NIPS

2018-NIPS-Towards Sparse Hierarchical Graph Classifiers

2018-NIPS-TowardsSparseHierarchicalGraphClassifiersPaper:https://arxiv.org/abs/1811.01287Code:对稀疏分类分级图作者提出以往的图分类方法中通常使用单个全局池化步骤来聚合节点特征或手动设计的固定启发式算法
发呆的比目鱼·2023-02-01 21:26

情感分析 python库_基于方面情感分析论文/资源列表

[paper][data][NIPS-14-workshop]:Aspect
weixin_39721853·2023-02-01 17:12

浅谈匹配网络

论文：[1606.04080]MatchingNetworksforOneShotLearning(arxiv.org)时间：NIPS2016最近在读《MatchingNetworksforOneShotLearning
胖迪王·2023-01-31 23:31

论文理解【Offline RL】——【One-step】Offline RL Without Off-Policy Evaluation

OfflineRLWithoutOff-PolicyEvaluation文章链接：OfflineRLWithoutOff-PolicyEvaluation代码：davidbrandfonbrener/onestep-rl发表：NIPS2021
云端FFF·2023-01-31 20:54

论文阅读_神经网络知识蒸馏_DK

DistillingtheKnowledgeinaNeuralNetwork中文题目：神经网络知识蒸馏论文地址：https://arxiv.org/pdf/1503.02531.pdf领域：深度学习发表时间：2015作者：GeoffreyHinton，谷歌出处：NIPS
xieyan0811·2023-01-31 13:38

各类会议论文下载地址

neuralPS:https://papers.nips.cc/其他：anaconda历史版本下载：https://repo.anaconda.com/archive/
lzjngu·2023-01-31 09:41

NIPS 2016论文：英特尔中国研究院在神经网络压缩算法上的最新成果

NIPS2016论文：英特尔中国研究院在神经网络压缩算法上的最新成果http://www.leiphone.com/news/201609/OzDFhW8CX4YWt369.html英特尔中国研究院深度学习领域最新成果
weixin_34097242·2023-01-30 15:03

时间序列预测方法之 DeepState

今次介绍的是Amazon在NIPS2018上发表的文章DeepStateSpaceModelsforTimeSeriesForecasting。
虚胖一场·2023-01-30 08:02

GAN-based Segmentation

SemanticSegmentationusingAdversarialNetworks这篇论文来自FacebookFAIR实验室，论文发表在NIPS-2016。
杀菌器·2023-01-27 22:04

数据分析-深度学习Pytorch Day9

科普知识NIPS（NeurIPS），全称神经信息处理系统大会(ConferenceandWorkshoponNeuralInformationProcessingSystems)，是一个关于机器学习和计算神经科学的国际会议
小浩码出未来！·2023-01-27 08:10

神经网络之Pointer Net (Ptr-net)

PointerNetworks是发表在机器学习顶级会议NIPS2015上的一篇文章，其作者分别来自GoogleBrain和UCBerkeley。
fighting41love·2023-01-26 19:18

深度学习界明星：生成对抗网络与Improving GAN

2016年12月NIPS大会上，Goodfellow做了关于GANs的专题报告，使得GANs成为了当今最热门的研究领域之一，本文将介绍如今深度学
博文视点·2023-01-26 03:51

Neural Dubber: Dubbing for Videos According to Scripts

会议：2021NIPS单位：字节&清华交叉信息作者：ChenxuHu，wangyuxuanabstractmotivation：给影视剧配音，通过唇型得到音素时间，辅助TTS生成语音；通过人脸识别给spk-id
林林宋·2023-01-25 18:19

【读论文】1.0 TransE模型

TranslatingEmbeddingsforModelingMulti-relationalData（2013/NIPS）Abstract•问题：把多关系数据的实体和关系嵌入到低维向量空间中•多元关系数据
lucky_08·2023-01-24 15:38

自动机器学习框架auto-sklearn基础编程案例

1.引入德国科学家在2015年时，在NIPS会议上发表了关于“自动机器学习框架”的方法（参考2），并开源了一个叫做auto-sklearn的项目（参考1）。
ybdesire·2023-01-21 15:21

论文阅读笔记 [NIPS2019] Learning to Self-Train for Semi-Supervised Few-Shot Classification

学习自我训练的半监督小样本分类Li-nips2019-LST-LearningtoSelf-TrainforSemi-SupervisedFew-ShotClassification摘要作者提出了一种新颖的半监督元学习方法
勇敢的仙人掌·2023-01-19 12:31

论文理解【Offline RL】—— A dataset perspective on offline reinforcement learning

UnderstandingtheEffectsofDatasetCharacteristicsonOfflineReinforcementLearning文章链接：Adatasetperspectiveonofflinereinforcementlearning发表：NIPS202
云端FFF·2023-01-19 08:48

阅读笔记之：Co-regularized multi-view spectral clustering-NIPS2011

想法：利用多个视角的信息进行聚类，提高聚类的准确性。很简单直接的原则；不同视角的数据具有潜在（underlying）一致的聚类。以这个为动机，在单视角谱聚类的基础上，增加多视角之间的约束。文章叫做共正则化（co-regularization），我理解的意思是，把多视角之间的约束当做每一个视角的正则化约束。文中还说共正则是在半监督中常见的技术，我觉得这种多视角的数据之间的对应关系也是一种监督信息。A
huayantina·2023-01-18 17:35

NIPS 2019 | CC-FPSE 阅读笔记（翻译）

LearningtoPredictLayout-to-imageConditionalConvolutionsforSemanticImageSynthesis作者：XihuiLiu,XiaogangWang,HongshengLi{TheChineseUniversityofHongKong},GuojunYin{UniversityofScienceandTechnologyofChina},
ybacm·2023-01-18 11:58

NeurIPS 2019：计算机视觉论文回顾

NIPS2019上的一些论文回顾会议网站：https://neurips.cc/论文全集：https://papers.nips.cc/book/adv
ronghuaiyang·2023-01-18 03:52

基于PyTorch实现PointNet++

PyTorch关于点云的深度学习表示PointNet/PointNet++是基于深度学习方法的点云表征的里程碑式的工作,都出自于斯坦福大学的CharlesR.Qi,这两个工作分别收录于CVPR2017和NIPS2017
zhulf0804·2023-01-17 12:13

目标检测：Generalized Focal Loss（NIPS2020）

GeneralizedFocalLoss:LearningQualifiedandDistributedBoundingBoxesforDenseObjectDetectionCCF-AXiangLi/WenhaiWang/LijunWu/ShuoChen/XiaolinHu/JunLi/JinhuiTang/JianYangarXiv:ComputerVisionandPatternRecogn
cartes1us·2023-01-17 08:16

BERT蒸馏完全指南｜原理/技巧/代码

模型蒸馏原理Hinton在NIPS2014[1]提出了知识
zenRRan·2023-01-16 15:48

【读论文-笔记】——1.沐神读Alexnet

原文链接如下：https://papers.nips.cc/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html沐神特别提醒，如果我们仔细阅读一篇文章
临淮郡人·2023-01-15 11:02

文献阅读总结：多视图聚类

文章目录基于图的方法综述/理论/其他聚类相关基于图的方法文献阅读（61）NIPS2021-Multi-viewContrastiveGraphC
学徒刘猛·2023-01-15 08:05

Sequencer: Deep LSTM for Image Classification（NIPS2022）精读笔记

0.Abstract在计算机视觉领域，ViT利用了self-attention机制在视觉下游任务中取得很好的效果，而例如MLP-Mixer以及一些经过特别设计的CNN也达到了与ViT媲美性能。在这种背景下，我们会疑惑适合计算机视觉领域的归纳偏置是什么（inductivebias）？文章从一个新的视角探索LSTM在计算机视觉领域的可行性，提出了Sequencer，利用LSTM代替self-atten
别码了W哥·2023-01-14 16:26

Predictive State Temporal Difference Learning 原文翻译预测状态时间差分学习

PredictiveStateTemporalDifferenceLearningByronBoots，GeoffreyJ.Gordon，2010，nips摘要我们提出了一种新的价值函数逼近方法，它将线性时间差分强化学习与子空间识别相结合
oni小涛·2023-01-14 08:42

论文理解【Offline RL】 —— 【COIL】Curriculum Offline Imitating Learning

CurriculumOfflineImitatingLearningpresentation:【RLChina论文研讨会】第2期刘明桓CurriculumOfflineImitationLearning发表：NIPS2021
云端FFF·2023-01-13 16:07

论文理解【IL - BC】—— An autonomous land vehicle in a neural network

标题：Anautonomouslandvehicleinaneuralnetwork发表：AdvancesinNeuralInformationProcessingSystems,1989（NIPS对应的期刊
云端FFF·2023-01-13 16:36

论文理解【Offline RL】——【BooT】Bootstrapped Transformer for Offline Reinforcement Learning

BootstrappedTransformerforOfflineReinforcementLearning官方主页：BootstrappedTransformerforOfflineReinforcementLearning发表：NIPS2022
云端FFF·2023-01-13 16:53

NIPS 2022 | 一文了解腾讯AI Lab入选的13篇论文

每天给你送来NLP技术干货！来源：腾讯AI实验室点击这里进群—>加入NLP交流群近日，NeurIPS2022正以线上与线下结合形式举行，为期两周。作为当前全球最负盛名的AI学术会议之一，其投稿量逐年攀升，今年各界一共提交了10411篇论文，2672篇获接收，最终接收率为25.6%。腾讯AILab共有13篇论文被本届会议接收，其中1篇被选为口头报告，以及2篇Spotlight。本文为部分论文解读，主
zenRRan·2023-01-13 13:44

NIPS20 基于在线聚类的表征学习 SwAV《Unsupervised Learning of Visual Features by Contrasting Cluster Assignment》

文章目录原文地址初识相知回顾原文地址https://arxiv.org/abs/2006.09882初识目前的对比学习虽然是OnlineLearning，但它依赖于显式的正负样本选取（通常只有当负样本较多时效果才会好），并且需要进行成对比较(pairwisecomparisions)，导致对显存和计算量的要求非常高。虽然有一些工作利用负样本队列和动量编码器来减缓显存压力，但是它们还是需要进行成对比
我是大黄同学呀·2023-01-13 09:09

DistilBERT 论文笔记

单位：HuggingFace时间：2020.5发表：NIPS2019论文链接：https://arxiv.org/pdf/1910.01108.pdf一、背景1.什么是distill（蒸馏）？
shuaiZuJiaoFu·2023-01-12 19:10

[2017NIPS]Learning Efficient Object Detection Models with Knowledge Distillation 论文笔记

目录Method1.结果蒸馏——分类2.结果蒸馏——回归3.特征蒸馏实验结果总结Method将知识蒸馏用在检测方向最大的问题就是前景和背景的类别不均衡问题。感觉就是很常规的思路，蒸特征+蒸输出，具体是在Faster-RCNN上做。其中蒸特征是使用的FitNet的方法在backbone做，在RPN和分类回归网络(RCN)部分蒸输出，两个部分都同时做分类和回归蒸馏。分类是做了一个weighted交叉熵
机器就不学习·2023-01-12 13:34

清华学霸们赢得NIPS攻防赛3项冠军的绝招在这里！

本文介绍了如何用对抗样本修改图片，误导神经网络指鹿为马；对NIPS2017神经网络对抗攻防赛3项冠军清华团队的算法模型进行了解读。
weixin_34054866·2023-01-12 08:07

清华团队如何做到打NIPS攻防赛得3冠军的

文章介绍了如何用对抗样本修改图片，误导神经网络指鹿为马；对NIPS2017神经网络对抗攻防赛3项冠军清华团队的算法模型进行了解读。
csdn人工智能头条·2023-01-12 08:36

NeRF与GAN的交融（一）——NeRF论文阅读

原论文：NIPS2020NeRF:RepresentingScenesasNeuralRadianceFieldsforViewSynthesis背景知识图像处理、立体视觉等方向常常涉及到四个坐标系：世界坐标系
Polaris_T·2023-01-11 12:36

21CIKM：Understanding Event Predictions via Contextualized Multilevel Feature Learning论文笔记

可参考19NIPS：GNNExplainer:GeneratingExplanationsforGraphNeuralNetworks阅读笔记数据集：ZZ活动数据集：X=某地活动（游行、抗议etc.）的时间序列
ZEBRONE·2023-01-11 07:47

FedMD: Heterogenous Federated Learning via Model Distillation论文笔记

论文地址：FedMD:HeterogenousFederatedLearningviaModelDistillation2019NIPS算法细节本文设有一个共享数据集D0D_{0}D0，每个客户端有本地的数据集
Zoran_卓·2023-01-10 11:41

CCF推荐---计算机图形学与多媒体 / 人工智能 两大板块计算机视觉、人工智能、图形学等方向所有会议deadline（以2022年为例）

人工智能A类1、AAAI2022AAAIConferenceonArtificialIntelligence2021年8月30日2、NIPS2022NeuralInformationProces
小芯啊·2023-01-10 11:36

网络模型剪枝-论文阅读《Learning both Weights and Connections for Efficient Neural Networks》

这是2015年NIPS的一篇经典的剪枝文章，由韩松大神所作，由于年代比较久远，所以就大概说一下它的重点内容，以便给模型剪枝有个初始印象。
AManFromEarth·2023-01-10 11:04

Anchor graph 对齐文献解读

文章：AlignthenFusion:GeneralizedLarge-scaleMulti-viewClusteringwithAnchorMatchingCorrespondences（2022nips
atease0001·2023-01-10 10:56

Java版本TransE代码的学习

Anery/transE:transE算法简单python实现FB15k(github.com)TranslatingEmbeddingsforModelingMulti-relationalData(nips.cc
woshiwu6666·2023-01-08 17:11

FiNet 和 InfoGAN

通过信息最大化可生成对抗网络的可解释表示学习InfoGAN:InterpretableRepresentationLearningbyInformationMaximizingGenerativeAdversarialNets（NIPS2
chocoboeater·2023-01-08 10:57

深度知识追踪（Deep Knowledge Tracing）论文学习（简要归纳）

SuryaGanguli∗,MehranSahami∗,LeonidasGuibas∗,JaschaSohl-Dickstein∗†∗StanfordUniversity,†KhanAcademy,‡Google发布正在：NIPS
sereasuesue·2023-01-07 17:47

Neural Ordinary Differential Equations（NIPS2018）

我们引入了一个新的深度神经网络模型家族。我们不指定隐藏层的离散序列，而是使用神经网络参数化隐藏状态的导数。利用黑盒微分方程解算器计算网络的输出。这些连续深度模型具有恒定的存储成本，根据每个输入调整其评估策略，并且可以明确地用数值精度换取速度。我们在连续深度残差网络和连续时间潜变量模型中证明了这些性质。我们还构建了连续规范化流程，这是一个可以通过最大似然进行训练的生成模型，无需对数据维度进行划分或排
西西弗的小蚂蚁·2023-01-06 11:16

NIPS2018最佳论文解读：Neural Ordinary Differential Equations

NIPS2018最佳论文解读：NeuralOrdinaryDifferentialEquations雷锋网2019-01-1023:32雷锋网AI科技评论按，不久前，NeurIPS2018在加拿大蒙特利尔召开
weixin_30853329·2023-01-06 11:46

黎曼流形学习的学习笔记(2):Neural Ordinary Differential Equations(来源：NIPS 2018 oral) (未完待续)

作者想解决的问题：这是一篇提出新模型的论文，把输入和输出当作微分方程在不同时刻的解，这样做可以节省很多空间，因为不需要计算每一步的具体结果，只需要保存得到的函数。思路：由于残差网络(空间上)和RNN单元(时间上)往往都是可以复用的，这里使用ODE方程解出关于时间的方程，可以得到一连串的数据，与原有标签进行对比，更新网络后使得ODE方程的可以得到原有标签的解。但是这篇文章主要是用NeuralODE网
Cinq Huang·2023-01-06 11:14

知识蒸馏综述：代码整理

KnowledgeDistillation全称：DistillingtheKnowledgeinaNeuralNetwork链接：https://arxiv.org/pdf/1503.02531.pd3f发表：NIPS1
小白学视觉·2023-01-05 15:13

联邦学习论文阅读笔记

目录一、前缀基础知识二、论文笔记ATheoreticalPerspectiveonDPFederatedMTL-preprint'20FederatedMulti-TaskLearning-NIPS'17FLTrust_Byzantine-robustFederatedLearningviaTrustBootstrapping-NDSS
RouTineD·2023-01-04 18:08
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他