kdd论文笔记第15页

GPT-4，Llama2，ChatGLM2，PaLM2共聚一堂 | LLM Day @KDD 2023

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！以下内容来源于GLM大模型在过去半年中，以ChatGPT为代表的大规模语言模型（LLMs）彻底改变世界，人类与世界的交互逐渐进入到了一个新的阶段。然而，伴随着资本狂热之后的冷静，LLMs当前进展到了哪一步，以及接下来急迫需要解决哪些问题，这亟需学术界人士去细致分析。为此，在即将召开的ACMKDD2023会议上，由清华大学唐杰教授、东昱晓助理教

AITIME论道·2023-08-10 08:21

干货 | 面向多任务学习和领域泛化的公平感知机器学习

在包括KDD，CVPR,AAAI，WWW，ICASSP等会议与期刊上发表过多篇论文，并受邀担任KDD，NeurIPS，AAAI，ICDM，AISTATS等人工智能领域顶级国际会议程序委员和审稿人

AITIME论道·2023-08-10 08:50

7月27日、28日| KDD 2023 预讲会——来自中科大、Amazon、NUS、中科院、Baylor等的七位一作学者分享...

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！哔哩哔哩直播通道扫码关注AITIME哔哩哔哩官方账号预约直播7月27日14:30-16:3014:30-15:00周正阳以不变应万变：面向时空数据的不变关联学习15:00-15:30万润哲ExperimentationPlatformsMeetReinforcementLearning:BayesianSequentialDecision-M

AITIME论道·2023-08-10 08:20

7月27日、28日| KDD 2023 预讲会——来自中科大、Amazon、NUS、中科院、Baylor的五位一作学者分享...

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！哔哩哔哩直播通道扫码关注AITIME哔哩哔哩官方账号预约直播7月27日14:30-16:3014:30-15:00周正阳以不变应万变：面向时空数据的不变关联学习15:00-15:30万润哲ExperimentationPlatformsMeetReinforcementLearning:BayesianSequentialDecision-M

AITIME论道·2023-08-10 08:49

明天 14:00 | KDD 2023 预讲会

点击蓝字关注我们AITIME欢迎每一位AI爱好者的加入！哔哩哔哩直播通道扫码关注AITIME哔哩哔哩官方账号预约直播议程介绍7月20日14:00-17:4014:00-14:20魏嘉珩Toaggregateornot?Learningwithseparatenoisylabels14:20-14:40刘芳甫DiscoveringDynamicCausalSpaceforDAGStructureLe

AITIME论道·2023-08-10 08:19

【计算机视觉|生成对抗】生成对抗网络（GAN）

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：GenerativeAdversarialNets链接：GenerativeAdversarialNets(nips.cc)摘要我们提出了一个通过

远哥挺乐·2023-08-10 07:01

Beta Embeddings for Multi-Hop Logical Reasoning in Knowledge Graphs - 论文笔记

NIPS2020的一篇论文，涉及知识嵌入方法和Multi-hopQA，有完整代码作者：HongyuRen，JureLeskovecpdf：https://arxiv.org/pdf/2010.11465.pdfgithub：https://github.com/snap-stanford/KGReasoning（包含三种模型，BetaE，Query2box，GQE）0.Abstract为处理知识图

Bluestragglers·2023-08-09 14:54

论文笔记【Recurrent Attentional Reinforcement Learning for Multi-label Image Recognition】

摘要多标签图像识别是计算机视觉中一项基础却又有挑战性的任务。利用深度卷积神经网络对具有语义感知的图像区域进行定位，并对其标签进行预测，目前取得了显著的进展。然而，通过提出假设区域进行对图像区域的定位，需要冗余的计算成本，而且往往忽略或简单化了区域之间的上下文依赖关系。作者在该论文中提出了一个循环注意强化学习框架，迭代地发现与不同语义对象相关的注意区域（含有信息的图像区域），并对这些区域预测相关标签

左灯右行_d493·2023-08-09 04:16

CMU神秘token贡献ChatGPT安全措施|【2023-0802】【第八期】

CMU博士击破LLM护栏，人类毁灭计划脱口而出KDD2023|GPT时代医学AI新赛道：16万张图片、70万问答对的临床问答数据集MIMIC-Diff-VQA发布Llama-2首个全方位评测，国内外开源模型大比拼

linxid【智子纪元】·2023-08-08 16:07

【计算机视觉|风格迁移】PP-GAN：使用GAN的地标提取器将韩国人像的风格转化为身份证照片

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：PP-GAN:StyleTransferfromKoreanPortraitstoIDPhotosUsingLandmarkExtractorwithGAN

远哥挺乐·2023-08-08 08:29

[PED08]Self-paced Clustering Ensemble自步聚类集成论文笔记

@[TOC]0.摘要现有的聚类集成方法大多利用所有的数据来学习一致的聚类结果，没有充分考虑一些困难实例所带来的不利影响。为了解决这个问题，提出Self-PacedClusteringEnsemble（SPCE）方法。逐步将例子从简单到困难的纳入到集成学习中。将实例的难易度评价和集成学习集成在一个框架中联合学习算法获得最终的一致的聚类结果1.introduction传统聚类的问题在给定的数据集中，不

张小甜甜·2023-08-07 23:49

MapTR论文笔记

MAPTR:STRUCTUREDMODELINGANDLEARNINGFORONLINEVECTORIZEDHDMAPCONSTRUCTION目的传统高精地图通过一些离线的基于SLAM的方法生成，需要复杂的流程以及高昂的维护费用。基于bev分割的建图方法，缺少向量化实例级的信息，比如说lane结构。为了获得向量化的HDmap，HDMapNet将像素级的分割结果分组，需要复杂且耗时的后处理。Vect

SugerOO·2023-08-07 03:51

论文笔记：SUPERVISED CONTRASTIVE REGRESSION

2022arxiv的论文，没有中，但一作是P大图班本MIT博，可信度应该还是可以的0摘要深度回归模型通常以端到端的方式进行学习，不明确尝试学习具有回归意识的表示。它们的表示往往是分散的，未能捕捉回归任务的连续性质。在本文中，我们提出了“监督对比回归”（SupervisedContrastiveRegression，SupCR）的框架该框架通过将样本与目标距离进行对比来学习具有回归意识的表示。Sup

UQI-LIUWJ·2023-08-06 19:06

论文笔记-Person Re-identification Past, Present and Future

2016_PersonRe-identificationPast,PresentandFutureLiangZheng,YiYang,andAlexanderG.Hauptmann这是一篇有关于Personre-ID综述性文章。转载请附原文地址：http://blog.csdn.net/zdh2010xyz/article/details/53741682Abstractre-ID变得越来越imp

yllifesong·2023-08-05 17:48

TARNet: Task-Aware Reconstruction for Time-Series Transformer(KDD2022)

时间序列数据包含时间顺序信息，可以指导预测性结束任务的表示学习(例如，分类，回归)。最近，有一些尝试利用这种顺序信息，通过重构随机屏蔽的时间段的时间序列值，首先预训练时间序列模型，然后在同一数据集上进行结束任务微调，证明了结束任务性能的改善。然而，这种学习范式将数据重构与最终任务解耦。我们认为，通过这种方式学习到的表示不会被结束任务所告知，因此，可能对结束任务的表现不是最优的。事实上，不同时间戳的

西西弗的小蚂蚁·2023-08-04 02:32

Micro-expression recognition: an updated review of current trends,challenges and solutions 论文笔记

一篇微表情识别的综述，发表在TheVisualComputer上。写得蛮详细的，记录一下阅读的笔记Abstract摘要：ChallengesintheseareasremainrelevantduetothenatureofME’ssplit-secondtransitionwithminuteintensitylevels.微表情识别的挑战在于，微表情是发生在短时间内微笑变化。1Introduc

pzb19841116·2023-08-03 18:32

【计算机视觉|人脸建模】深度学习时代的3D人脸重建调查报告

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：3DFaceReconstructioninDeepLearningEra:ASurvey链接：3DFaceReconstructioninDeepLearningEra

远哥挺乐·2023-08-03 16:52

论文笔记：SIFT（Scale-invariant feature transform 尺度不变特征变换）

1.SIFT介绍1.1.介绍SIFT（Scale-invariantfeaturetransform尺度不变特征变换）图像特征匹配，即使图像有旋转、模糊、尺度、亮度的变化，即使使用不同的相机，即使图像拍摄的角度不同，SIFT总能检测到稳定的特征点。SIFT是人工设计特征的一个巅峰。SIFT算法由加拿大英属哥伦比亚大学教授DavidLowe于1999年发表于会议ICCV，原论文Objectrecog

AI强仔·2023-08-03 09:56

【计算机视觉|语音分离】期望在嘈杂环境中聆听：一个用于语音分离的不依赖于讲话者的“音频-视觉模型”

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：LookingtoListenattheCocktailParty:ASpeaker-IndependentAudio-VisualModelforSpeechSeparation

远哥挺乐·2023-08-03 04:00

论文笔记

ActiveReadingComprehension:AdatasetforlearningtheQuestion-AnswerRelationshipstrategy通过QA的阅读理解（RC）是评估读者是否理解文本的有用方法。使用标准精度度量进行评估，其中高精度被认为是良好的理解。但是，有关高质量学习的文献表明，任务绩效也应在经历的回答过程中进行评估。问题-答案关系（QAR）是根据读者根据问题类

Dreamer_df74·2023-08-02 22:39

DIEN:Deep Interest Evolution Network for Click-Through Rate Prediction论文笔记

DeepInterestEvolutionNetworkforClick-ThroughRatePrediction论文地址:DeepInterestEvolutionNetworkforClick-ThroughRatePrediction摘要点击率预估的目标是评估用户点击的可能性，这是广告系统的核心之一。对于CTR预估模型，需要捕捉用户行为数据背后的用户兴趣。另外，考虑到外部环境和内部感知

爿臣戈王耑·2023-08-02 13:34

[论文笔记] chatgpt系列 2.6 DeepSpeed-chat 数据集

一、FT数据集&Rewardmodel数据集Deepspeed-chat源代码的数据集：Dahoas/rm-static:这是一个用于强化学习的静态环境数据集，包含了一个机器人在一个固定环境中的运动轨迹。该数据集旨在用于评估强化学习算法在静态环境下的表现。Dahoas/full-hh-rlhf:这是一个用于深度强化学习的数据集，包含了一个机器人在一个动态环境中的运动轨迹。该数据集旨在用于评估深度强

心心喵·2023-08-02 08:05

【论文笔记】RCM-Fusion: Radar-Camera Multi-Level Fusion for 3D Object Detection

原文链接：https://arxiv.org/abs/2307.102491.引言目前的一些雷达-相机融合3D目标检测方法进行实例级的融合，从相机图像生成3D提案，并与雷达点云相关联以修正提案。但这种方法没有在最初阶段使用雷达，依赖于相机3D检测器；且融合发生在图像视图，多模态数据关联可能因为雷达点云的高度模糊性而不精确。本文提出雷达-相机多级融合（RCM-Fusion）方法，在BEV融合

byzy·2023-08-01 15:01

论文笔记之Deep Interest Evolution Network for Click-Through Rate Prediction

DeepInterestEvolutionNetworkforClick-ThroughRatePrediction目标：CTR预估文中指出以前的模型忽略了用户行为背后真实的用户兴趣，并且用户的兴趣是在不断进化的，捕捉兴趣的动态变化对于兴趣表达非常重要。本文提出了DeepInterestEvolutionNetwork(DIEN)模型，DIEN的两大核心模块为：•从用户的行为中抽取隐含的时序兴趣。

小弦弦喵喵喵·2023-08-01 09:51

【计算机视觉|人脸建模】SOFA：基于风格、由单一示例的2D关键点驱动的3D面部动画

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：SOFA:Style-basedOne-shot3DFacialAnimationDrivenby2Dlandmarks链接：SOFA:Style-basedOne-shot3DFacialAnimationDrivenby2Dlandmarks

远哥挺乐·2023-08-01 09:55

论文笔记 | NIPS2017 | LightGBM: A Highly Efficient Gradient Boosting Decision Tree

lightgbm-title.jpg论文地址：https://papers.nips.cc/paper/6907-lightgbm-a-highly-efficient-gradient-boosting-decision-tree官方代码：https://github.com/microsoft/LightGBM一为什么读这篇搜索这边大量用到了lightGBM，最近做的实验也是基于lightGB

ktulu7·2023-07-31 22:44

【计算机视觉|人脸建模】3D人脸重建基础知识（入门）

本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处一、三维重建基础三维重建（3DReconstruction）是指根据单视图或者多视图的图像重建三维信息的过程。

远哥挺乐·2023-07-31 19:31

论文笔记：Adjusting for Autocorrelated Errors in Neural Networks for Time Series

2021NIPS原来的时间序列预测任务是根据预测论文提出用一阶自回归误差预测一阶差分，类似于ResNet的残差思路？记为pred，最终的预测结果

UQI-LIUWJ·2023-07-31 14:00

【论文笔记】神经网络压缩调研

神经网络压缩调研背景现有的深度模型压缩方法NetWorkPrunning网络剪枝设计结构化矩阵知识蒸馏权值共享ParameterQuantization（参数量化）量化和二进制化伪量化ArchitectureDesign（DepthSeparableConvolution）分解卷积背景小模型，参数少，容易将ML模型部署在资源有限的设备上，但是直接训练一个好的小网络比较困难现有的深度模型压缩方法基

MoonpieXia·2023-07-31 05:25

论文笔记：COST: CONTRASTIVE LEARNING OF DISENTANGLEDSEASONAL-TREND REPRESENTATIONS FORTIME SERIES FOREC

ICLR20221前言介绍表征学习（对比学习）+时间序列预测首先学习时间序列解耦的representation然后进行回归任务的精调对比学习CoST包含时域和频域的contrastiveloss——>学习趋势和周期性representation传统的时间序列预测模型将特征表示学习和预测任务放在一块迭代很多非线性层来同时进行特征提取和预测回归任务但这样的方式可能会导致模型过拟合，提取到数据中多余的噪

UQI-LIUWJ·2023-07-30 23:44

强化学习 GAE算法：HIGH-DIMENSIONAL CONTINUOUS CONTROL USINGGENERALIZED ADVANTAGE ESTIMATION》论文笔记

文章目录1.简介2.准备知识3.优势函数估计4.用Rewardshaping来解释5.价值函数估计参考资料1.简介论文《HIGH-DIMENSIONALCONTINUOUSCONTROLUSINGGENERALIZEDADVANTAGEESTIMATION》是策略梯度算法中常用的优势估计算法GAE对应的论文，OpenAISpinningUp教程推荐读一读这篇论文。论文摘要翻译：策略梯度方法在强化学

beingstrong·2023-07-30 11:27

论文笔记——Influence Maximization in Undirected Networks

InfluenceMaximizationinUndirectedNetworksContributionMotivationPreliminariesNotationsMainresultsReductiontoBalancedOptimalInstancesProvingTheorem3.1forBalancedOptimalInstancesContribution好久没发paper笔记了，

7:45am·2023-07-30 10:34

数据挖掘引论

数据挖掘引论一.数据挖掘(KDD)的基本过程数据清理（消除噪声和删除不一致数据）数据集成（多种数据源可以组合在一起）数据选择（从数据库中提取与分析任务相关的数据）数据变换（通过汇总或聚集操作，把数据变换和统一成合适挖掘的形式

养猫的小新·2023-07-29 21:49

《STN：Spatial Transformer Networks》论文笔记

1.概述由于CNN网络在计算量和参数有效性上的原因，限制了网络对输入数据的空间变换不变性。因此本文提出了一种新的网络模型——SpatialTransformer，它使得可以在网络内部操作和变换数据。并且可以集成到现有的网络中去，使得神经网络在特征图的基础上，在空间上主动变换特征图，而不需要对优化过程进行任何额外的训练监督或修改。结果表明，空间变换的使用使模型学习到平移、缩放、旋转和更一般的扭曲等不

m_buddy·2023-07-29 12:54

谷歌B4广域网论文笔记

谷歌B4广域网论文之读后感一、摘要：随着互联网数据信息的超线性增长，即使像谷歌这种富可敌国的巨头公司也不得不考虑不断盲目扩容网络带来的巨额成本，这是因为传统的骨干网络链路带宽利用率只有30%~40%，为了保证较好的QOS和用户上网体验，就需要不断扩容网络以保证低负载，专业链路、大型高端服务器这些设备的高额成本促使谷歌开始考虑突破传统网络体系架构的束缚。此外，传统的TCP/IP网络体系只能尽最大努力

再见饭特稀·2023-07-28 14:26

论文笔记（1）

《问答系统研究综述》毛先领+,李晓明北京大学信息科学技术学院,北京1008712012年的论文一、问答系统的分类问答系统包括三个主要部分：问题分析，信息检索和答案抽取。-从问题来划分：限定领域的问答系统、开放领域的问答系统-从数据来来划分：处理结构数据（半结构数据）的问答系统、处理无结构数据的问答系统-从答案纬度来划分：抽取式问答系统、产生式问答系统二、基于结构化的问答系统其主要思想就是把问题转化

一生太久只争朝夕·2023-07-28 09:30

论文笔记--GloVe: Global Vectors for Word Representation

论文笔记--GloVe:GlobalVectorsforWordRepresentation1.文章简介2.文章概括3文章重点技术3.1两种常用的单词向量训练方法3.2GloVe3.3模型的复杂度4.文章亮点

Isawany·2023-07-28 09:44

论文笔记--FEDERATED LEARNING: STRATEGIES FOR IMPROVING COMMUNICATION EFFICIENCY

论文笔记--FEDERATEDLEARNING:STRATEGIESFORIMPROVINGCOMMUNICATIONEFFICIENCY1.文章简介2.文章概括3文章重点技术3.1联邦学习(federatedlearning

Isawany·2023-07-28 09:43

论文笔记：Fine-Grained Urban Flow Prediction

2021WWW1intro细粒度城市流量预测两个挑战细粒度数据中观察到的网格间的转移动态使得预测变得更加复杂需要在全局范围内捕获网格单元之间的空间依赖性单独学习外部因素（例如天气、POI、路段信息等）对大量网格单元的影响非常具有挑战性——>论文提出了时空关系网（STRN）来预测细粒度的城市流量骨干网络用于学习每个网格单元的高级表示全局关系模块（GloNet）捕获全局空间依赖性元学习器将外部因素和土

UQI-LIUWJ·2023-07-28 09:10

[论文笔记]DeepFool: a simple and accurate method to fool deep neural networks

题目：DeepFool:asimpleandaccuratemethodtofooldeepneuralnetworks地址：https://arxiv.org/abs/1511.04599代码：https://github.com/lts4/deepfoolDeepFoolDeepFoolforbinaryclassifiersDeepFoolformulticlassclassifiers参考

wangxiaoguang·2023-07-27 08:16

[论文笔记] CLRerNet: Improving Confidence of Lane Detection with LaneIoU

Honda,Hiroto,andYusukeUchida.“CLRerNet:ImprovingConfidenceofLaneDetectionwithLaneIoU.”arXivpreprintarXiv:2305.08366(2023).2023.05出的一篇车道线检测的文章,效果在CULane,CurveLanesSOTA文章目录简介LaneIoULineIoU存在问题为什么使用LaneI

zhwangye·2023-07-27 08:49

论文笔记|AAAI2023：ESPT: A Self-Supervised Episodic Spatial Pretext Task for Improving Few-Shot Learning

这篇论文的题目是ESPT:ASelf-SupervisedEpisodicSpatialPretextTaskforImprovingFew-ShotLearning，提出了用于改善小样本学习的自监督episodic空间代理任务论文接收：AAAI2023论文地址：https://arxiv.org/abs/2304.13287代码地址：https://github.com/Whut-YiRong/

李问号·2023-07-27 07:20

论文笔记|CVPR2023:Supervised Masked Knowledge Distillation for Few-Shot Transformers

这篇论文的题目是用于小样本Transformers的监督遮掩知识蒸馏论文接收：CVPR2023论文地址：https://arxiv.org/pdf/2303.15466.pdf代码链接：https://github.com/HL-hanlin/SMKD1Motivation1.ViT在小样本学习（只有少量标记数据的小型数据集）中往往会过拟合，并且由于缺乏归纳偏置而导致性能较差；2.目前很多方法使用

李问号·2023-07-27 07:50

论文笔记--Skip-Thought Vectors

论文笔记--Skip-ThoughtVectors1.文章简介2.文章概括3文章重点技术3.1SkipThoughtVectors3.2词表拓展4.文章亮点5.原文传送门6.References1.文章简介标题

Isawany·2023-07-26 05:28

论文笔记-Learning Transferable Visual Models From Natural Language Supervision(CLIP)

论文地址：https://arxiv.org/abs/2103.00020博客：https://openai.com/blog/clip/代码：https://github.com/OpenAI/CLIP论文精读：https://www.bilibili.com/video/BV1SL4y1s7LQ?share_source=copy_webOpenAI提出的CLIP方法很简单，效果却很好，预训练

升不上三段的大鱼·2023-07-25 21:31

Matching the Blanks: Distributional Similarity for Relation Learning论文笔记

动机本文主要在于设计一个通用的关系抽取器，即学到一个合适的关系的表达，可以对任意关系建模。之前的工作，如利用SurfaceForm来表示关系，或者借助知识库中关系的定义，但这两类方案都需要事先定义好关系，泛化能力较弱。本文受到word2vec中的分布式假设（Harris’distributionalhypothesis）的启发，想利用上下文将关系编码成一个固定长度的向量。这就将关系抽取的问题，转变

有莘不殁·2023-07-25 19:50

[论文笔记] LLM数据集——金融数据集

一、chatglm_金融ModelScope魔搭社区请将modelscopesdk升级到v1.7.2rc0，执行：pip3install"modelscope==1.7.2rc0"-f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html#方式1gitclonehttp://www.modelscope.cn/data

心心喵·2023-07-25 16:01

[论文笔记] chatgpt系列 2.3 DeepSpeed-chat SFT训练

accelerate+deepspeed多机多卡训练的两种方法-知乎单节点训练：#Moveintothefirststepofthepipelinecdtraining/step1_supervised_finetuning/#Runthetrainingscriptbashtraining_scripts/single_gpu/run_1.3b.sh＃Evaluatethemodelbashev

心心喵·2023-07-25 16:31

论文笔记--Knowledgeable Prompt-tuning: Incorporating Knowledge into Prompt Verbalizer for Text Classific

论文笔记--KnowledgeablePrompt-tuning:IncorporatingKnowledgeintoPromptVerbalizerforTextClassification1.文章简介

Isawany·2023-07-25 15:15

论文笔记--Distilling the Knowledge in a Neural Network

论文笔记--DistillingtheKnowledgeinaNeuralNetwork1.文章简介2.文章概括3文章重点技术3.1SoftTarget3.2蒸馏Distillation4.文章亮点5.

Isawany·2023-07-25 15:43

推荐频道

kdd论文笔记