prediction 第9页

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions【ICCV2021】

openaccess.thecvf.com/content/ICCV2021/papers/Wang_Pyramid_Vision_Transformer_A_Versatile_Backbone_for_Dense_Prediction_Without_ICCV

Iron_lyk·2022-12-04 00:39

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

文章目录PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions一、FeaturePyramidforTransformer1.代码二、TransformerEncoder1.代码三、AblationStudy1.PyramidStructure2.Deepervs.Wider3.Computa

arranclo·2022-12-04 00:09

论文速读：《AN ACTOR-CRITIC ALGORITHM FOR SEQUENCE PREDICTION》

摘要我们提出了一种训练神经网络的方法，使用强化学习（RL）中的演员评论方法生成序列。当前的对数似然训练方法受到训练和测试模式之间差异的限制，因为模型必须以先前的猜测而不是地面真实标记为基础生成标记。我们通过引入一个经过训练来评估输出令牌价值的评论家网络来解决这个问题，给定了演员网络的策略。这导致训练过程更接近测试阶段，并允许我们直接优化任务特定分数，例如BLEU。至关重要的是，由于我们在监督学习环

aixi8904·2022-12-03 11:06

Depth Map Prediction from a Single Image using a Multi-Scale Deep Network

深度估计：获得d，d其实就代表着由3D物体投射而来的2D图像中每个像素点与相机的实际距离。目标：从单张图中找到深度相关性modelarchetecture结构：用了两簇深度网络，一个在整个图像上做粗糙的全局预测，而另一个在局部精细化这个预测输入：这两簇网络都用在原始输入上，粗糙尺度网络的输出接到精细化网络的第一层之后的特征层中。这样局部网络可以编辑全局预测来合并精细尺度细节。GlobalCoars

NortheastSouthwest·2022-12-03 08:35

TargetNet: Functional microRNA Target Prediction with Deep Neural Networks

出发点：MicroRNAs(miRNAs)通过与信使RNA(mRNA)的靶位点结合，在基因表达调控中发挥关键作用。因此识别miRNA的功能靶点至关重要，但是这个预测是一个巨大的挑战。以前的计算算法存在很大局限性，使用保守的候选目标位点（CTS）选择标准，主要侧重规范位点类型，依赖费力且耗时的人工特征提取，没有充分利用miRNA-CTS相互作用的基础信息。结果本文章，作者提出了一种新的基于深度学习的

泡面加蛋97·2022-12-03 03:13

Learning Attention-based Embeddings for Relation Prediction in Knowledge Graphs 阅读笔记

我的博客链接0.导读0.1文章是关于什么的？（what？）知识图谱，图神经网络，关系预测，链接预测，图注意力模型0.2要解决什么问题？（why？）基于CNN的嵌入模型独立的处理三元组，导致无法覆盖在三元组周围的本地邻居中固有隐含的复杂和隐藏信息。随着模型深度的增加，远方实体的贡献呈指数下降。0.3用什么方法解决？（how？）将不同的权重（注意力）分配给附近的节点，并通过迭代方式通过层传播注意力。提

NYSDY·2022-12-01 21:05

Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction【ECCV】

1.前言最近准备开始搞机器学习算法，加入到自己的研究课题中，因为行人预测传统模型建立比较困难，看到了一篇ECCV论文，采用了时空结构的Transformer,于是花了一周时间读了这篇论文跟代码的结构，基本理清了思路，原理跟代码的对应关系。Transformer来源于变形金刚，因为EnconderDeconder类似于变形金刚拆解跟组装.AttentionisAllyouneed!很帅2.论文框架3

RockWang.·2022-12-01 15:25

【ECCV2020】Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction

【ECCV2020】用于行人轨迹预测的时空图Transformer网络摘要了解人群运动动力学对于现实世界的应用至关重要，例如监控系统和自动驾驶。这是具有挑战性的，因为它需要对具有社会意识的人群空间交互和复杂的时间依赖性进行有效建模。我们认为注意力是轨迹预测的最重要因素。在本文中，我们提出了STAR，这是一个时空图tRans-former框架，它仅通过注意机制来处理轨迹预测。STAR通过TGConv

今天也是菜醒的一天·2022-12-01 15:25

STAR/star.py——【Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction】

Spatio-TemporalGraphTransformerNetworksforPedestrianTrajectoryPrediction代码梳理importcopy#导入拷贝库importnumpyasnp#导入数值计算库,以后调用采用np缩写importtorch#导入torch库包含一些常用的数据类型importtorch.nnasnn#导入torch中的网络层以后调用采用nn缩写,例

RockWang.·2022-12-01 15:24

[论文阅读]Motif Prediction with Graph Neural Networks, KDD, August 14-18, 2022

余漱·2022-12-01 12:39

【论文阅读004】：V-Fuzz: Vulnerability Prediction-Assisted Evolutionary Fuzzing for Binary Programs

论文基本情况：论文名：V-Fuzz:VulnerabilityPrediction-AssistedEvolutionaryFuzzingforBinaryPrograms作者：YuweiLi,ShoulingJi,ChenyangLyu,YuanChen,JianhaiChen,QinchenGu,Member,IEEE,ChunmingWu,andRaheemBeyah,SeniorMembe

Su-RE·2022-11-30 19:40

时空序列预测：SimVP: Simpler yet Better Video Prediction解读

github代码地址：GitHub-ryok/SimVP-Simpler-yet-Better-Video-Prediction文章地址：SimVP:SimplerYetBetterVideoPredicti

时间序列预测_涛·2022-11-30 14:21

【IJCAI2020-论文分享】Knowledge Hypergraphs Prediction Beyond Binary Relations（知识表示）

【IJCAI2020-论文分享】KnowledgeHypergraphsPredictionBeyondBinaryRelations（知识表示）目前基于嵌入的知识图谱的表示方式都默认所有的关系为二元关系，但是事实上以Freebase为例，有超过61%的关系是非二元关系。所以论文提出将知识图谱转化为知识超图并提出了HsimplE和Hype两种知识超图嵌入表示的方法。超图(Hypergraph)：就

Shmily~_~·2022-11-30 03:27

Knowledge Hypergraphs: Prediction Beyond Binary Relations[IJCAI-2020]

1.论文作者的目标是什么，或者也许已经实现了什么。Weaddressthequestionoflinkpredictioninknowledgehypergraphswhererelationsaredefinedonanynumberofentities.我们解决知识超图中的链接预测问题，其中关系定义在任意数量的实体上。Thecontributionsofthispaperare:(1)show

苏酥0909·2022-11-30 03:56

Dependency Parsing as MRC-based Span-Span Prediction

DependencyParsingasMRC-basedSpan-SpanPrediction任务介绍依存句法分析(dependencyparsing)研究句子中词与词之间的关系。依存关系由核心词（head）与依存词（dependent）表示，每个核心词对应其成分的中心（如名词之于名词短语，动词之于动词短语）。最常用的关系分为两大类：从句关系（clausalrelations）与修饰语关系（mod

刘皮狠·2022-11-30 00:47

Multi-Task Allocation in Mobile Crowd Sensing with Mobility Prediction

Title：Multi-TaskAllocationinMobileCrowdSensingwithMobilityPredictionSource：TMCAuthor：JinyiZhangandXinglinZhang1作者想解决什么问题？定义问题的性质（哪一类问题）：多任务分配问题问题（矛盾）的描述：预测用户的移动轨迹马尔科夫模型预测==【可以看一下】==不均匀泊松分布基于统计学模型存在的问题

Roxlu7·2022-11-29 23:52

论文笔记：AAAI 2020 Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction

1.前言论文链接：https://arxiv.org/pdf/1911.09419.pdfgithub：https://github.com/MIRALab-USTC/KGE-HAKEHAKE将实体映射到极坐标系中。HAKE受到这样一个事实的启发：极坐标系中的同心圆可以自然地反映层次结构。具体来说，径向坐标旨在对层次结构不同级别上的实体进行建模，半径较小的实体应该位于较高的级别；角坐标旨在区分层次

饮冰l·2022-11-29 13:36

Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读

LearningHierarchy-AwareKnowledgeGraphEmbeddingsforLinkPrediction摘要介绍模型moduluspart模数部分phasepart相位部分模数与相位的结合改进损失函数摘要知识图嵌入旨在将实体和关系表示为低维向量，已被证明是一种预测知识图中缺失链接的强大技术。现有的知识图谱嵌入模型主要侧重于对对称/反对称、反转和组合等关系模式进行建模。然而，

小高高不要bug·2022-11-29 13:02

HAKE笔记：Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction

原文：LearningHierarchy-AwareKnowledgeGraphEmbeddingsforLinkPrediction代码：https://github.com/MIRALab-USTC/KGE-HAKE0.前言1.作者试图解决什么问题？作者想在KGE中对语义层级（semantichierarchies）进行建模。2.这篇论文的关键元素是什么？语义层次（semantichierar

zzflybird·2022-11-29 13:30

论文阅读2 Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction

目录问题创新1、Introduction2、相关工作3、HAKE模型原文：[1911.09419]LearningHierarchy-AwareKnowledgeGraphEmbeddingsforLinkPrediction(arxiv.org)问题现有的知识图嵌入模型主要关注对称/反对称、反转和复合symmetry/antisymmetry,inversion,andcomposition等关

huihui冲啊·2022-11-29 13:58

文献阅读_Joint Prostate Cancer Detection and Gleason Score Prediction in mp-MRI via FocalNet

JointProstateCancerDetectionandGleasonScorePredictioninmp-MRIviaFocalNet0储备知识0.1Gleason分级0.1.1肿瘤组织的分化0.1.2Gleason分级与积分体系======文献阅读记录======AbstractI.INTRODUCTIONII.MATERIALSANDMETHODSA.MRIdataB.Whole-m

Jason_Lee_·2022-11-29 08:56

Shallow and Deep Convolutional Networks for Saliency Prediction

CVPR2016ShallowandDeepConvolutionalNetworksforSaliencyPredictionCNN网络用于显著性预测开源代码：https://github.com/imatge-upc/saliency-2016-cvpr本文针对显著性预测问题，提出了两个CNN网络，一个小的模型，一个较深的模型。视觉显著性指智能算法通过模拟人的视觉特点，标注出图片中的显著区域（

cv_family_z·2022-11-29 08:16

机器学习笔记之贝叶斯线性回归(三)预测任务推导过程

机器学习笔记之贝叶斯线性回归——预测任务推导过程引言回顾：贝叶斯线性回归——推断任务预测任务贝叶斯线性回归小结引言上一节介绍了贝叶斯线性回归推断任务的推导过程，本节将介绍预测任务(Prediction)

静静的喝酒·2022-11-28 18:45

论文阅读笔记——StereoNet: Guided Hierarchical Renement for Real-Time Edge-Aware Depth Prediction

引言：谷歌实时端到端双目系统深度学习网络双目匹配可以得到环境中的三维深度信息，进而为机器人，无人车，VR等现实场景下的应用提供有力信息，在对安全验证比较高的人脸支付领域，三维人脸验证也正在逐渐取代安全性较低的二维人脸验证。近年来，深度学习双目系统匹配已经取得了很不错的进展，很多先进的网络性能已经超过传统方法。然而，深度学习双目系统匹配仍然在实用方面面临很多问题，其中一个问题便是无法做到推断实时。这

www.flybird.xyz·2022-11-28 14:44

8.Deep Interest Evolution Network for Click-Through Rate Prediction论文详解

一、背景总述2017年6月阿里妈妈的精准定向检索及基础算法团队放出了论文DeepInterestNetwork(DIN)，用于解决电子商务的CTR预估，再次基础上，最近又放出了改进版本DeepInterestEvolutionNetwork(DIEN)，主要解决了以下两个问题：更加精确的刻画用户的长期兴趣和短期兴趣用户的兴趣是时刻变化的，需要更加准确的刻画用户兴趣的变化二、摘要点击率预估的目标是评

eligible-zzw·2022-11-28 13:43

Deep Match to Rank Model for Personalized Click-Through Rate Prediction

Abstract点击率（CTR）预测是推荐系统和许多其他应用领域的核心任务。对于CTR预测模型来说，个性化是提高性能和增强用户体验的关键。近年来，人们提出了几种模型来从隐含（implicitly）反映用户个性化偏好的用户行为数据中提取用户兴趣。然而，现有的CTR预测研究主要集中在用户表示（userrepresentation）上，而较少关注用户与项目之间的相关性，这直接衡量了用户对目标项目的偏好程

Jqosieeee·2022-11-28 13:00

读论文：DNN-Based Prediction Model for Spatio-Temporal Data

标题:基于DNN的时空数据预测模型作者:JunboZhang,YuZheng,DekangQi,RuiyuanLi,XiuwenYi文章目录==Abstract====Introduction====贡献====综述==一、系统1.1系统框架1.2系统演示二、模型2.1ST预测问题的表述2.2DeepST三、评估3.1多样的ST应用3.2多步超前预测3.3数据越多越好？==总结====未来展望==

a44267113·2022-11-28 04:36

读论文：Self-Attention ConvLSTM for Spatiotemporal Prediction

标题:用于时空预测的自注意卷积作者:ZhihuiLin,MaomaoLi,ZhuobinZheng,YangyangCheng,ChunYuan.文章目录==Abstract====Introduction==一、介绍==综述==二、相关工作三、方法3.1基本模型3.2Self-Attention记忆模块3.3自注意卷积LSTM四、实验4.1实现4.2数据集4.3消融实验4.4定量与定性比较4.5

a44267113·2022-11-28 04:35

python ARIMA时间序列分析之forecast 、predict and get_prediction

ARIMAforecast、predictandget_prediction被forecast与predict困扰一段时间，网络上众说纷纭。

ITLiu_JH·2022-11-27 14:53

论文笔记｜UniKeyphrase: A Unified Extraction and Generation Framework for Keyphrase Prediction

导读这是一篇发表在ACL2021上的一篇文章，作者来自腾讯AILab和北京邮电大学。本文主要的研究问题是，在关键词预测任务中，将已现关键词的提取（PresentKeyphraseExtraction,PKE）和未现关键词的生成(AKG,AbsentKeyphraseGeneration)相结合，完成更加全面的关键词预测任务。本文的主要的贡献在于（1）提出了一个端到端的结合PKE和AKG的模型；（2

yanyc428·2022-11-27 11:23

CIKM 2020：Deep Time-Aware Item Evolution Network for Click-Through Rate Prediction（时间感知的深度物品演化网络）

0.摘要为了提高用户满意度和业务效率，点击率预测是电子商务中最重要的任务之一。通常情况下，用户的兴趣可能不同于他们过去的习惯或者印象，如促销项目，可能在很短的时间内爆发。本质上，这种变化与项目进化问题有关，这是以前的研究没有研究过的。顺序推荐中最先进的方法使用简单的用户行为，不能充分模拟这些变化。这是因为，在用户行为中，过时的兴趣可能存在，并且一个项目随着时间的推移的流行程度没有得到很好的表示。为

fond_dependent·2022-11-27 10:01

顶会论文笔记：联邦学习——ATPFL: Automatic Trajectory Prediction Model Design under Federated Learning Framework

ATPFL:AutomaticTrajectoryPredictionModelDesignunderFederatedLearningFramework文章目录ATPFL:AutomaticTrajectoryPredictionModelDesignunderFederatedLearningFramework论文结构一、摘要核心二、Introduction1.问题：TP数据孤岛2.解决方式3

liuzeyao_Newton·2022-11-27 09:03

【推荐算法代码实现】Deep Interest Network for Click-Through Rate Prediction代码实现和解读

CC‘s World·2022-11-27 05:21

【论文阅读】Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction

《LearningHierarchy-AwareKnowledgeGraphEmbeddingsforLinkPrediction》论文来源：EMNLP2020论文链接：https://arxiv.org/abs/1911.09419论文代码：GitHub-MIRALab-USTC/KGE-HAKE:ThecodeofpaperLearningHierarchy-AwareKnowledgeGra

天才少女101·2022-11-27 02:41

论文笔记 ACL 2021|Document-level Event Extraction via Parallel Prediction Networks

文章目录1简介1.1创新2方法3实验1简介论文题目：Document-levelEventExtractionviaParallelPredictionNetworks论文来源：ACL2021论文链接：https://aclanthology.org/2021.acl-long.492.pdf代码链接：https://github.com/HangYang-NLP/DE-PPN非官方代码：http

hlee-top·2022-11-27 00:49

Document-level Event Extraction via Parallel Prediction Networks论文解读

Document-levelEventExtractionviaParallelPredictionNetworkspaper：Document-levelEventExtractionviaParallelPredictionNetworks-ACLAnthologycode：HangYang-NLP/DE-PPN(github.com)期刊/会议：ACL2021摘要当在整个文档中描述事件时，文

Trouble..·2022-11-27 00:44

[目标检测知识蒸馏3] [AAAI22] Knowledge Distillation for Object Detection via Rank Mimicking and Prediction

[AAAI22]KnowledgeDistillationforObjectDetectionviaRankMimickingandPrediction-guidedFeatureImitationMotivation导致Student网络性能差的两个原因：候选框bbox差别很大：如图所示，对于简单的目标(图a)，两个模型的最终留下的bbox是由同一个anchor回归的(对于anchor-free

Junjian Zhang·2022-11-26 21:29

城区导航智能驾驶难在哪？写在小鹏/华为-极狐NOA释放之时

4-1HD—MAP4-2Perception4-3Prediction4-4交互式预测/社会化博弈五、与各家已经释放的高速导航智能驾驶相比，城区导航智能驾驶的系

yessunday·2022-11-26 16:10

论文浅尝 | Explainable Link Prediction in Knowledge Hypergraphs

笔记整理：陈子睿，天津大学硕士论文链接：https://dl.acm.org/doi/10.1145/3511808.3557316动机知识超图链接预测已被认为是各种知识使能下游应用的关键问题。然而，大多数现有方法主要以黑盒方式执行链接预测，它们学习实体关系的低维嵌入进行推理，无法提供人类用户可理解的解释。本文提出了HyperMLN，一个多元、混合、可解释的框架，它用一阶谓词逻辑解释路径推理过程，

开放知识图谱·2022-11-26 11:31

MPViT : Multi-Path Vision Transformer for Dense Prediction详解

MPViT:Multi-PathVisionTransformerforDensePrediction论文地址:https://arxiv.org/pdf/2112.11010.pdf1.Abstract密集的计算机视觉任务，如目标检测和分割，需要有效的多尺度特征表示，以检测或分类不同大小的物体或区域。ViTs构建了一个简单的多阶段结构（即精细到粗糙），用于使用单尺度patch的多尺度表示。而作者

樱花的浪漫·2022-11-26 09:08

解决AttributeError: ‘Sequential‘ object has no attribute ‘predict_classes‘

Sequential的网络架构中并没有predict_classes方法解决虽然没有给出predict_classes方法，但在Sequential中有predict方法，我们可以得到对于不同类别分类的概率prediction

如风的少年-·2022-11-26 08:27

PVT(Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions)

1.网络框图1.输入一张H×W×3H\timesW\times3H×W×3的图片，经过一个PatchEmbeeding将其分割成HW42\frac{HW}{4^2}42HWpatches,每一个Patch大小是4×4×34\times4\times34×4×3,经过一个LinearProjection得到embeedingpatches：H×W42×C1\frac{H\timesW}{4^2}\t

GY-赵·2022-11-26 07:44

[WSDM 2022]An Effective Graph Learning based Approach for Temporal Link Prediction The First Place o.

[WSDM2022]AnEffectiveGraphLearningbasedApproachforTemporalLinkPrediction:TheFirstPlaceofWSDMCup2022总结传统模型+拓扑结构中生成更多的特征实现拟合，并没有对时间间隔进行优化介绍这是WSDM在2022举办的竞赛，要求是预测时序图中一定时间窗口内的边。这篇是获得第一名的蚂蚁集团的算法论文。数据集比赛中会为

yujianke100·2022-11-26 04:28

Paper reading (四十七)：A reliable method for colorectal cancer prediction based on FS and SVM

论文题目：Areliablemethodforcolorectalcancerpredictionbasedonfeatureselectionandsupportvectormachinescholar引用：2页数：12发表时间：2018.11发表刊物：Medical&BiologicalEngineering&Computing作者：DandanZhao,HongLiu,...,ChenLyu

wxw060709·2022-11-26 02:41

用Python实现机器学习：随机森林（接上篇）

使用fit()来估计上篇代码里生成的实例model，model.fit(X_train,y_train)使用model的oob_prediction属性，可得到袋外预测值（out-of-bagprediction

suomi2022·2022-11-26 02:09

贝叶斯回归

具体来说，贝叶斯回归有两大任务，参数估计(Inference)和预测(Prediction)，接下来我们就来仔细分析一下贝叶斯回归的具体做法。

lzk_nus·2022-11-25 15:26

torch笔记

回归预测层不用激活函数损失函数：1回归用MSE2多分类用交叉熵crossEntropyLoss()输出是每个类型的概率,和标签误差,最后nn输出用prediction=F.softmax(out)转换成概率

kyanbooon·2022-11-25 12:55

YOLOX：SimOTA算法细节

计算prediction-gt对的匹配度，即这个对(pair

Taylor不想被展开·2022-11-25 00:48

Dual Contrastive Prediction for Incomplete Multi-view Representation Learning个人学习2

目的：解决不完全多视图表示学习中的两个问题1）如何学习统一不同视图的一致表示（Autoencoder网络实现）2）如何恢复丢失的视图（Prediction网络实现）具体做法：两种网络，四个损失函数网络：

double_yellow·2022-11-24 18:49

【论文笔记】Privacy Prediction of Lightweight Convolutional Neural Network

摘要基于云的深度学习的日益普及引发了关于准确预测和数据隐私的问题。以前的研究已经实现了简单神经网络的隐私预测。由于更复杂的神经网络需要更多的计算开销，现有的隐私预测方案效率低下。为了解决上述问题，本文介绍了一种可应用于加密数据的轻量级卷积神经网络（CNN）的隐私预测方法。首先，在不影响原有精度的情况下，将复杂的CNN剪裁成轻量级网络，可以高效地实现安全预测。其次，采用FV同态加密方案对用户的敏感数

Super—Shine·2022-11-24 15:59

推荐频道

prediction