ICLR 第18页

神经网络架构搜索——可微分搜索（PC-DARTS）

PC-DARTS原理及源码解析华为发表在ICLR2020上的NAS工作，针对现有DARTS模型训练时需要Largememoryandcomputing问题，提出了PartialChannelConnection

AI异构·2020-09-10 13:26

ICLR 2020将采用远程会议，首次在非洲办会可能就这样泡汤了

昨晚，ICLR官方在Twitter上正式宣布，考虑到今年很多人难以参会，将增加远程会议，至于线下会议是否取消，具体计划将在下周一公布。虽然官方未表明原因，但显然是受到了新冠肺炎疫情影响。

QbitAl·2020-09-10 11:14

物体检测论文杂读-非常少

FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetectionMaskScoringR-CNNGeneralizedIntersectionoverUnion:AMetricandALossforBoundingBoxRegression[2019-ICLR

PeaceInMind·2020-09-10 11:35

微软熊辰炎：如何利用图神经网络解决半结构化数据问题？

在本届智源大会上，来自微软研究院的高级研究员熊辰炎博士带来了题为“利用半结构化知识的表示学习与信息检索”的主题报告，结合其近年来在ICLR、ACL、WebConf上发表的相关工作，介绍了如何从半结构化知识的视角同时利用符号知识与纯文本信息

BAAIBeijing·2020-09-10 09:33

论文解读：Universal Successor Features Approximators

论文题目：UniversalSuccessorFeaturesApproximators链接：https://arxiv.org/pdf/1812.07626出处：ICLR2019单位：DeepMind

Papers_L·2020-09-09 15:24

graph attention network（ICLR2018）官方代码详解（tensorflow）-稀疏矩阵版

论文地址：https://arxiv.org/abs/1710.10903代码地址：https://github.com/Diego999/pyGAT之前非稀疏矩阵版的解读：https://www.cnblogs.com/xiximayou/p/13622283.html我们知道图的邻接矩阵可能是稀疏的，将整个图加载到内存中是十分耗费资源的，因此对邻接矩阵进行存储和计算是很有必要的。我们已经讲解了

西西嘛呦·2020-09-06 22:00

graph attention network（ICLR2018）官方代码详解（tensorflow）

论文地址：https://arxiv.org/abs/1710.10903代码地址：https://github.com/PetarV-/GAT我并没有完整看过这篇论文，但是在大致了解其原理之后就直接看了代码==。接下来我将从代码的整个流程开始讲解，首先解析的是不用稀疏矩阵存储的：使用的数据集：CoradatasetCora数据集简要介绍：图节点数：2708每个节点的特征维度：1433邻接矩阵：(

西西嘛呦·2020-09-06 17:00

生成对抗网络（GAN）论文原文详解

在今年的ICLR大会上，就有一篇关于G

coder_kang·2020-08-26 23:46

Guided backpropagation

文章：STRIVINGFORSIMPLICITY:THEALLCONVOLUTIONALNET，于2015年发表于ICLR，文章提出一种最简化的模型，网络只由卷积层构成。

zjjszj·2020-08-26 22:00

Deeplab系列再理解

一、Deeplabv1《SemanticimagesegmentationwithdeepconvolutionalnetsandfullyconnectedCRFs》（ICLR2015)摘要深度卷积网络

一只叫不二的龙猫·2020-08-25 17:58

重磅！谷歌2020学术指标发布：CVPR排名超Cell和Nature子刊，ACL首进TOP 100

AI顶会几乎全员上榜黑马迭出，CVPR排名超Cell，从第十位变成第五，h中位数超柳叶刀直逼第三名Science；ICLR从42一跃到17，ACL、AAAI首次上榜。

网易智能·2020-08-25 09:04

bigGAN: LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

论文地址：bigGAN这篇paper还在ICLR2018的审稿当中，但是由于效果太惊艳，已经引起了广泛的讨论。这篇介绍的GAN模型用于生成高清图像，其生成的图像质量非常高，高到可以以假乱真的程度。

小肥柴不是小废柴·2020-08-25 01:07

使用||微调预训练模型||迁移学习

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

vieo·2020-08-25 01:57

强化学习论文(6): Distributed Distributional Deterministic Policy Gradients (D4PG)

分布式-分布DDPG，发表在ICLR2018论文链接：https://arxiv.org/pdf/1804.08617.pdf要点总结从两个方面对DDPG进行扩展：Distributed：对Actor，

南阁风起·2020-08-25 01:19

【论文解读 ICLR 2020 | LambdaNet】Probabilistic Type Inference using Graph Neural Networks

论文题目：LambdaNet:ProbabilisticTypeInferenceusingGraphNeuralNetworks论文来源：ICLR2020论文链接：https://openreview.net

byn12345·2020-08-25 00:26

无监督图嵌入Unsupervised graph embedding|基于对抗的图对齐adversarial graph alignment详解

祥瑞Coding·2020-08-24 17:52

模型压缩经典论文SqueezeNet:AlexNet level accuracy with 50x fewer parameters and less 0.5MB model size论文详解

ICLR2017的SqueezeNet为模型压缩领域最经典的文章之一。

祥瑞Coding·2020-08-24 17:46

对抗样本生成算法之BIM算法

目录论文主要内容BIM算法原理ILCM算法原理实验效果物理世界实验论文2017ICLR-AdversarialExamplesinthephysicalworld.论文主要内容提出了BIM攻击算法，即迭代

学-evday·2020-08-24 05:28

ICLR2018_mixup: Beyond Empirical Risk Minimization

作者HongyiZhang张宏毅@张宏毅知乎北大->MIT论文所属FAIRAbstract深度神经网络有些不好的行为：强记忆和对对抗样本敏感ChristianSzegedy等人在ICLR2014发表的论文中

weixin_30794851·2020-08-24 03:22

【论文阅读】韩松《Efficient Methods And Hardware For Deep Learning》节选《Deep compression》

TrainedQuantizationandDeepCompression本章内容来在ICLR2016论文《Deepcompression:Compressingdeepneuralnetworkswithpruning

hyfine_·2020-08-24 03:51

[深度学习论文笔记][ICLR 18]mixup: BEYOND EMPIRICAL RISK MINIMIZATION

[ICLR18]mixup:BEYONDEMPIRICALRISKMINIMIZATIONHongyiZhang,MoustaphaCisse,YannN.DauphinandDavidLopez-PazfromMIT

KFXW·2020-08-24 02:36

【文本摘要】文本摘要(text summarization)最新研究热点、发展趋势、里程碑论文推荐...

原文链接，点击文末阅读原文直达：https://zhuanlan.zhihu.com/p/111266615根据最近八年(2013-2020)）各大NLP会议(ACL/EMNLP/NAACL/ICML/ICLR

zenRRan·2020-08-24 01:00

ELECTRA - 比BERT更快更好的预训练模型

论文：ELECTRA:Pre-trainingTextEncodersAsDiscriminatorsRatherThenGenerators本文目前在ICLR2020盲审中，前几天有审稿人发表文章对它大夸特夸

black_soil·2020-08-23 23:35

论文笔记 | mixup: BEYOND EMPIRICAL RISK MINIMIZATION

出处：ICLR2018论文：https://arxiv.org/abs/1710.09412一、前言深度学习一直以来存在计算量大（落地困难）和模型过拟合的问题。

江南小赣·2020-08-23 22:50

【飞桨】、【PaddlePaddle】、【论文复现】LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

ICLR2019论文《LARGESCALEGANTRAININGFORHIGHFIDELITYNATURALIMAGESYNTHESIS》论文下载地址：https://openreview.net/pdf

zb_tjw·2020-08-22 17:04

【直播】星火计划|Angel图计算技术沙龙火热报名中

例如，在今年4月份举办的学术顶会ICLR2020中，关于GML的研究论文共提交了150篇，有约1/3被录用，约占全部被录用论文的10%——由此可见，GML已成为一个广受关注的研究领域。

腾讯开源·2020-08-22 15:40

paragraph2vec工作受质疑

ICLR2015文章《ENSEMBLEOFGENERATIVEANDDISCRIMINATIVETECHNIQUESFORSENTIMENTANALYSISOFMOVIEREVIEWS》在文章中直接对该工作进行了评价

warrioR_wx·2020-08-22 10:39

海量ICLR论文点评公开，用这几个工具可以读得更轻松

允中李林编译整理量子位出品|公众号QbitAINIPS2017开幕在即，这两天twitter上却在热火朝天地聊着还有点遥远的ICLR2018。因为，所有论文的评分和点评终于公开了！

量子位·2020-08-22 09:07

IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING（Bingio-ICLR2017）

IMPROVINGGENERATIVEADVERSARIALNETWORKSWITHDENOISINGFEATUREMATCHING（Bingio-ICLR2017）通过消噪特征匹配改进生成式对抗网络摘要

晴空未来me·2020-08-22 04:43

韩松DSD:Dense-sparse-dense training for deep neural networks论文详解

目的：本文是对韩松博士ICLR2017论文DSD:Dense-sparse-densetrainingfordeepneuralnetworks的详细解析。

祥瑞Coding·2020-08-22 04:01

论文阅读笔记四十一：Very Deep Convolutional Networks For Large-Scale Image Recongnition（VGG ICLR2015）...

论文原址：https://arxiv.org/abs/1409.1556代码原址：https://github.com/machrisaa/tensorflow-vgg摘要本文主要分析卷积网络的深度对基于大数据集分类任务中准确率的影响，本文使用较小的卷积核（3x3），应用至较深的网络中并进行评估，将网络中的深度增加至16至19层，可以有效改进分类效果。介绍卷积网络在大规模图片/视频分类任务中取得巨

weixin_34112900·2020-08-22 04:05

ICLR 2017-2019 中的 Attention Papers

ICLR2017-2019中的AttentionPapers关键词：注意力机制ICLR2020中的AttentionPapersICLR2017-2019中的AttentionPapersCVPR2019

Phoenixtree_Zhao·2020-08-22 03:11

DSD（Dense-Sparse-Dense Training）算法详解

Dense-Sparse-DenseTrainingforDeepNeuralNetworks论文链接：https://arxiv.org/pdf/1607.04381.pdf模型下载地址：https://songhan.github.io/DSD.这是SongHan发在ICLR2017

AI之路·2020-08-22 03:10

[ICLR2017] Bi-Directional Attention Flow for Machine Comprehension

本文只给出了Context2Query和Query2Context部分的理解两部分只是对相似性矩阵S\bold{S}S∈\in∈RT∗J\mathbb{R}^{T*J}RT∗J进行进一步处理,我觉得有书写错误，如果看Figure1可知应该修改为S\bold{S}S∈\in∈RJ∗T\mathbb{R}^{J*T}RJ∗T。Context-to-QueryAttention：这一部分主要针对该绿色小

小妖精Fsky·2020-08-22 03:37

ICLR2017文章：使用一个噪声适应层训练标签有噪声的深度神经网络

文章标题：TRAININGDEEPNEURAL-NETWORKSUSINGANOISEADAPTATIONLAYER,JacobGoldberger&EhudBen-ReuvenEngineeringFaculty,Bar-IlanUniversity摘要：不准确的标签会严重影响分类器的表现，当观测的标签有噪声时，我们可以吧正确的标签认为是一个隐变量，把噪声过程认为是一个未知参数的communic

MJJ_·2020-08-22 03:48

Very deep Convolutional Networks for Large-Scale Image Recognition

arXiv：[1409.1556]VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognitionintro：ICLR2015主要收获这篇文章给我的主要收获是

四月的友人·2020-08-22 02:08

ICLR 2020：从去噪自编码器到生成模型

作者丨苏剑林单位丨追一科技研究方向丨NLP，神经网络个人主页丨kexue.fm在我看来，几大顶会之中，ICLR的论文通常是最有意思的，因为它们的选题和风格基本上都比较轻松活泼、天马行空，让人有脑洞大开之感

PaperWeekly·2020-08-22 01:04

ICLR 2018论文评审结果出炉：一文概览论文 TOP 5

ICLR2018大会的论文评审已经于11月27日截止。在明年1月5日之前，人们将对目前提交的论文进行讨论。根据评审得分，我们整理了排名前五的论文。

机器之心V·2020-08-22 01:41

(3) [ICLR15] Very deep convolutional networks for large-scale image recognition

计划完成深度学习入门的126篇论文第三篇，来自Oxford的KarenSimonyan教授在ILSVRC比赛上取得冠军后的论文，同时也是2015年ICLR上发表的论文。

gdtop818·2020-08-22 00:02

[ICLR2017]Deep Biaffine Attention for Neural Dependency Parsing

依存树解析任务目前有两种做法，一是Transition-basedapproach,另一种就是graph-based方法；针对每种方法文中给出了将一句话解析成依存书的具体实现步骤，本文的方法是用的graph-based框架。本文的框架图：graph-based方法：从左向右解析句子，针对句中的每个词，找该词的head词（该词到head词之间的arc）以及从该词到head词之间的依存关系类型。假设句

小妖精Fsky·2020-08-22 00:19

论文笔记——《Amortised MAP Inference for Image Super-Resolution》ICLR2017

雷锋网AI科技评论按：ICLR2017于4月24-26日在法国土伦举行，雷锋网(公众号：雷锋网)AI科技评论的编辑们也将从法国带来一线报道。

Kumuda·2020-08-22 00:19

MEMORY-AUGMENTED ATTENTION MODELLING FOR VIDEOS

MargaretMitchellzy,SingBingKangyy,PushmeetKohliyy单位：Google，MicrosoftResearch，UniversityofTexasatArlington杂志：ICLR

mning_master0·2020-08-21 20:12

【直播】星火计划|Angel图计算技术沙龙火热报名中

例如，在今年4月份举办的学术顶会ICLR2020中，关于GML的研究论文共提交了150篇，有约1/3被录用，约占全部被录用论文的10%——由此可见，GML已成为一个广受关注的研究领域。

腾讯开源·2020-08-21 03:26

YOLO_v4技巧分解-Cross-Iteration Batch Normalization

id=BylJUTEKvB作者应该是投ICLR杯具了，不过

freshsnail·2020-08-20 23:33

MetaQNN : 与Google同场竞技，MIT提出基于Q-Learning的神经网络搜索 | ICLR 2017

论文提出MetaQNN，基于Q-Learning的神经网络架构搜索，将优化视觉缩小到单层上，相对于GoogleBrain的NAS方法着眼与整个网络进行优化，虽然准确率差了2～3%，但搜索过程要简单地多，所以才能仅用100GPUdays就可以完成搜索，加速240倍。论文本身是个很初期的想法，可以看到搜索出来的网络结构还是比较简单的，也需要挺多的人工约束。整体而言，论文的输出的搜索思想还是很重要的，有

晓飞的算法工程笔记·2020-08-20 04:16

当小样本遇上机器学习 fewshot learning

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

vieo·2020-08-19 21:15

神经网络似乎遵循一种令人费解的简单策略来对图像进行分类

这些发现发表在ICLR2019，有许多分歧：首先，它们表明解决ImageNet比许多人想象的要简单得多。其次，这些发现使我们能够构建更具解释性和透明度的图像分类流水线。第三，他们解释了现代

weixin_34417814·2020-08-19 21:45

DARTS论文总结

arxiv.org/abs/1806.09055代码：https://github.com/khanrc/pt.darts（源代码有版本限制所以找的其他论文修改后的代码，允许pytorch>1.0）发表在：ICLR1

没想好叫啥···2020-08-18 17:24

FastGCN： fast learning with graph convolutional networks via importance sampling 论文详解 ICLR 2018

文章目录1简单介绍概率测度probabilitymeasure自助法bootstrappingGCN面临的两个挑战解决思路（创新点）2相关工作3通过采样进行训练和推理定理13.1variancereduction方差缩减Proposition2（命题2）定理3命题43.2Inference推理3.2和GraphSAGE的对比4实验Benchmark数据集实验细节FastGCN中采样的使用FastG

yyl424525·2020-08-17 17:49

深度学习-CNN几种常见网络结构及区别||VGG/GoogLeNet/resnet

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017

vieo·2020-08-17 16:19

推荐频道

ICLR

神经网络架构搜索——可微分搜索（PC-DARTS）

ICLR 2020将采用远程会议，首次在非洲办会可能就这样泡汤了

物体检测论文杂读-非常少

微软熊辰炎：如何利用图神经网络解决半结构化数据问题？

论文解读：Universal Successor Features Approximators

graph attention network（ICLR2018）官方代码详解（tensorflow）-稀疏矩阵版

graph attention network（ICLR2018）官方代码详解（tensorflow）

生成对抗网络（GAN）论文原文详解

Guided backpropagation

Deeplab系列再理解

重磅！谷歌2020学术指标发布：CVPR排名超Cell和Nature子刊，ACL首进TOP 100

bigGAN: LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

使用||微调预训练模型||迁移学习

强化学习论文(6): Distributed Distributional Deterministic Policy Gradients (D4PG)

【论文解读 ICLR 2020 | LambdaNet】Probabilistic Type Inference using Graph Neural Networks

无监督图嵌入Unsupervised graph embedding|基于对抗的图对齐adversarial graph alignment详解

模型压缩经典论文SqueezeNet:AlexNet level accuracy with 50x fewer parameters and less 0.5MB model size论文详解

对抗样本生成算法之BIM算法

ICLR2018_mixup: Beyond Empirical Risk Minimization

【论文阅读】韩松《Efficient Methods And Hardware For Deep Learning》节选《Deep compression》

[深度学习论文笔记][ICLR 18]mixup: BEYOND EMPIRICAL RISK MINIMIZATION

【文本摘要】文本摘要(text summarization)最新研究热点、发展趋势、里程碑论文推荐...

ELECTRA - 比BERT更快更好的预训练模型

论文笔记 | mixup: BEYOND EMPIRICAL RISK MINIMIZATION

【飞桨】、【PaddlePaddle】、【论文复现】LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

【直播】星火计划|Angel图计算技术沙龙火热报名中

paragraph2vec工作受质疑

海量ICLR论文点评公开，用这几个工具可以读得更轻松

IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING（Bingio-ICLR2017）

韩松DSD:Dense-sparse-dense training for deep neural networks论文详解

论文阅读笔记四十一：Very Deep Convolutional Networks For Large-Scale Image Recongnition（VGG ICLR2015）...

ICLR 2017-2019 中的 Attention Papers

DSD（Dense-Sparse-Dense Training）算法详解

[ICLR2017] Bi-Directional Attention Flow for Machine Comprehension

ICLR2017文章：使用一个噪声适应层训练标签有噪声的深度神经网络

Very deep Convolutional Networks for Large-Scale Image Recognition

ICLR 2020：从去噪自编码器到生成模型

ICLR 2018论文评审结果出炉：一文概览论文 TOP 5

(3) [ICLR15] Very deep convolutional networks for large-scale image recognition

[ICLR2017]Deep Biaffine Attention for Neural Dependency Parsing

论文笔记——《Amortised MAP Inference for Image Super-Resolution》ICLR2017

MEMORY-AUGMENTED ATTENTION MODELLING FOR VIDEOS

【直播】星火计划|Angel图计算技术沙龙火热报名中

YOLO_v4技巧分解-Cross-Iteration Batch Normalization

MetaQNN : 与Google同场竞技，MIT提出基于Q-Learning的神经网络搜索 | ICLR 2017

当小样本遇上机器学习 fewshot learning

神经网络似乎遵循一种令人费解的简单策略来对图像进行分类

DARTS论文总结

FastGCN： fast learning with graph convolutional networks via importance sampling 论文详解 ICLR 2018

深度学习-CNN几种常见网络结构及区别||VGG/GoogLeNet/resnet