本次借组内的paperreading分享的契机，整理了与Anchorfree相关的一些工作。一方面是分享近期在目标检测领域中一些工作，另一方面，和大家一起梳理一下去

如果你对数据库核心技术、前沿科学研究等感兴趣，并希望可以扎根于数据库领域，那诚邀大家关注“PaperReading”文章专栏。

如果你对数据库核心技术、前沿科学研究等感兴趣，并希望可以扎根于数据库领域，那诚邀大家关注“PaperReading”文章专栏。

[paperreading]CenterNet(ObjectasPoints)GitHub：NotesofClassicDetectionPapers2020.11.09更新：更新了UseYourself

[paperreading]CornerNetGitHub：NotesofClassicDetectionPapers本来想放到GitHub的，结果GitHub不支持公式。

[paperreading]RetinaNetGitHub：NotesofClassicDetectionPapers本来想放到GitHub的，结果GitHub不支持公式。

[paperreading]SSDGitHub：NotesofClassicDetectionPapers本来想放到GitHub的，结果GitHub不支持公式。

【paperreading】MVSNet:DepthInferenceforUnstructuredMulti-viewStereo1.简介2.相关工作3.MVSNet3.1ImagestoDeepFeatures3.2DeepFeaturestoFeatureVolumes3.3FeatureVolumestoCostVolume3.4CostVolumetoProbabilityVolume3

PaperReading-NAS系列-EverythingyouneedtoknowaboutNAS-综述-知乎开了新坑，Nas与AutoML系列，本文作为综述，主要阐述了作为深度学习领域的新秀的AutoML

这期文章我想开一个新的系列，叫读论文PaperReading，分享初学者的自己对深度学习方面的论文的理解，大家一起学习交流。尤其会关注一些深度学习和医学相结合的领域。

PaperReading——Attention-basedTransactionalContextEmbeddingforNext-ItemRecommendation基于注意力的事务上下文嵌入下一项推荐

最新人工智能论文：http://paperreading.club最近折腾了CentOS的显卡驱动，踩了不少坑，最后终于装成功了，不得不感慨CentOS真是与众不同啊。

今天作了一个paperreading，感觉论文不错，马克一下~CVPR2016BestPaperHonorableMention"Sublabel-AccurateRelaxationofNonconvexEnergies

仔细阅读过这篇文章之后，写下一篇paperreading加深印象。

CustomizingClosnetwork-on-chipforneuralnetworks–paperreading【motivation】神经网络可以在软件(GPU)或者定制的硬件上实现。

PaperReading:OntheGittinsIndexforMultiarmedbandits–ByRichardWeberUniversityofCambridge本文是Gittinsindex

本次借组内的paperreading分享的契机，整理了与Anchorfree相关的一些工作。

论文链接：https://arxiv.org/abs/1906.05909代码：https://github.com/leaderj1001/Stand-Alone-Self-Attention启示1.提出了一种代替空间卷积的操作——selfattention，可以有效结合selfattention操作和原来的空间卷积操作，在网络的初期使用原来的空间卷积操作，而后面和各个head使用selfatt

[paperreading]译+注：如何阅读ResearchPapers（AndrewNg）本文基于吴恩达老师(AndrewNg)在StanfordDeepLearningLectures(cs230n

空间分析方法在微生物生态学研究中的应用Theapplicationofspatialanalysismethodstomicrobialecology投稿时间：2009-08-18修订日期：2009-11-09DOI：关键词：微生物生态空间分析地统计空间自相关空间格局KeyWords：microbialecologyspatialanalysisgeostatisticsspatialautoco

本文时KG2E，《Learningtorepresentknowledgegraphswithgaussianembedding》的论文阅读笔记，如果有做相关工作的同学可以与我联系[email protected]背景之前的TransX系列的论文都是在欧式空间中对实体和关系进行表征，然后利用基于空间中点相似度的计算方法来计算势能（通过关系翻译的头实体和真实尾实体之间的差距）

本文记录了有关TranSparse《KnowledgeGraphCompletionwithAdaptiveSparseTransferMatrix》论文的相关情况，如果有做相关内容的同学可以邮件与我联系[email protected]背景之前的基于翻译模型中，将所有的关系是按照同一个标准来进行翻译，没有考虑关系在链接实体上的特性，在论文中将这种由于关系在链接实体上的不同

本文记录了在阅读TransD论文时的相关内容，如果有同学在做相关工作，欢迎邮件与我沟通联系[email protected]背景TransE无法解决的自反、一对多、多对一关系问题，在TransR/CTransR中通过将实体和关系在不同空间表示的方法进行了解决。TransR的做法是让实体空间单纯的表示实体的属性信息，关系空间单纯的表示实体之间的关系，对于每个实体都有一个特定的

本文记录了阅读TransR论文时的相关内容，如果有做相关工作的同学，欢迎与我沟通联系[email protected]背景TransR论文的提出还是为了来解决在TransE中无法解决的自反、一对多、多对一的关系问题。有一个很显然的想法就是，在知识图谱中的实体和关系是不一样，那么他们存在的语义空间也就应该不一样，实体空间就是专门的来表示实体上的属性，关系空间就是来表示实体之间

本文记录了有关阅读TransA论文的相关情况.如果有在做相关工作的同学，欢迎与我沟通联系[email protected]背景TransA论文的思路也是对于TransE的改进，目的也是来改进TramsE中无法解决的自反、一对多、多对一的关系问题，但是在TransA中解决问题的方法是来来修正在之前集合模型中比较简单的评价函数的方法在之前的翻译模型中，都采用的是计算得到的尾实体

更改学习笔记2019.1.17没用的全部清理掉接下来每天的安排是（因为最近是寒假在家）保持一天或者两天一篇paperreading每天背200个单词每天读英语听英语各30分钟，精听写代码重新整理基础numpy

Paperreading——Human-levelcontrolthroughdeepreinforcementlearning文章结合深度神经网络和增强学习，仅仅输入高维度的视觉数据和游戏得分，训练出能玩不同游戏的

分享本次PaperReading的主题是VIO领域的一个重要的工作：预积分（Preintegration）预积分是ChristianForster（SV

ToolsandBenchmarksforAutomatedLogParsing自动日志分析的工具和基准JiemingZhu①,ShilinHe②,JinyangLiu③,PinjiaHe④,QiXie⑤,ZibinZheng⑥,MichaelR.Lyu⑦①HuaweiNoah’sArkLab,Shenzhen,China②DepartmentofComputerScienceandEnginee

Paperreading:aperspectiveviewandsurveyofmeta-learningGoal:buildaself-adaptivelearningalgorithm.Idea:improvethelearningbiasdynamicallythroughexperiencebythecontinuousaccumulationofmeta-knowledge

最新人工智能论文：http://paperreading.club转自：http://blog.csdn.net/v_july_v/article/details/7624837前言动笔写这个支持向量机

前言接下来保持住节奏，每周起码一篇paperreading，要时刻了解研究的前沿，是一个不管是工程岗位还是研究岗位AIer必备的工作，共勉！

显著性对象检测综述参考：http://mmcheng.net/zh/paperreading/一、程明明等人的论文：SalientObjectDetection:ASurve（简单归纳了文章中的我认为比较重要的部分

GraphIE：AGraph-BasedFrameworkforInformationExtractionGraphIE：基于图的信息提取框架YujieQian,EnricoSantus,ZhijingJin,JiangGuo,ReginaBarzilayAbstractMostmodernInformationExtraction(IE)systemsareimplementedassequen

前言接下来保持住节奏，每周起码一篇paperreading，要时刻了解研究的前沿，是一个不管是工程岗位还是研究岗位AIer必备的工作，共勉！

[email protected]"Howto(seriously)readascientificpaper"andInotesomeveryimportantsentences.Howdoyouapproachreadingapaper?Ifyouwanttomakeitaproductiveexercise,youneedt

CanChenggchen@mail.ustc.edu.cnHowtoreadapaperThispaperisveryusefulandImadeasummaryaboutthethree-passmethodformyselfFirstPassKnowthecategoryandcontext.title,abstract,introduction,thesectionandsub-secti

CanChenggchen@mail.ustc.edu.cnMapReduceTheMapReducemodelinuserprogramfirstsplituptheinputfileintoMpartsandthenforksuserprogramtoeverynodeinthecluster.Onenodeisspecialandcalledmaster.MasternodeassignsM

[email protected]/OpenMPonBeowulfTodayIreadthispaperjusttoextendmyknowledgescope.StarkandOpenMPI/MPIaretwoclustercomputingframeworks.Sparkisgoodathandlingfaulttolerances

paperreading：Part-basedGraphConvolutionalNetworkforActionRecognition文章目录paperreading：Part-basedGraphConvolutionalNetworkforActionRecognitiongraph

笔者近期在做一个人岗匹配的项目研究，无意间，在网上搜到了一篇SIGIR2018上的论文，发现正好跟我们团队所做的事情很相似，遂十分欣喜，拿来拜读，然后跟老师同学们交流。最后得出了很多有意义的思考。该论文提出的模型结构有些复杂，为了深刻理解，我将每个步骤拆分，自己重新画图，逐步剖析模型的细节。这里分享给大家：人岗匹配问题的背景抛开这篇论文，我们先谈一谈人岗匹配这件事到底在做什么，做哪些难点。一家大公

PlayingAtariwithDeepReinforcementLearningAbstract使用强化学习直接从高维输入中成功学习控制策略。Q-learning的变种进行训练，输入是原始像素，输出是估计未来收益的值函数。应用于AtariLearningEnvironment中的7个游戏，6个优于之前的方法，3个中优于人类专家。Introduction传统RL是十分依赖特征表示的质量。深度学习进

写在前面第一次完整地读完一篇英文论文，上来就搞得那么硬核其实我也不想……（毕竟要做PaperReading汇报）本文所写仅为自己的理解（只求理解，所以可能会缺乏专业性……），可能有不少错漏之处，此外现在对贝叶斯优化那块还不是太清楚

DetectingLarge-ScaleSystemProblemsbyMiningConsoleLogsFriday,August9,20199:14AM通过挖掘控制台日志来检测大型系统的问题WeiXu∗LingHuang†ArmandoFox∗DavidPatterson∗MichaelI.Jordan∗∗EECSDepartment †IntelLabsBerkeley University

cvpr2019/cvpr2018/cvpr2017（Papers/Codes/Project/Paperreading）Source：https://mp.weixin.qq.com/s/SmS-guwg6oUqPYwfeC6iiw

仔细阅读过这篇文章之后，写下一篇paperreading加深印象。

近期本小白在公司实习，组内有写paperreading的优良传统，一来自己总结，二来便于大家交流。感觉这个习惯非常好，于是乎想了想干脆同步发到自己博客上来，便于以后自己整理。

最近图相关的理论很火热啊，耳边一直听到各种graphembedding，什么GNN、GCN，结果发现自己对这方面完全不了解，赶紧找几篇论文来读一读。今天这一篇就是大家不管听没听说但总觉得眼熟的node2vec。不用想，这个node2vec一定跟word2vec有血缘关系，所以熟悉word2vec的同学应该可以很快了解node2vec的思想。不同于图像、自然语言这种欧式空间的数据，网络结构的数据——

摘录自:[LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking]Author：HyeonseobNam,BohyungHam参考：https://zhuanlan.zhihu.com/p/25312850跟踪的目标虽然各式各样但也有值得网络去学习的共性（suchasrobustnesstoilluminationchang

摘录自:[LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking]Author：HyeonseobNam,BohyungHam参考：https://zhuanlan.zhihu.com/p/25312850跟踪的目标虽然各式各样但也有值得网络去学习的共性（suchasrobustnesstoilluminationchang