GNN论文学习

CVPR 2023 精选论文学习笔记：Prefix Conditioning Unifies Language and Label Supervision

以下是根据MECE原则给出的四个分类标准：1.学习范式。学习范式是指用于训练模型的一般方法。在视觉语言模型的背景下，主要的两种学习范式是监督学习和无监督学习。监督学习：监督学习涉及在标记的图像-文本对数据集上训练模型。标签为模型提供了明确的指导，使其能够学习图像和文本之间所需的关系。这种类型的学习通常用于需要模型根据输入数据进行预测或分类的任务，例如图像描述、视觉问题回答和视觉定位。无监督学习：无
结构化文摘·2023-11-27 09:57

【论文学习】Adversarial Examples on Graph Data: Deep Insights into Attack and Defense论文学习

摘要类似GCN这样的图深度学习模型近几年咋一些图数据任务上取得了很好的效果。与其他的深度学习模型类似，图深度学习模型通常也会遭受到对抗攻击。但是，跟非图数据相比，图数据中的离散特征，图连接以及对于扰动的不可感知的不同定义给图对抗攻击带来了许多挑战。在这篇文章中，作者提出了攻击和防御的方法。在攻击的时候，作者发现图数据的这些离散特性可以通过引入积分梯度来解决。这个积分梯度可以反映出对图中的某一条边或
精致又勤奋的码农·2023-11-27 06:13

论文学习：New Similarity of Triangular Fuzzy Number and Its Application

一.介绍由于信息的不确定性和决策问题的复杂性，决策者很难用精确的数字来表达自己的偏好，所以他们更容易用模糊术语来表达偏好。三角模糊数不仅可以用来表示信息的模糊性和不确定性，还可以表示信息处理中的模糊项，相似性是两个模糊概念之间类比推理的重要工具。本文提出了一种新的测量两个三角模糊数相似度的方法SIAM。二.三角模糊数模糊数：如果正则凸模糊集是基于实域且满足以下条件：（1）仅存在一个元素，使得；（2
python小白22·2023-11-27 04:56

CVPR 2023 精选论文学习笔记：@LOGO A Long-Form Video Dataset for Group Action Quality Assessment

根据MECE原则，我们给出以下四个分类标准：1.数据集类型AQA数据集：这些数据集专门用于评估视频中人类动作的质量。它们通常包含对动作标签和动作质量的注释。示例包括JIGSAWS、MTL-AQA、AQA-7、UI-PRMD和
结构化文摘·2023-11-26 19:33

CVPR 2023 精选论文学习笔记：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

我们给出以下四个分类标准：1.学习方法元学习：元学习是一种学习范式，旨在教模型如何快速学习新任务。在小样本学习的背景下，元学习算法在各种任务上进行训练，每个任务只有少数示例。这允许模型学习如何调整其学习过程以适应新任务，即使这些任务与它以前见过的任务非常不同。数据增强：数据增强是一种通过对现有数据应用转换来生成新训练数据的技术。这对于小样本学习来说可以是一种有用的技术，因为它可以帮助增加可用训练数
结构化文摘·2023-11-26 19:33

CVPR 2023 精选论文学习笔记：Robust 3D Shape Classification via Non-Local Graph Attention Network

基于MECE原则，我们给出以下四个分类标准：1、数据表示。数据表示是指3D点云数据如何在神经网络中表示。三种主要的数据表示类型是体素、点和图。体素化：在体素化表示中，3D点云被离散成一个体素网格，每个体素由一个特征向量表示。这种表示通常用于需要全局上下文的任务，例如分割和形状分析。点：在点表示中，每个3D点由一个特征向量表示，点之间的关系编码在神经网络架构中。这种表示通常用于需要局部上下文的任务，
结构化文摘·2023-11-26 19:03

CVPR 2023 精选论文学习笔记：Continual Semantic Segmentation with Automatic Memory Sample Selection

根据MECE原则，我们给出以下四个分类标准：标准1：持续学习方法。持续学习是指机器学习模型在不忘记以前学过的知识的情况下学习新任务的能力。持续学习有三种主要方法：复习式方法：这些方法定期回顾和重新训练模型在以前学过的数据的子集上。这有助于防止模型忘记旧知识。示例式方法：这些方法在一个内存缓冲区中存储每个任务的一小组示例。然后，模型在新任务数据以及来自内存缓冲区的示例上进行训练。这有助于确保模型在不
结构化文摘·2023-11-26 19:03

CVPR 2023 精选论文学习笔记：NoPe-NeRF Optimising Neural Radiance Field with No Pose Prior

根据MECE原则，我们给出和本文相关的四个分类标准：1.数据类型：数据类型是指用于重建或渲染场景的输入数据类型。单目：单目是指使用一张图像来重建或渲染场景。这是一个具有挑战性的任务，因为它要求算法从单张图像中推断深度信息。多视图：多视图是指使用多张图像来重建或渲染场景。这是一种更常见的方法，因为它提供了有关场景的更多信息，这使得推断深度和重建3D模型变得更容易。视频：视频是指使用视频序列来重建或渲
结构化文摘·2023-11-26 19:02

CVPR 2023 精选论文学习笔记：Delving Into Shape-Aware Zero-Shot Semantic Segmentation

基于MECE原则，我们给出以下四种分类标准：标准1：分割类型语义分割：将图像中的每个像素分类为语义类别，例如“人”、“车”或“树”。这是最常见的分割类型，
结构化文摘·2023-11-26 19:26

第六十二周周报

学习目标：一、实验二、论文学习时间：2023.11.11-2023.11.17学习产出：实验1、CB模块实验效果出来了，加上去效果不太行，后续实验考虑是否将CB模块换到其他地方2、CiFAR100实验已完成
童、一·2023-11-26 14:59

第六十三周周报

学习目标：项目实验和论文学习时间：2023.11.18-2023.11.24学习产出：论文对论文进行了润色和修改实验1、上周Diffusion+Relative的结果无法再次复现，新跑的FID与以前实验跑的结果相差不大
童、一·2023-11-26 14:54

Co-DETR:DETRs与协同混合分配训练代码学习笔记

关于论文的学习笔记：Co-DETR:DETRs与协同混合分配训练论文学习笔记-CSDN博客作者提出了一种新的协同混合任务训练方案，即Co-DETR，以从多种标签分配方式中学习更高效的基于detr的检测器
athrunsunny·2023-11-26 07:52

CVPR 2023 精选论文学习笔记：Post-Training Quantization on Diffusion Models

基于MECE原则，我们给出以下四种分类依据：1.模型类型生成模型用于生成与其训练数据相似的新数据。它们通常用于图像生成、文本生成和音乐生成等任务。语言模型用于理解和生成人类语言。它们通常用于机器翻译、聊天机器人和文本摘要等任务。其他模型用于各种任务，例如图像分类、目标检测和自然语言处理。2.量化类型
结构化文摘·2023-11-26 06:33

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

【论文学习笔记】《A Review of Deep Learning Based Speech Synthesis》

基于深度学习的语音合成综述论文学习文章目录基于深度学习的语音合成综述论文学习1简介2语音合成概述2.1语音合成概念2.2语音合成发展历史2.3传统语音合成技术2.3.1拼接式语音合成2.3.2参数式语音合成
FallenDarkStar·2023-11-24 21:54

论文学习 王文伟 | 把握读后续写这4个契合点，提升学习实效！

1.本文主要探讨了读后续写中哪几个方面的契合点？在内容、结构、论述及语言这四个契合点上2.每个契合点的主要任务是什么？前读”阶段内容方面，教师应该结合记叙文的叙事风格和特点设计相关的问题，让学生充分理解，概括出文章主旨，并结合记叙文的要素进行理解。接着引导学生梳理出文章的叙事顺序结构接着预测。结构方面就是用问题引导学生理清文章的叙事逻辑和冲突，然后结合你经预测的内容，自问自答的方式来r理清续写的叙
刘婕_18e1·2023-11-24 19:11

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

Co-DETR:DETRs与协同混分配训练论文学习笔记

论文地址：https://arxiv.org/pdf/2211.12860.pdf代码地址：GitHub-Sense-X/Co-DETR:[ICCV2023]DETRswithCollaborativeHybridAssignmentsTraining摘要作者提出了一种新的协同混合任务训练方案，即Co-DETR，以从多种标签分配方式中学习更高效的基于detr的检测器。这种新的训练方案通过训练ATS
athrunsunny·2023-11-24 07:51

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

2019-07-02 论文分类

一论文学习根据网址（https://www.jianshu.com/p/6d761f8a8149）里提供的近年来计算机视觉会议上相关论文，和谷歌学术搜索整理筛选出现阶段需要的部分，主要的方向有三个，跟面部有关
Eurekaaaa·2023-11-23 02:16

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

2019-4-1晨间日记

周目标·完成进度弄完论文学习·信息·阅读论文健康·饮食·锻炼早睡早起，饮食清淡（一定要戒油诫辣），多喝水，多运动。人际·家
紫薇忘了水葫芦·2023-11-21 21:46

【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

[论文学习]FlushTime: Towards Mitigating Flush-based Cache Attacks via Collaborating Flush Instructions a

摘要ARMv8-A处理器通常利用多层缓存、无序执行和分支预测等优化技术来提高性能。这些优化技术不可避免地受到缓存相关攻击的威胁，包括Flush-Reload、Flush-Flush、Meltdown、Spectre及其变体。这些攻击可以打破不同进程之间甚至用户和内核空间之间的隔离边界。研究人员提出了许多防御方案来抵御这些与缓存相关的攻击。然而，它们要么需要修改硬件体系结构，要么覆盖范围不完整，要么
晴空对晚照·2023-11-20 15:43

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

DEEP-FRI: Sampling Outside the Box Improves Soundness论文学习笔记

1.引言前序博客有：DEEPFRI协议AsummaryontheFRIlowdegreetest前2页导读RISCZero的手撕STARKReed-SolomonCodes——RS纠错码Reed-SolomonCodes及其与RISCZerozkVM的关系EliBen-Sasson等人2019年论文《DEEP-FRI:SamplingOutsidetheBoxImprovesSoundness》。
mutourend·2023-11-20 10:49

Mistral 7B 比Llama 2更好的开源大模型 （二）

Mistral7B论文学习Mistral7B论文链接https://arxiv.org/abs/2310.06825代码:https://github.com/mistralai/mistral-src
段智华·2023-11-16 17:24

【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

车道线检测-LSTR-论文学习笔记

论文：《End-to-endLaneShapePredictionwithTransformers》代码：https://github.com/liuruijin17/LSTR地址：https://arxiv.org/abs/2011.04233v2内容：使用CNN+Transformer，基于三次曲线拟合车道线整体结构模型输出的东西gt=(k′′,f′′,m′′,n′,bt′′,bt′′′,αt
tomeasure·2023-11-16 11:35

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

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

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

CS224W6.3——图深度学习

gnn通常由任意数量的层组成，而不是单层，以集成来自更大上下文的信息。介绍了如何使用gnn来解决优化问题，以及它强大的归纳能力。
阿牛大牛中·2023-11-13 15:57

Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks - 翻译学习

知识密集型NLP任务的检索增强生成-论文学习文章目录Abstract1Introduction2Methods2.1Models2.2Retriever:DPR2.3Generator:BART2.4Training2.5Decoding3Experiments3.1Open-domainQuestionAnswering3.2AbstractiveQuestionAnswering3.3Jeop
多喝开水少熬夜·2023-11-12 17:45

CS224W6.1——介绍图神经网络GNN

之前我们讨论了一些节点嵌入技术，它们可以通过随机游走的过程学习与任务无关的特征。从这篇开始，我们介绍了令人兴奋的图神经网络技术，该技术基于图结构用多层非线性变换对节点特征进行编码。图神经网络在各种任务中表现出非凡的性能，并可以驯服图的复杂性质。文章目录1.回顾2.DeepGraphEncoders3.目标4.现代深度学习工具5.图结构深度学习1.回顾shallowembedding：2.DeepG
阿牛大牛中·2023-11-12 17:40

图神经网络（GNN）性能优化方案汇总，附37个配套算法模型和代码

图神经网络的表达能力对其性能和应用范围有着重要的影响，是GNN研究的核心问题和发展方向。增强表达能力是扩展GNN应用范围、提高性能的关键所在。
深度之眼·2023-11-12 08:49

第五十一周周报

学习目标：一、实验二、论文学习时间：2023.8.26-2023.9.1学习产出：实验由于学校网问题，实验暂时还一个没跑完论文完成论文基本撰写，剩下实验部分和需要小修的地方，方法部门由于实验还没做完，傅里叶编码的效果暂时不知
童、一·2023-11-12 01:42

第五十周周报

学习目标：一、补充实验二、编写论文学习时间：2023.8.18-2023.8.25学习产出：一、实验1、由于前面的实验效果没有超过原模型，因此这周又继续实验相对位置编码。
童、一·2023-11-12 01:12

第六十一周周报

学习目标：代码实验论文学习时间：2023.11.4-2023.11.10学习产出：代码1、修改CelebA64数据集的代码，实验暂时没跑完2、添加CB模块，实验暂时没跑完3、修改ViTGAN的CIPSGenerator
童、一·2023-11-12 01:39

实战-----基于 PyTorch 的 GNN 搭建

目录1.图的表示2.图卷积网络（GCN）的搭建3.图注意力网络（GAT）的搭建4.PyG基础：图数据的操作1.torch_geometric的安装2.图数据的属性3.基准图数据库及基本操作4.图数据的可视化5.实验总结1.图的表示在开始讨论特定的图神经网络操作之前，我们首先来考虑如何表示图。在数学上，图G定义为一组节点/顶点V和一组边/链接E：G=（V，E）的二元组。每条边链接两个顶点，如下图所示
海阔＆天空742·2023-11-11 11:06
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他