）在超大规模数据集上实现落地应用的方法
byn12345·2020-06-22 19:46

【论文解读 EMNLP 2019 | DyGIE++】Entity, Relation, and EE with Contextualized Span Representations

论文题目：Entity,Relation,andEventExtractionwithContextualizedSpanRepresentations论文来源：EMNLP2019华盛顿大学,GoogleAILanguage论文链接：https://www.aclweb.org/anthology/D19-1585/代码链接：https://github.com/dwadden/dygiepp关键
byn12345·2020-06-22 19:46

【论文解读 EMNLP 2019 | HMEAE】Hierarchical Modular Event Argument Extraction

论文题目：HMEAE:HierarchicalModularEventArgumentExtraction论文来源：EMNLP2019清华、微信AI论文链接：https://www.aclweb.org/anthology/D19-1584/代码链接：https://github.com/thunlp/HMEAE关键词：事件元素抽取（EAE），概念层次，attention，BERT，CNN文章目录
byn12345·2020-06-22 19:46

【论文解读 KDD 2019 | HetGNN】Heterogeneous Graph Neural Network

论文题目：HeterogeneousGraphNeuralNetwork论文来源：KDD2019论文链接：https://www3.nd.edu/~dial/publications/zhang_2019_heterogeneous.pdf代码链接：https://github.com/chuxuzhang/KDD2019_HetGNN关键词：HIN,GNN,GraphEmbedding文章目录1
byn12345·2020-06-22 19:45

Learning Attentive Pairwise Interaction for Fine-Grained Classification论文解读

论文链接：https://arxiv.org/abs/2002.10191分享的这篇文章来自于AAAI2020，文章的整个思路并不难理解。文章的idea来自于我们人类对相似图像的识别。一般来说，我们识别相似的图像，一方面是去找到图像中特殊的区域来进行识别，另一方面是通过比较图像对来有效地得到对比线索。这篇论文就是从后者获得的灵感。文章提出了AttentivePairwiseInteractionN
WangKingJ·2020-06-22 08:46

CVPR 2016 Structural-RNN: Deep Learning on Spatio-Temporal Graphs 论文解读

论文:Structural-RNN:DeepLearningonSpatio-TemporalGraphs论文地址:https://arxiv.org/pdf/1511.05298.pdf作者提出一种基于st-graph的RNN混合模型Structural-RNN（S-RNN），该模型特点是捕捉人体与周围环境中物体之间的相关性从而对人物未来的运动对预测。不用于其他模型针对mocap数据集进行学习，
UniSerj·2020-06-22 07:04

图像检索文献总结（二）

blog.csdn.net/TTdreamloong/article/details/79216937BagsofLocalConvolutionalFeaturesforScalableInstanceSearch论文解读
TTdreamloong·2020-06-22 06:17

Hourglass Network - stacked hourglass network for human pose estimation 论文解读

papertitle:stackedhourglassnetworkforhumanposeestimationpaperlink:https://arxiv.org/abs/1603.06937oralordemovideo：-project:-github:https://github.com/princeton-vl/pose-hg-trainconf&anthor:ECCV16,Aleja
JerryZhang__·2020-06-21 22:34

DeepPose - human pose estimation via deep nerual networks 论文解读

papertitle:deepPose:humanposeestimationviadeepnerualnetworkspaperlink:https://arxiv.org/pdf/1312.4659.pdforalordemovideo：-project:http://densepose.orggithub:https://github.com/mitmul/deepposeconf&anth
JerryZhang__·2020-06-21 22:34

SMPL: A Skinned Multi-Person Linear Model论文解读

SMPLpapertitle:SMPL:ASkinnedMulti-PersonLinearModelpaperlink:http://files.is.tue.mpg.de/black/papers/SMPL2015.pdforalordemovideo：https://www.youtube.com/watch?time_continue=98&v=kuBlUyHeV5U&feature=em
JerryZhang__·2020-06-21 22:33

CVPR2020目标检测等论文汇总：代码 / 论文解读 / 打包下载

原文链接：CVPR2020检测类论文最全汇总：136篇论文方向细分/代码/论文解读/打包下载本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见**此处。
极市平台·2020-06-21 20:13

加余边界softmax损失的人脸验证

AdditiveMarginSotfmaxforFaceVerification论文解读1、贡献与不足贡献:不足：2、AM-softmax损失函数3、三种损失下的特征分布4、A-Softemax与AM-Softmax
晨辰臣·2020-06-21 18:19

目标检测 - 二阶段检测 - Faster-RCNN

部分内容参考：1、https://blog.csdn.net/liuxiaoheng1992/article/details/818433632、mmdetection源码（下面简称为mmdet）论文解读模型结构论文中的图一个更详细的图
tsq292978891·2020-06-21 08:10

话到嘴边不会说，反向词典帮你找到那个最准确的表达！

文章目录问题引入尝试解决论文解读小结问题引入说到字典，我们都知道它的含义，那就是当我们遇到一个词不知道什么含义的时候，我们会查询字典，来获得它的定义，从而对于其含义进行理解。
刘炫320·2020-06-21 05:21

deepspeech 2 （百度 2016 论文解读 ）

论文：http://proceedings.mlr.press/v48/amodei16.pdf题目：DeepSpeech2:End-to-EndSpeechRecognitioninEnglishandMandarin摘要我们表明，可以使用端到端的深度学习方法来识别英语或普通话（两种截然不同的语言）。由于它用神经网络代替了人工工程组件的整个流水线，因此端到端学习使我们能够处理各种语音，包括嘈杂的
大数据AI笔记·2020-06-21 04:49

FPN实验总结

这个实验虚拟环境踩了一些坑(版本问题），不过在notebook上体验了一下retinanet的实验结果，参考的是FAIR最新视觉论文集锦，机器之心论文解读。
NoMorningstar·2020-06-21 04:35

AI人工智能算法解析&落地实践专栏列表汇总

details/10672214058同城|Embedding技术在房产推荐中的应用：https://xingqijiang.blog.csdn.net/article/details/106684161[论文解读
不一样的算法工程师·2020-06-21 02:44

[论文解读]微信看一看实时Look-alike推荐算法

论文链接：https://arxiv.org/abs/1906.05022微信看一看的精选文章推荐(见下面图1)大家应该都用过，微信团队在今年发表了一篇文章来专门介绍精选推荐的算法实现细节(Real-timeAttentionbasedLook-alikeModel，简称RALM算法)，这就是我们这篇文章要讲解的内容。基于这篇文章(见参考文献1)的描述，再结合自己的理解，我来带大家一起解读一下这篇
不一样的算法工程师·2020-06-21 02:43

[论文解读]EMNLP2019: A Boundary-aware Neural Model for Nested NER

EMNLP2019:ABoundary-awareNeuralModelforNestedNamedEntityRecognition论文链接:https://www.aclweb.org/anthology/D19-1034.pdf论文代码:https://github.com/thecharm/boundary-aware-nested-ner简介Motivation在NER任务中，有一类特殊
御风而行Carrie·2020-06-21 00:52

微软论文解读：用于视觉对话的多步双重注意力模型

作者丨张琨学校丨中国科学技术大学博士生研究方向丨自然语言处理论文动机当前Visualdialog模型尽管已经取得了令人印象深刻的表现，但当问题涉及到图像的特定区域或者比较细节的对话片段时，模型就很难给出准确的答案。究其原因，单步的分析需要同时关于太多的信息，当需要特定的位置或者说需要对问题和图像，对话历史进行反复理解时，单步理解就收到了很大的限制。因此多步推理，从粗粒度到细粒度就显得十分必要的，这
PaperWeekly·2020-06-21 00:09

【论文笔记】AutoML for MCA on Mobile Devices——论文解读与代码解析

理论部分方法介绍本节将详细介绍AMC的算法流程。AMC旨在自动地找出每层的冗余参数。AMC训练一个强化学习的策略，对每个卷积层会给出其action（即压缩率），然后根据压缩率进行裁枝。裁枝后，AMC算法直接对裁剪后的网络惊醒精度的测试，不经过fine-tune过程，这种精度测量结果是fine-tune后得到最优模型的精度的一中近似，而且可以加速整个训练过程。问题定义在深度神经网络中，通过建超每层的
liuyixin6178·2020-06-18 10:00

CV和NLP的统一，DETR 目标检测框架论文解读

DETR:End-to-EndObjectDetectionwithTransformers论文解读视频转载自：https://www.youtube.com/watch?
人工智能与算法学习·2020-06-14 18:24

唧唧堂：预售特惠！COVID新冠病毒主题社科类论文导读专栏

每篇论文我们都将有一位领读主播进行论文解读分享，并随后进行远程的线上互动讨论。招募领读主播现招募经济金融研究人成为我们的领读主播，我们将提供给主播：直播分享所需论文及论文解读，当
唧唧堂·2020-06-13 00:00

知识图谱最新权威综述论文解读：知识图谱补全部分

上期我们介绍了2020年知识图谱最新权威综述论文《ASurveyonKnowledgeGraphs:Representation,AcquisitionandApplications》的知识表示学习部分，本期我们将一起学习这篇论文的知识图谱补全部分。论文地址：https://arxiv.org/pdf/2002.00388.pdfarxiv.org由于知识图谱的不完整性，知识图谱补全可以用来向知识
ngl567·2020-06-10 23:31

知识图谱最新权威综述论文解读：关系抽取

上期我们介绍了2020年知识图谱最新权威综述论文《ASurveyonKnowledgeGraphs:Representation,AcquisitionandApplications》的知识图谱实体发现部分，本期我们将一起学习这篇论文的关系抽取部分。论文地址：https://arxiv.org/pdf/2002.00388.pdfarxiv.org关系抽取作为自动化构建知识图谱过程中非常重要的一个
ngl567·2020-06-10 23:27

知识图谱最新权威综述论文解读：知识图谱补全部分

上期我们介绍了2020年知识图谱最新权威综述论文《ASurveyonKnowledgeGraphs:Representation,AcquisitionandApplications》的知识表示学习部分，本期我们将一起学习这篇论文的知识图谱补全部分。论文地址：https://arxiv.org/pdf/2002.00388.pdfarxiv.org由于知识图谱的不完整性，知识图谱补全可以用来向知识
ngl567·2020-06-10 22:05

唧唧堂新冠病毒线上Seminar， 招募领读主播！

每篇论文我们都将有一位领读主播进行论文解读分享，并随后进行远程的线上互动讨论。招募领读主播现招募经济金融研究人成为我们的领读主播，我们将提供给主播：直播分享所需论文及论文解读，当
唧唧堂·2020-06-10 00:00

唧唧堂新冠病毒线上Seminar， 招募领读主播！

每篇论文我们都将有领读研究人进行论文解读分享，并随后进行远程的线上互动讨论。我们现招募感兴趣的研究人成为Semina
唧唧堂·2020-06-05 00:00

招募 | 唧唧堂2020新冠病毒线上Seminar领读研究人

每篇论文我们都将有领读研究人进行论文解读分享，并随后进行远程的线上互动讨论。我们现招募感兴趣的研究人成为Semina
唧唧堂·2020-05-30 00:00

知识图谱最新权威综述论文解读：知识表示学习部分

论文地址：https://arxiv.org/pdf/2002.00388.pdfarxiv.org上期回顾：知识图谱最新权威综述论文解读：开篇部分知识
ngl567·2020-05-19 00:27

Algorand 论文解读

Algorand是图灵奖获得者SilvioMicali主导研发的一种加密货币方案。该方案通过密码学抽签算法实现了拜占庭共识算法的大规模扩展，从而适用于公链数字货币体系。同传统加密货币共识算法PoW、PoS等相比拥有更安全、几乎不分叉、更高效（每轮共识达成时间在1分钟以内）等特性。关键概念Weightedusers:在Algorand中会对每个用户（用户特指Alogrand运行实例或者说节点）分配一
bitking·2020-04-08 09:26

CVPR 2019 论文解读 | 具有高标签利用率的图滤波半监督学习方法

具有高标签利用率的图滤波半监督学习方法本文解读了一篇被CVPR2019大会接收的半监督学习方向的论文,点击此处跳转至arXiv查看原文。在之前AI研习社直播的CVPR论文分享会上，论文的作者之一吴晓明老师做了现场分享，大家可以将第一个回放视频跳转到1:59:23处听吴老师的现场讲解。本文基于论文原文和老师的PPT对文章内容进行了重新梳理和解读，详略适中，希望对大家有帮助。《Label-Effici
AI研习社·2020-04-04 01:31

CenterNet(二) 源码解读之bouding box 检测

我们接着上一篇文章CenterNet（一）论文解读,来了解一下作者具体的代码是如何实现的吧。
blackmanba_084b·2020-04-03 17:23

(2014)Generative Adversarial Nets 论文解读

GenerativeAdversarialNets–生成对抗网络作者：IanJ.Goodfellow,JeanPouget-Abadie∗,MehdiMirza,BingXu,DavidWarde-Farley,SherjilOzair†,AaronCourville,YoshuaBengio‡论文阅读过程中也遇到了一些问题，穿插在文中提出了，希望有理解的人回答一下。Abstract1.本篇文章完
椰楠liu·2020-03-30 17:59

【强化学习】Soft Actor-Critic(SAC)论文解读以及pytorch简易代码复现

文章地址：https://zhuanlan.zhihu.com/p/114236301欢迎交流指教~
weixin_43609744·2020-03-28 14:00

深度学习 复现资料

网址收藏栏啊啊啊啊不是我说，上课的老师基本都是讲理论的多，编程不教自己去学本学渣鸭梨山大论文解读：pointer-genforsummarizationhttps://zhuanlan.zhihu.com
选西瓜专业户·2020-03-06 18:31

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·2020-03-02 00:23

阿里妈妈首次公开新一代自研智能检索模型 | WWW 2018论文解读

WWW大会（TheInternationalWorldWideWebConference），是一年一度关于互联网未来发展方向的首要国际学术会议，旨在聚集世界各地学术界和工业界的精英，一起进行关于网络演进、相关技术标准化等前沿话题的分享与讨论。WWW2018将于4月在法国里昂举办，其中阿里巴巴一篇介绍搜索直通车新一代智能广告检索模型的论文《BeyondKeywordsandRelevance:APe
阿里云_云栖社区·2020-02-27 05:38

区块链写作参考来源

资料来源分类--内容--来源--作者--参考价值专栏专栏--区块链论文解读--知乎--个人--写作模板专栏--区块链外文解读--博客--个人--写作模板专栏--专家解读--Vitalik博客--个人--
RickJay·2020-02-25 11:11

八、AlexNet可能会提高你的准确率

AlexNet相关论文解读Code#Copyfromgoogletutorials"""AtestofmnistusingtheAlexNetmodel"""im
Lornatang·2020-02-24 19:09

论文解读：Bert原理深入浅出

Bert自Google于2018年发表至今，一直给人们带来惊喜，期间也陆陆续续因为Bert出现的原因多了不少新的岗位，甚至公司JD上都明确表明必须懂Bert。它在11项自然语言处理任务中均表现出惊人的成绩：包括将GLUE基准推至80.4％（绝对改进率7.6％），MultiNLI精度达到86.7％（绝对改进5.6％）和SQuADv1.1问题回答测试F1到93.2。谷歌团队的ThangLuong直接定
小娌·2020-02-23 15:14

CVPR 2017论文集锦

下面为目前关于CVPR2017的论文解读的文章总结。
西方失败9527·2020-02-23 02:22
上一页 45 46 47 48 49 50 51 52 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他