NIPS2018

读论文 | Link Prediction Based on Graph Neural Networks

这篇论文来自NIPS2018原文见论文pdf名词解释from某度启发式算法heuristicalgorithm一个问题的最优算法能够求得该问题每个实例的最优解。
电车上那个cll呀·2023-08-01 11:17

Custard拥塞控制算法论文解读

该论文的全称为“InternetCongestionControlviaDeepReinforcementLearning”，收录于NIPS2018。
明星有灿·2023-07-28 10:31

基于对抗式深度学习和往复式深度学习的视觉目标跟踪

VisualTrackingviaAdversarialLearning》和《DeepAttentiveTrackingViaReciprocativeLearning》这两篇分别发表在CVPR2018和NIPS2018
Donations·2023-06-13 19:24

[论文阅读] Co-teaching

作者第一完成单位为悉尼科技大学论文：https://arxiv.org/pdf/1804.06872.pdf代码：https://github.com/bhanML/Co-teaching背景co-teaching是nips2018
thinson·2023-04-15 02:05

论文 | VON模型解读《Visual Object Networks: Image Generation with Disentangled 3D Representation》

文章出处：NIPS2018文章链接：https://arxiv.org/abs/1812.02725文章website：http://von.csail.mit.edu/官方代码：https://github.com
与阳光共进早餐·2023-03-10 11:43

Hyperbolic Nural Networks双曲神经网络

给了神经网络中一些操作的双曲版本的定义，NIPS2018的文章，原文在此：https://arxiv.org/abs/1805.09112双曲空间在机器学习领域获得越来越多的冲力，因为它有很大的容量和它的类似于树的性质
YY.net·2023-02-04 07:42

FD-GAN: Pose-guided Feature Distilling GAN forRobust Person Re-identification(NIPS 2018)

FD-GAN:Pose-guidedFeatureDistillingGANforRobustPersonRe-identification(NIPS2018)设计了特征提取生成对抗网络(FD-GAN)
hzb_ml·2023-02-03 14:10

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

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

## 作为多目标优化的多任务学习：寻找帕累托最优解+组合在线学习：实时反馈玩转组合优化-微软研究院+用于组合优化的强化学习：学习策略解决复杂的优化问题

NIPS2018：作为多目标优化的多任务学习：寻找帕累托最优解多任务学习本质上是一个多目标问题，因为不同任务之间可能产生冲突，需要对其进行取舍。
stay_foolish12·2022-12-15 15:22

循环世界模型(Recurrent World Models)——真实世界建模的强化学习利器

世界模型（WorldModel）是NIPS2018获得口头报告的论文之一，也是谷歌AI和Deepmind2019年力作深度规划网络PlaNet的主要参考文献之一。
hhy_csdn·2022-12-01 09:53

论文笔记: 分类不确定性计算的证据深度学习方法

本文描述对论文MuratSensoy,LanceKaplan,MelihKandemir,Evidentialdeeplearningtoquantifyclassificationuncertainty,NIPS2018
闵帆·2022-11-25 09:16

VALSE2019总结(5)-一些很有insight的poster宣讲

4.9一些很有insight的poster宣讲IndependentlyRecurrentNeuralNetworks(IndRNN,NIPS2018)FishNet()HRNet:DeepHigh-ResolutionRepresentationLearningforHumanPoseEstimation
weixin_30294709·2022-11-23 03:23

2018 NIPS paper list

NIPS2018接收论文包括poster、tutorial、workshop等，目前官网公布了论文清单：https://nips.cc/Conferences/2018/SchedulePosterpaper
Z609834342·2022-11-21 19:52

FD-GAN: Pose-guided Feature Distilling GAN for Robust Person Re-identification

FD-GAN:Pose-guidedFeatureDistillingGANforRobustPersonRe-identification(NIPS2018)YixiaoGe，ZhuowanLi，HaiyuZhaoAbstract
而濡木染·2022-11-19 21:23

attention与其在RL中的应用

]ControlofMemory,ActivePerception,andActioninMinecraft[ICLR2019]RelationalDeepReinforcementLearning[NIPS2018
强殖装甲凯普·2022-05-30 07:02

一个深度学习突破的方向：神经常微分方程ODE

本文的背景论文来自NIPS2018《NeuralOrdinaryDifferentialEquations》（神经常微分方程）。
喜欢打酱油的老鸟·2022-03-19 08:45

【论文翻译】（NIPS2018）Flexible Neural Representation for Physics Prediction 物理预测的灵活神经表示

目录摘要1介绍2相关工作3层次化粒子图表示4物理预测模型4.1层次化图卷积用于传播影响4.2层次化关系网络结构4.3通过损失函数和数据学习物理约束5实验5.1物理现象的定量评估5.2定量评估和简化模型5.3讨论6结论译者：子鱼论文地址：https://arxiv.org/pdf/1806.08047.pdf源码和更多材料：https://neuroailab.github.io/physics/参
子鱼inf_lyceum·2020-10-22 02:54

转载：2019年AI顶级会议时间表

IEEEConferenceonComputerVisionandPatternRecognition）美国洛杉矶2019.06.15-21http://cvpr2019.thecvf.com计算机视觉及模式识别领域国际三大顶级会议之一NIPS2018
小张也是蛮拼的·2020-09-15 01:17

可解释的卷积滤波器 SincNet

可解释的卷积滤波器SincNetRavanelli,M.在NIPS2018进一步讨论了SincNet可解释意义，令人感觉该模型已经能够胜任在说话人识别的基础上胜任更多的语音处理任务。
海上机械师·2020-09-11 23:42

《基于行列式点过程的推荐多样性提升算法》原理详解

本文将详细讲解Hulu在NIPS2018会议上发表的《FastGreedyMAPInferenceforDeterminantalPointProcesstoImproveRecommendationDiversity
yz930618·2020-08-22 09:34

NIPS2018深度学习(28)|亮点:人脸DepthNets;异常图像检测;循环动态模型(论文及代码)...

[1]UnsupervisedDepthEstimation,3DFaceRotationandReplacementJoelRubenAntonyMoniz,ChristopherBeckham,SimonRajotte,SinaHonari,ChristopherPalCarnegieMellonUniversity,Mila-UniversityofMontreal,Polytechniqu
frank_hetest·2020-08-16 06:18

【DAT NIPS2018】目标跟踪阅读笔记

DeepAttentiveTrackingviaReciprocativeLearning论文地址代码写在前面这篇论文其实从名字中也可以看出来，又是一篇引入attention的目标跟踪文章，但这篇文章跟以往的把attentionmap直接乘到指定层数据中的不一样，他是把attentionmap作为损失函数的一个正则化项，通过影响损失函数来优化网络。整个网络是基于MDNet的，就是修改了损失函数，所
gagajian·2020-08-16 01:31

online learning / continual learning / Incremental Learning / Lifelong learning相关论文列表

2018KnowledgeDistillationbyOn-the-FlyNativeEnsemble（NIPS2018）MemoryReplayGANs:learningtogenerateimagesfromnewcategorieswithoutforgetting
mary-yue·2020-08-06 12:26

NIPS2018 Workshop一览

NIPS2018WorkshopsNIPS2018会议为我们带来39个Workshop和两个竞赛track，涵盖了机器学习、深度学习、强化学习、因果、推理、表示、优化等各方面的基础研究，以及图像、检测、游戏、健康、医学图像处理、安全、隐私、金融、化学、语音、交通运输和设计等方面，同时还涵盖了对于社会、政治方面的诸多考量，又可以学习很长时间了~~~CritiquingandCorrectingTre
hitrjj·2020-08-03 06:14

DiffPool: Hierarchical Graph Representation Learning with Differentiable Pooling

本文被NIPS2018接收，地址：HierarchicalGraphRepresentationLearningwithDifferentiablePoolingMotivation在有机分子中，人们希望能够编码局部的分子
八荒_·2020-08-02 14:03

图神经网络论文阅读(五) Structure-Aware Convolutional Neural Networks，NIPS2018

本文的作者来自中科院自动化所以及中科院大学人工智能学院。为了拓展卷积操作到非欧图结构，本文提出了structure-awareconvolution（结构感知卷积）将非欧式图与欧式图结构之间的差别抹平。从技术上讲，结构感知卷积中的滤波器被推广到单变量函数，该单变量函数能够聚合具有不同拓扑结构的局部输入。由于单变量函数需要确定无数个参数，所以使用函数逼近理论近似代替单变量函数，最终建立起模型Stru
五月的echo·2020-08-02 12:53

NIPS2018深度学习(9)|亮点：多元卷积稀疏编码、循环关系网络

[1]Deep,complex,invertiblenetworksforinversionoftransmissioneffectsinmultimodeopticalfibresOisínMoran,PiergiorgioCaramazza,DanieleFaccio,RoderickMurray-SmithUniversityofGlasgow,UniversityofGlasgowhttp
frank_hetest·2020-07-27 23:55

论文阅读：A2-Nets: Double Attention Networks

A2-Nets:DoubleAttentionNetworks（NIPS2018）文章  论文的名字很好，反映了本文的核心想法：首先使用second-orderattentionpooling将整幅图的所有关键的特征搜集到了一个集合里
Kivee123·2020-07-09 23:07

NIPS2018深度学习(20)|亮点: 双向RNN时间序列;对抗自编码异常检测;脉冲神经网络(论文及代码)...

[1]BRITS:BidirectionalRecurrentImputationforTimeSeriesWeiCao,DongWang,JianLi,HaoZhou,YitanLi,LeiLiTsinghuaUniversity,DukeUniversity,BytedanceAILabhttps://papers.nips.cc/paper/7911-brits-bidirectional-
frank_hetest·2020-07-09 17:52

论文阅读：LinkNet: Relational Embedding for Scene Graph

LinkNet（NIPS2018）文章  一两个月前在NIPS2018的官网上看到这篇论文，最近终于在arxiv上看到了，于是迫不及待地就读了，下面就来一起来看看这篇来自KAIST的LinkNet吧。  
Kivee123·2020-07-05 06:41

NIPS2018深度学习论文及代码集锦(含VAE LSTM等)

[1]DVAE#:DiscreteVariationalAutoencoderswithRelaxedBoltzmannPriorsArashVahdat,EvgenyAndriyash,WilliamG.MacreadyQuadrant.ai,D-WaveSystemsInc.https://papers.nips.cc/paper/7457-dvae-discrete-variational-
frank_hetest·2020-07-04 17:29

NIPS2018深度学习(8)|亮点：实证深度学习、贝叶斯、半监督众包聚类

[1]EvidentialDeepLearningtoQuantifyClassificationUncertaintyMuratSensoy,LanceKaplan,MelihKandemirOzyeginUniversity,Adelphi,Robert-Bosch-Campushttps://papers.nips.cc/paper/7580-evidential-deep-learning
frank_hetest·2020-07-04 17:29

NIPS2018深度学习论文及代码集锦(含GAN RNN等)

[1]RegularizationLearningNetworks:DeepLearningforTabularDatasetsIraShavitt,EranSegalWeizmannInstituteofSciencehttps://papers.nips.cc/paper/7412-regularization-learning-networks-deep-learning-for-tabul
frank_hetest·2020-07-04 17:59

【NIPS2018】Spotlight及Oral论文汇总

nips2018spotlight（168篇）和Oral（30篇）是会议中较为出色的论文,（点击论文可以查看对应摘要和链接）1.Oral【神经元容量】OnNeuronalCapacity【词嵌入】OntheDimensionalityofWordEmbedding【生成先验下的相位恢复问题】PhaseRetrievalUnderaGenerativePrior【树突皮质微回路结构近似bp算法】De
hitrjj·2020-06-27 09:07

NIPS 2018 接收论文list 完整清单

NIPS2018接收论文包括poster、tutorial、workshop等，目前官网公布了论文清单：https://nips.cc/Conferences/2018/SchedulePosterpaper
hitrjj·2020-06-27 09:06

【NIPS2018】Text-Adaptive Generative Adversarial Networks: Manipulating Images with Natural Language

Paper:https://papers.nips.cc/paper/7290-text-adaptive-generative-adversarial-networks-manipulating-images-with-natural-language.pdfGithub:https://github.com/woozzu/taganTask:manipulatingimagesusingnat
mo_leaf·2020-06-27 06:03

2019人工智能学术会议列表，所有Deadline都在这里

2018年已经过去了66%左右，ACL、CVPR、ICML、ICLR等学术会议也已经开完，众多学术圈的朋友们如今可能都在为NIPS2018论文rebuttal而奋战，但是不是更多的人在为2019年的学术论文而做准备
深度学习世界·2020-06-26 19:47

RL Paper Review

导航LearningtoNavigateinCitesWithoutaMap,NIPS2018，DeepMind本篇是DeepMind出品的关于导航任务的文章，通过给定一系列的goal来帮助agent达到最终的目的地
Zichen_195d·2020-06-24 04:19

NIPS2018深度学习(22)|亮点: 深层高斯过程;变分自编码(论文及代码)

[1]InferenceinDeepGaussianProcessesusingStochasticGradientHamiltonianMonteCarloMartonHavasi,JoseMiguelHern´andez-Lobato´,JuanJoseMurillo-Fuentes´UniversityofCambridge,UniversityofSevillahttps://papers
frank_hetest·2020-06-23 14:32

NIPS2018深度学习(21)|亮点: 异常检测;强化学习(论文及代码)

[1]BRUNO:ADeepRecurrentModelforExchangeableDataIrynaKorshunova,JonasDegrave,FerencHuszár,YarinGal,ArthurGretton,JoniDambreGhentUniversity,Twitter,UniversityofOxford,UCLhttps://papers.nips.cc/paper/794
frank_hetest·2020-06-23 14:32

NIPS2018深度学习(27)|亮点:对话推荐;协同坐标卷积;可逆卷积生成网络;(论文及代码)...

[1]AnintriguingfailingofconvolutionalneuralnetworksandtheCoordConvsolutionRosanneLiu,JoelLehman,PieroMolino,FelipePetroskiSuch,EricFrank,AlexSergeev,JasonYosinskiUberAILabs,UberTechnologieshttps://pap
frank_hetest·2020-06-23 14:32

NIPS2018深度学习(17)|亮点: 记忆重现GAN;图GAN;箱卷积(论文及代码)

[1]MemoryReplayGANs:learningtogenerateimagesfromnewcategorieswithoutforgettingChenshenWu,LuisHerranz,XialeiLiu,YaxingWang,JoostvandeWeijer,BogdanRaducanuUniversitatAutònomadeBarcelonahttps://papers.ni
frank_hetest·2020-06-23 14:32

NIPS2018深度学习(10)|亮点：训练技巧；强化学习；GAN(论文及代码)

[1]StepSizeMattersinDeepLearningKamilNar,S.ShankarSastryUniversityofCalifornia,Berkeleyhttps://papers.nips.cc/paper/7603-step-size-matters-in-deep-learning.pdf利用梯度下降算法训练神经网络时，能够得到离散的非线性的动态系统。此时，在训练过程中
frank_hetest·2020-06-23 14:32

NIPS2018深度学习(15)|亮点: 新型GAN;新型CNN(论文及代码)

[1]OnGANsandGMMsEitanRichardson,YairWeissTheHebrewUniversityofJerusalemhttps://papers.nips.cc/paper/7826-on-gans-and-gmms.pdf在机器学习领域中，学者们一直在研究如何利用无监督方法来学习高维空间中的统计结构。近几年，学者们围绕GANs来解决这个问题，已经有学者利用GAN生成非常
frank_hetest·2020-06-23 14:30

NIPS2018 | 腾讯AI Lab入选20篇论文，含2篇Spotlight

感谢阅读腾讯AILab第43篇文章。我们将深度解析机器学习领域顶会NIPS（2018）上，腾讯AILab入选的的20篇论文。被誉为神经计算和机器学习领域两大顶级会议之一的NIPS于近日揭晓收录论文名单，此次为第32届会议，将于12月3日至8日在加拿大蒙特利尔举办。腾讯AILab第三次参加NIPS，共有20篇论文入选，其中2篇被选为亮点论文（Spotlight），涵盖迁移学习、模仿学习、半监督学习等
腾讯AI实验室·2020-06-21 14:03

NIPS2018深度学习(18)|亮点: 贝叶斯深度学习;图卷积(论文及代码)

[1]SLANG:FastStructuredCovarianceApproximationsforBayesianDeepLearningwithNaturalGradientAaronMishkin，FrederikKunstner，DidrikNielsen，MarkSchmidt，MohammadEmtiyazKhanUniversityofBritishColumbia，EcolePol
frank_hetest·2020-06-21 01:53

Hulu视频如何提升推荐多样性?

utm_source=aicamp作者|余沾整理|深度传送门（ID:deep_deliver）导读：本文主要介绍Hulu在NIPS2018上发表的《FastGreedyMAPInferenceforDeterminantalPointProcesstoImproveRecommendationDiversity
AI科技大本营·2019-11-13 22:51

Deep attention tracking via Reciprocative Learning

文章：DeepattentiontrackingviaReciprocativeLearning出自NIPS2018文章链接：https://arxiv.org/pdf/1810.03851.pdf代码链接
SuperLab·2019-07-23 11:00
上一页 1 2 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他