ICLR 第27页

关联性图注意力网络：Relational Graph Attention Networks（ICLR2019）

RelationalGraphAttentionNetworks（ICLR2019）关联性图注意力网络论文地址：https://openreview.net/forum?

大笨熊。。。·2019-03-27 19:43

基于GNN，强于GNN：胶囊图神经网络的PyTorch实现 | ICLR 2019

https://www.toutiao.com/a6672580496238576140/【新智元导读】胶囊图神经网络（CapsGNN）是在GNN启发下诞生了基于图片分类的新框架。CapsGNN在10个数据集中的6个的表现排名位居前两名。与所有其他端到端架构相比，CapsGNN在所有社交数据集中均名列首位。本日Reddit上热议的一个话题是名为“胶囊图神经网络”（CapsGNN）的新框架。从名字不

喜欢打酱油的老鸟·2019-03-27 08:26

中国学霸本科生提出AI新算法：速度比肩Adam，性能媲美SGD

他们在实习期间，研究出一种新的AI算法，相关论文已经被人工智能顶级会议ICLR2019收录。

cpongo2·2019-03-25 10:15

小样本学习之半监督的小样本分类

本次介绍的论文：2018-ICLR-《Meta-LearningforSemi-SupervisedFew-ShotClassification》在上篇博客中介绍了原型网络，一种基于度量的小样本分类方法

MSnoopy'·2019-03-13 21:57

小样本学习之半监督的小样本分类

本次介绍的论文：2018-ICLR-《Meta-LearningforSemi-SupervisedFew-ShotClassification》在上篇博客中介绍了原型网络，一种基于度量的小样本分类方法

MSnoopy'·2019-03-13 21:57

Memory Network(1) - 给你的网络加点memory

今天分享一下ICLR2015年的一篇论文MemoryNetworks动机实际上Memory并不是一个新鲜的东西，LSTM的全称就是LongShort-TermMemory，长短时间记忆网络。

l1n3x·2019-03-13 19:00

基于深度学习的目标检测

RCNN(CVPR,2013)⟶\longrightarrow⟶OverFeat(ICLR,2014)⟶\longrightarrow⟶MultiBox(CVPR

ZeroZone零域·2019-03-13 11:02

阅读理解BI-DAF《BI-DIRECTIONAL ATTENTION FLOW FOR MACHINE COMPREHENSION》笔记

《BI-DIRECTIONALATTENTIONFLOWFORMACHINECOMPREHENSION》Introduction这篇论文也是比较经典的一篇，时间相对早期，发在2017ICLR。

彭伟_02·2019-02-25 08:37

【论文解读】如何让CNN高效地在移动端运行

/paper_104.html论文解读COMPRESSIONOFDEEPCONVOLUTIONALNEURALNETWORKSFORFASTANDLOWPOWERMOBILEAPPLICATIONS【ICLR2016

SIGAI_csdn·2019-02-22 18:59

盲审不到4分的论文竟中了ICLR 2019？？！！ICLR 2019官方这样回应

↑点击上方【计算机视觉联盟】关注我们论文：《EncodingCategoryTreesIntoWord-EmbeddingsUsingGeometricApproach》，匿名评审结果：4，4，3（满分10分），三位评审全都给出了rejection的决定。然而，领域主席对这篇论文给出了Accept(Poster)的决定……这样的神操作，我们来观摩一下盲审意见：01匿名评审1：4分，拒绝这篇论文提供

DL&CV_study·2019-01-24 19:00

一文详解随机神经网络结构搜索 (SNAS)

原论文发表于ICLR2019，及arXiv:1812.09926，代码将在后续公开。转载需注明作者及出处。

AI科技大本营·2019-01-23 18:53

人工智能学习资料

2019AI国际顶级学术会议AAAIhttps://aaai.org/Conferences/AAAI-19/AAAIConferenceonArtificialIntelligenceICLRhttps://iclr.cc

ITryagain·2019-01-16 22:00

Winograd，GEMM算法综述（CNN中高效卷积实现）（上）

高效卷积实现算法和应用综述（上）在下一篇文章会介绍Winograd算法的应用，在ICLR，CVPR，FPGA，FCCM等机器学习和FPGA领域的定会上的研究实现和新的突破。下一篇理论分析链接。

是否龙磊磊真的一无所有·2019-01-09 21:30

轻量模型之SqueezeNet网络

简介2016年2月,《AlexNet-levelaccuracywith50xfewerparametersand<0.5MBmodelsize》发表在ICLR-2017。

Iriving_shu·2019-01-08 23:42

IMAGENET-TRAINED CNNS ARE BIASED TOWARDS TEXTURE; INCREASING SHAPE BIAS IMPROVES ACCURACY AND ROBUST

这是一篇ICLR在review阶段的文章，特别有意思而且带给我挺大的启发的，文章从一只披着象皮的猫究竟会被识别为大象还是猫这个问题入手，揭示了神经网络根据物体的texture进行识别而非我们以为的根据物体的形状

RRZS·2019-01-08 16:38

深度学习（11）——DeepLab v1

在论文《SemanticimagesegmentationwithdeepconvolutionalnetsandfullyconnectedCRFs》中提出，发表在ICLR2015。

越溪·2018-12-26 10:05

Tell Me Where to Look: Guided Attention Inference Network论文翻译

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·2018-12-22 16:22

Large scale GAN training for high fidelity natural image synthesis

这篇论文是Heriot-Watt大学和GoogleDeepMind向ICLR2019提交的一篇论文，最近的讨论热度非常高，公众号各种推送，这里博主也来细读学习一下。

Maples丶丶·2018-12-11 17:29

OverFeat——全卷积首次用于检测问题 (目标检测)(深度学习)(ICLR 2014）

论文名称：《OverFeat：IntegratedRecognition,LocalizationandDetectionusingConvolutionalNetworks》论文下载：https://arxiv.org/abs/1312.6229论文代码：https://cilvr.nyu.edu/doku.php?id=software:overfeat:start一、概述：1、文章亮点：Ov

图像所浩南哥·2018-12-05 23:33

ICLR 2019高分论文抢先看，谁是第一？

作者|非主流出品|AI科技大本营ICLR2019将于明年的5月6-9日在美国路易斯安那州的新奥尔良市举行。

AI科技大本营·2018-11-29 19:33

PyTorch－Adam优化算法原理，公式，应用

Adam最开始是由OpenAI的DiederikKingma和多伦多大学的JimmyBa在提交到2015年ICLR论文（Adam:AMethodforStochasticOptimization）中提出的

虚生·2018-10-31 10:00

深度神经网络压缩 Deep Compression （ICLR2016 Best Paper）

【论文阅读】DeepCompression:CompressingDeepNeuralNetworkswithPruning,TrainedQuantizationandHuffmancoding如何压缩？Prunesthenetwork：只保留一些重要的连接；Quantizetheweights：通过权值量化来共享一些weights；Huffmancoding：通过霍夫曼编码进一步压缩；效果如何

帅气滴点C·2018-10-20 16:43

来呀！AI喊你斗地主——首个搞定斗地主的深度神经网络

本论文是ICLR2019的投稿论文，目前该论文还处于双盲审状态，因此也还未公布作者。营长在看到这篇论文的时候，就想第一时间

AI科技大本营·2018-10-19 17:34

[论文笔记] LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

ICLR2019在审文章，作者单位DeepMind总述文章希望既保证GAN生成图像的保真度又保证生成图像的多样性。对此，作者认为他们有三点贡献：1、论证了GANs能通过scaling来提升性能。

Bingyu Xin·2018-10-10 22:29

DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION

ICLR-2018摘要对于多维或高维数据的无监督异常检测在基础机器学习研究和工业应用中都是非常重要的，其密度估计是核心。

水果先生·2018-10-10 11:29

机器学习会议期刊比较

xyisv/article/details/79070864https://blog.csdn.net/cz505632696/article/details/79476259下边简书个介绍挺详尽的特别补充ICLR

fdbvm·2018-09-30 15:29

ICLR 2019论文投稿近1600篇，强化学习最热门

作者|非主流出品|AI科技大本营（公众号ID：rgznai100）ICLR2019的论文提交已经截止。

AI科技大本营·2018-09-28 00:00

论文阅读笔记——《a simple but tough-to-beat baseline for sentence embeddings》

《asimplebuttough-to-beatbaselineforsentenceembeddings》publishedatICLR2017.ICLR会议的论文总是创意层出不穷，相信将来该会议的地位越来越受人们尊重

chloe_ou·2018-09-26 12:30

【论文阅读】【ICLR 2017】SqueezeNet AlexNet-level accuracy with 50x fewer parameters and 0.5MB model size

SqueezeNetAlexNet-levelaccuracywith50xfewerparametersand0.5MBmodelsizeSqueezeNet是一种网络结构，准确率与AlexNet相当（ImageNet数据集上），但参数量减少50倍。同时，该网络通过压缩技术可以小于0.5mb，比AlexNet小510倍本文主要内容：介绍relatedwork描述并评估SequeezeNetArc

hyfine_·2018-09-19 19:11

DeepLab V1论文学习笔记

原文地址：DeepLabv1:SemanticimagesegmentationwithdeepconvolutionalnetsandfullyconnectedCRFs收录：ICLR2015(

一梦轻尘·2018-09-10 14:14

读书笔记16：A structured self-attentive sentence embedding（ICLR 2017）

https://arxiv.org/pdf/1703.03130.pdf本文在其他文章中被提到过，被称作attentivepooling本文的摘要开门见山，不介绍背景，不介绍别人的工作，直接就说本文提出了一个新的获取可解释的sentenceembedding的方法，是通过self-attention实现的。用2Dmatrix代表embedding，而不是使用vector（由此推测主流的方法可能是e

b224618·2018-09-06 08:14

读书笔记8：Graph Attention Networks（ICLR 2018)

https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdfhttps://arxiv.org/pdf/1710.10903.pdf这是一篇将attention机制应用到graphconvolution中的文章。但是文章中提出的模型其实是利用了attention的一部分思想，而

b224618·2018-08-16 23:03

轻量级深度学习网络(三）:详解轻量级网络SqueezeNet

目录一、原文地址和简介三、创新点三、SqueezeNet小结：一、原文地址和简介SqueezeNet由伯克利&斯坦福的研究人员合作发表于ICLR-2017，论文标题:《SQUEEZENET:ALEXNET-LEVELACCURACYWITH50XFEWERPARAMETERSAND

chenyuping666·2018-08-13 09:15

基于TF-Slim使用MobilenetV2进行图像分类

2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019Environmentubuntu16.04python2.7tensorflowGithubhttps

vieo·2018-08-10 20:10

一文读懂VGG网络

VeryDeepConvolutionalNetworksforLarge-ScaleImageRecognition》arXiv：https://arxiv.org/abs/1409.1556intro：ICLR2015homepage

阿木寺·2018-08-06 00:00

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH8_1复现已有的卷积神经网络

一颗Lychee·2018-07-25 15:55

几种网络理解——Squeezenet、Mobilenet、Shufflenet、IGCV、Densenet

1、SqueezeNet：AlexNet-levelaccuracywith50xfewerparametersand<0.5MB发表于ICLR-2016，作者分别来自Berkeley和Stanford

Kluiverthoo·2018-07-22 23:04

论文笔记——SqueezeNet

会议：ICLR2017标题：《SQUEEZENET:ALEXNET-LEVELACCURACYWITH50XFEWERPARAMETERSAND1）来将下采样设计到CNN架构中。

XJTU_Bugdragon·2018-07-19 10:58

2018-07-18 《Graph Attention Networks》阅读笔记

作者：PetarVelickovic,GuillemCucurull,ArantxaCasanova,YoshuaBengio来源：ICLR2018链接：link研究机构：DepartmentofComputerScienceandTechnology

hzyido·2018-07-19 00:30

2018-07-18 《Graph Attention Networks》阅读笔记

作者：PetarVelickovic,GuillemCucurull,ArantxaCasanova,YoshuaBengio来源：ICLR2018链接：link研究机构：DepartmentofComputerScienceandTechnology

hzyido·2018-07-19 00:30

当前训练神经网络最快的方式：AdamW优化算法+超级收敛

不过自去年以来，很多研究者发现Adam优化算法的收敛性得不到保证，ICLR2017的最佳论文也重点关注它的收敛性。

Nine-days·2018-07-06 15:39

论文浅尝 | 用可微的逻辑规则学习完成知识库推理

Citation：FanYang,ZhilinYang,WilliamW.Cohen.DifferentiableLearningofLogicalRulesforKnowledgeBaseReasoning.ICLR2017

开放知识图谱·2018-07-05 21:00

VGGNet

1、VGGNet网络结构（ICLR2015）：VGGNet探索了网络层的深度对网络层的影响。

蓬莱道人·2018-07-01 21:40

改进卷积神经网络，你需要这14种设计模式

机器之心之前报道过提交ICLR2017的论文：也正是关注于此。而本文在描述14种设计模式之余更加注重于阐述构建和训练卷积网络的小技巧。

KeeJee·2018-06-28 14:33

【To prune, or not to prune: exploring the efficacy of pruning for model compression】论文笔记

[ICLR’18]论文链接：https://arxiv.org/abs/1710.01878Tensorflow修剪库参考：https://github.com/tensorflow/tensorflow

地大大刘·2018-06-26 15:36

【Pruning Convolutional Neural Networks for Resource Efficient Inference】论文笔记

[ICLR’17]论文链接：https://arxiv.org/abs/1611.06440这篇论文也是修剪卷积核的。

地大大刘·2018-06-11 16:01

【Pruning Filters for Efficient ConvNets】论文笔记

[ICLR’17]这篇论文也属于参数裁剪的一类，不同于一般的裁剪全连接层参数，这篇论文裁剪的重点是卷积层，而且把卷积核和特征图一起裁剪，统统丢掉。

地大大刘·2018-06-07 09:16

ICLR 2018 BEST PAPER

这篇文章的题目如下：论述了如何将元学习用于非静态环境下多agents的增强学习。与传统的多agents静态环境（atari）和单agent静态环境相比，该场景更复杂，同时也与实际应用情景相吻合！该问题的提出在review中被认为是通向AGI的重要的一步。设想这样的一个游戏场景：愤怒的小鸟—游戏中的重力随着时间动态的改变，从而该场景是一个典型的非静态环境，是之前的增强学习方法所不能handle的。下

DeepMatter·2018-06-04 01:31

VGGNet 总结

该论文发表于ICLR2015，由牛津大学视觉几何组（VisualGeometryGroup）和DeepMind公司提出，这也是VGG名字的由来。

HF飞哥·2018-05-28 00:00

自动学习——《Learning to Teach》——ICLR2018

自动学习（AutoML）：通过自动化的方式，机器试图学习到最优的学习策略，从而避免机器学习从业者低效的手动调整方式。经典的自动学习方法：（1）用于超参数调节的贝叶斯优化（BayesianOptimization）（2）用于优化器和网络结构调整的元学习技术（Metalearning/Learningtolearn）传统的机器学习算法还是最近的自动学习算法，重点都是如何让AI更好的学习：两种学习算法的

LetItBe3·2018-05-07 10:56

推荐频道

ICLR

关联性图注意力网络：Relational Graph Attention Networks（ICLR2019）

基于GNN，强于GNN：胶囊图神经网络的PyTorch实现 | ICLR 2019

中国学霸本科生提出AI新算法：速度比肩Adam，性能媲美SGD

小样本学习之半监督的小样本分类

小样本学习之半监督的小样本分类

Memory Network(1) - 给你的网络加点memory

基于深度学习的目标检测

阅读理解BI-DAF《BI-DIRECTIONAL ATTENTION FLOW FOR MACHINE COMPREHENSION》笔记

【论文解读】如何让CNN高效地在移动端运行

盲审不到4分的论文竟中了ICLR 2019？？！！ICLR 2019官方这样回应

一文详解随机神经网络结构搜索 (SNAS)

人工智能学习资料

Winograd，GEMM算法综述（CNN中高效卷积实现）（上）

轻量模型之SqueezeNet网络

IMAGENET-TRAINED CNNS ARE BIASED TOWARDS TEXTURE; INCREASING SHAPE BIAS IMPROVES ACCURACY AND ROBUST

深度学习（11）——DeepLab v1

Tell Me Where to Look: Guided Attention Inference Network论文翻译

Large scale GAN training for high fidelity natural image synthesis

OverFeat——全卷积首次用于检测问题 (目标检测)(深度学习)(ICLR 2014）

ICLR 2019高分论文抢先看，谁是第一？

PyTorch－Adam优化算法原理，公式，应用

深度神经网络压缩 Deep Compression （ICLR2016 Best Paper）

来呀！AI喊你斗地主——首个搞定斗地主的深度神经网络

[论文笔记] LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

DEEP AUTOENCODING GAUSSIAN MIXTURE MODEL FOR UNSUPERVISED ANOMALY DETECTION

机器学习会议期刊比较

ICLR 2019论文投稿近1600篇，强化学习最热门

论文阅读笔记——《a simple but tough-to-beat baseline for sentence embeddings》

【论文阅读】【ICLR 2017】SqueezeNet AlexNet-level accuracy with 50x fewer parameters and 0.5MB model size

DeepLab V1论文学习笔记

读书笔记16：A structured self-attentive sentence embedding（ICLR 2017）

读书笔记8：Graph Attention Networks（ICLR 2018)

轻量级深度学习网络(三）:详解轻量级网络SqueezeNet

基于TF-Slim使用MobilenetV2进行图像分类

一文读懂VGG网络

[ MOOC课程学习 ] 人工智能实践：Tensorflow笔记_CH8_1复现已有的卷积神经网络

几种网络理解——Squeezenet、Mobilenet、Shufflenet、IGCV、Densenet

论文笔记——SqueezeNet

2018-07-18 《Graph Attention Networks》阅读笔记

2018-07-18 《Graph Attention Networks》阅读笔记

当前训练神经网络最快的方式：AdamW优化算法+超级收敛

论文浅尝 | 用可微的逻辑规则学习完成知识库推理

VGGNet

改进卷积神经网络，你需要这14种设计模式

【To prune, or not to prune: exploring the efficacy of pruning for model compression】论文笔记

【Pruning Convolutional Neural Networks for Resource Efficient Inference】论文笔记

【Pruning Filters for Efficient ConvNets】论文笔记

ICLR 2018 BEST PAPER

VGGNet 总结

自动学习——《Learning to Teach》——ICLR2018