neural 第89页

循环神经网络(RNN)——1

循环神经网络（RecurrentNeuralN

大源阿良·2022-12-11 22:12

Neural ODE introduction

NeuralODE和Resnet有很多类似之处，两者的表达式非常相似，首先看一下resnet的表达式：ht+1=ht+f(ht,θt)h_{t+1}=h_{t}+f(h_{t},\theta_{t})ht

xiaobin199cs·2022-12-11 22:40

【理论知识】实际部署中 onnx的简单理解

1.定义及概述OpenNeuralNetworkExchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。

qqsuiying·2022-12-11 21:52

CMT: Convolutional Neural Networks Meet Vision Transformers,CIFAR100数据集复现

CMT:ConvolutionalNeuralNetworksMeetVisionTransformers论文地址：https://arxiv.org/abs/2107.06263复现设备：单卡V10032G

伊昂杨·2022-12-11 20:47

《动手学深度学习》-学习笔记task5

特征图与感受野1.2.4填充与步幅填充步幅1.2.5多输入通道和多输出通道多输入通道多输出通道1x1卷积层1.3卷积层与全连接层的对比1.4池化二维池化层2.Lenet2.1ConvolutionalNeuralNetworks2.2LeN

紫砂痕·2022-12-11 19:26

Relational Graph Neural Network with Hierarchical Attention for Knowledge Graph Completion

RelationalGraphNeuralNetworkwithHierarchicalAttentionforKnowledgeGraphCompletion原文下载AAAI2020摘要{\color

小白一枚~·2022-12-11 18:47

【论文笔记】KDD18 PinSage A new graph convolutional neural network for web-scale recommender systems

overview论文地址，含oral视频Pinterest官方的博客pinsage又是JureLeskovec组的一篇有影响力的工作，该工作被认为是第一个用于工业界GNN推荐系统。该论文学术上的创新较少，模型基本都来源于GraphSage和Pixie这两篇。目前pinSage只有DGL官方的一个实现版本。核心的模型是基于随机游走采样的graphSage。其目的主要是去生成embedding，而不是

qq_38420683·2022-12-11 18:14

KDD2021《TDGIA: Effective Injection Attacks on Graph Neural Networks》论文详解

原文链接：https://arxiv.org/pdf/2106.06663.pdfevasionattack1&2Abstract&Introduction本文作者分析了图注入攻击（GraphInjectionAttack，GIA）设置下的GNN网络的拓扑脆弱性（topologicalvulnerability），在此基础上提出了拓扑缺陷图注入攻击（TopologicalDefectiveGrap

Anonymous-·2022-12-11 18:08

（KDD2020）论文笔记---------XGNN: Towards Model-Level Explanations of Graph Neural Networks

论文链接：XGNN：TowardsModel-LevelExplanationsofGraphNeuralNetworksAbstract图神经网络通过聚合邻居节点的信息来学习节点特征，虽然在许多图任务上取得了较大的成功

Laiguibing521·2022-12-11 18:37

李宏毅深度学课程学习笔记（零）Deep Learning 简介

第0课BriefIntroductionofDeepLearning对于deeplearning的实现主要就是三个Step，首先是第一个StepStep1NeuralNetwork(defineasetoffunction

ReoZhang·2022-12-11 18:27

台大李宏毅老师——深度学习课程笔记五（Deep Learning BackPropagation)

文章目录IntroductionNeuralNetworkBackpropagationIntroductionDeepLearning的神经网络就是一个functionNeuralNetwork现在用的激活函数已经是

大叔爱学习.·2022-12-11 18:52

李宏毅深度学习笔记07（Brief Introduction of Deep Learning)

的过程依旧是机器学习的三个过程：step1:defineasetoffunction;step2:goodnessoffunction;step3:pickthebestfunction.只不过step1用到neuralnetwork

稀里糊涂的小楠～·2022-12-11 17:11

阿里妈妈技术团队3篇论文入选 NeurIPS 2022

近日，第36届神经信息处理系统大会(NeuralInformationProcessingSystems，NeurIPS2022)论文接收结果公布，阿里妈妈技术团队有3篇论文被录用。

阿里妈妈技术·2022-12-11 16:50

吴恩达Coursera深度学习课程 course2-week2 优化方法作业

P0前言第二门课:ImprovingDeepNeuralNetworks:Hyperparameterturing,RegularizationandOptimization(改善深层神经网络：超参数调试

ASR_THU·2022-12-11 14:25

cnn图像分类_使用cnn进行图像分类

PyTorchonCIFAR10CIFAR10上的PyTorchInmypreviouspostswehavegonethrough在我以前的帖子中，我们已经看过DeepLearning—ArtificialNeuralNetwork

weixin_26750481·2022-12-11 12:25

Rnn Lstm Gru Sru学习小结

1.RnnRnn的详细介绍可以参考深度学习之RNN(循环神经网络)零基础入门深度学习(5)-循环神经网络详解循环神经网络(RecurrentNeuralNetwork)基本原理和算法可以参考下图：这里表示的是一个

zxros10·2022-12-11 12:12

【热成像超分辨率】Channel Split Convolutional Neural Network (ChaSNet) for Thermal Image Super-Resolution

要点1本文为了解决深度结构用于热成像图像的超分辨时因为结构复杂提取到的特征比较冗余的问题。本文提出一个ChannelSplit卷积网络来减少网络中出现的冗余的特征。Channelsplit能够从低分辨图像中提取非常有用的特征，它可以帮助保护恢复的SR图像中的高频细节。要点2本文主要贡献：（1）提出ChasNet，有效提高Thermal图像的超分结果。（2）使用通道注意力，采用平均值和标准差池化提取

几维wk·2022-12-11 11:38

【热成像超分辨率】略读Thermal Image Super-resolution: A Novel Architecture and Dataset

要点2之前的工作：《Thermalimagesuperresolutionthroughdeepconvolutionalneuralnetwo

几维wk·2022-12-11 11:37

《自然》:深度学习超分辨显微成像方法

清华大学脑与认知科学研究院戴琼海课题组与中国科学院生物物理所李栋课题组在《自然•方法》（NatureMethods）杂志发表了题为光学显微成像中超分辨卷积神经网络的测评和发展（Evaluationanddevelopmentofdeepneuralnetworksforimagesuper-res

人工智能学家·2022-12-11 10:56

论文总结（1）：卷积神经网络研究综述（Review of Convolutional Neural Network）— （周飞燕）

1.论文主干为：卷积神经网络的发展历史、神经元模型、多层感知机的结构、卷积神经网络的结构（卷积层、取样层、全连接层）、网中网结构、空间变换网络（改进的卷积神经网络）、卷积神经网络的监督学习、无监督学习训练方法、常用的开源工具。2.发展历史（人工神经网络）：MP模型（心理学家McCulloch，数理逻辑学家Pitts、1943年）>单层感知器模型（Rosenblatt、50年代末、60年代初）>反向

高高呀~·2022-12-11 10:08

卷积神经网络架构综述

ASurveyoftheRecentArchitecturesofDeepConvolutionalNeuralNetworks(arxiv.org)度卷积神经网络（CNN）是一种特殊类型的神经网络，在各种竞赛基准上表现出了当前最优结果

南妮儿·2022-12-11 10:07

Beyond neural scaling laws: beating power law scaling via data pruning

在这里，我们专注于误差随数据集大小的缩放，并展示了如何在理论和实践中突破幂律缩放并将其减少到指数缩放，而不是如果我们有机会获得高质量的数据修剪指标，该指标对应该丢弃训练示例以实现任何修剪数据集大小的顺序进行排序。然后，我们用修剪后的数据集大小经验地测试了这种新的指数缩放预测，并且确实观察到在CIFAR10、SVHN和ImageNet上训练的ResNets上比幂律缩放性能更好。鉴于寻找高质量修剪指标

你今天论文了吗·2022-12-11 09:29

神经辐射场NeRF

NeRF:RepresentingScenesasNeuralRadianceFieldsforNovelViewSynthesis文章目录NeRF:RepresentingScenesasNeuralRadianceFieldsforNovelViewSynthesisPipelineStepsVolumeRenderingOptimizationPositionalEncodingHierar

CofCai·2022-12-11 09:27

IBRNet: Learning Multi-View Image-Based Rendering学习基于多视图图像的渲染

LearningMulti-ViewImage-BasedRendering学习基于多视图图像的渲染Abstract1.Introduction2.RelatedworkImagebasedrenderingVolumetricRepresentationsNeuralscenerepresentations3

ysh9888·2022-12-11 09:20

IBRNet：基于IBR的NeRF

原始NeRF：IBRNet：密度和颜色的预测成果：Unlikeneuralscenerepresentationworkthatoptimizesp

CofCai·2022-12-11 09:11

随记（8）：CVPR2021关于Tracking的论文速读(2)-11篇

快放假了，心情顺畅，读论文也很“流畅”LearningDynamicsviaGraphNeuralNetworksforHumanPoseEstimationandTracking1.提出了一种新的在线学习姿态动力学的方法

是魏小白吗·2022-12-11 09:03

【GRU回归预测】基于卷积神经网络结合门控循环单元CNN-GRU实现数据多维输入单输出预测附matlab代码

matlab科研助手·2022-12-11 09:02

缺陷检测（一）-- 通过CNN方法实现布匹缺陷检测

参考论文：《Afastandrobustconvolutionalneuralnetwork-baseddefectdetectionmodelinproductqualitycontrol》–TianWang

DIAJEY·2022-12-11 08:06

构建RNN（Recurrent Neural Network）

目前RNN网络可以在深度学习框架下通过调用函数实现（比如：tf.nn.rnn_cell），但为了掌握更多RNN的细节，我们还是需要使用numpy来逐步实现。由于RNN网络具有“记忆力”，因此非常适合NLP和序列任务。RNN网络每次读取一个输入X(t)，输入信息从当前时间步传到下一步的过程中，网络隐含层的激活函数会“记住”一些信息或上下文内容。这种机制允许单向RNN从前面的输入中获取信息以处理后续输

冲动老少年·2022-12-11 07:51

使用人工神经网络预测股票价格

反向传播2.4深度学习3避免过拟合知识补充1本章内容介绍通过本章我们可以学习到：从浅层神经网络到深度学习概要激活函数Dropout和早停2从浅层神经网络到深度学习首先介绍人工神经网络，即artificialneuralne

jsBeSelf·2022-12-11 07:46

神经网络算法可以用来干什么

神经网络算法可以解决的问题有哪些人工神经网络（ArtificialNeuralNetworks，ANN）系统是20世纪40年代后出现的。

aifans_bert·2022-12-11 07:45

Physics-based Iterative Projection Complex Neural Network for Phase Retrievalin Lensless Microscopy

摘要从强度测量中提取相位在许多真实世界的成像任务中起着核心作用。近年来，基于深度神经网络的相位检索方法层出不穷，并显示出良好的性能。然而，它们的可解释性和泛化性仍然是一个主要的挑战。本文提出将基于模型的备选投影方法和深度神经网络的优点结合起来进行相位检索，从而同时实现网络的可解释性和推理有效性。具体地说，我们将备选投影相位检索的迭代过程展开为一个前馈神经网络，其层模拟处理流程。成像过程的物理模型自

Wanderer001·2022-12-11 05:42

论文阅读 Soft-Demapping for Short Reach Optical Communication: A Comparison of Deep Neural Networks and

这篇文章比较了相干系统中DNN和Volterra算法，系统主要损伤是器件非线性。摘要：在光纤通信系统中，光电器件都会引入非线性，因此需要有效方案对高速信号进行补偿，特别在短距通信中，器件是最大的非线性来源。Volterra是在接收端均衡器件非线性和缓解记忆效应的主流技术，但是Volterra非常复杂。这篇文章研究了软解码DNN，作为非线性均衡和软判决解映射的替代方法。在相干92Gbaud双偏振64

Zaгathustra·2022-12-11 05:10

各类注意力机制的介绍 (Intra & Inter & Soft & Hard & Global & Local Attention)

前言注意力机制最早出现于论文《NeuralMachineTranslationbyJointlyLearningtoAlignandTranslate》中。

夏树让·2022-12-11 03:43

NNDL 实验六卷积神经网络（1）卷积

二维卷积算子5.1.3二维卷积的参数量和计算量5.1.4感受野5.1.5卷积的变种5.1.6带步长和零填充的二维卷积算子5.1.7使用卷积运算完成图像边缘检测任务卷积神经网络（ConvolutionalNeuralNetwork

HBU_Hbdwhb·2022-12-11 01:15

love the future·2022-12-11 00:26

独家解读 | 基于优化的对抗攻击：CW攻击的原理详解与代码解读

论文标题：TowardsEvaluatingtheRobustnessofNeuralNetworks论文链接：https://arxiv.org/abs/1709.03842作者：孙裕道1.引言对抗攻击的方式主要分为三大类

人工智能前沿讲习·2022-12-11 00:26

【论文精读】AlexNet —— 解读《ImageNet Classification with Deep Convolutional Neural Networks》

《ImageNetClassificationwithDeepConvolutionalNeuralNetworks》在2012年发表，将深度卷积神经网络应用于物体识别（图片分类），引发广泛的学界关注并引领深度学习研究的浪潮

M号攻城狮·2022-12-10 21:10

架构垂直伸缩和水平伸缩区别_简单的可伸缩图神经网络

架构垂直伸缩和水平伸缩区别巨型图上的深度学习(Deeplearningongiantgraphs)TL;DR:Oneofthechallengesthathavesofarprecludedthewideadoptionofgraphneuralnetworksinindustrialapplicationsisthedifficultytoscalethemtolargegraphssuchas

weixin_26752765·2022-12-10 19:49

KDD2018《Adversarial Attacks on Neural Networks for Graph Data》论文详解

AdversarialAttacksonNeuralNetworksforGraphData论文链接：https://arxiv.org/pdf/1805.07984.pdfevasionattack&

Anonymous-·2022-12-10 19:42

POI推荐文献阅读笔记1：DeepMove:Predicting Human Mobility with AttentionalRecurrent Networks

唯有清风搭乘我·2022-12-10 16:32

（CNN）卷积神经网络原理详解，大白话讲解卷积

卷积神经网络CNN是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法之一，在自然语言处理和图像领域中有广泛的应用

CXY小嵩·2022-12-10 16:46

一篇博客详解朴素贝叶斯解分类问题

类别之间是独立的为什么不用回归解分类问题以概率的形式解分类问题抽盒机率→分类机率正态分布覆盖原理高斯分布函数极大似然估计求最优参数朴素贝叶斯法用同一个协方差三步骤模型的简化回归问题大概内容与之前的类似，步骤仍是三步：详见我的另一篇博客深度学习定义function或neuralnetwork

尘心平·2022-12-10 16:15

计算机视觉--回环检测篇01

对于单目SLAM系统使用监督和无监督深度神经网络的回环检测LoopclosuredetectionusingsupervisedandunsuperviseddeepneuralnetworksformonocularSLAMsystems

Math麦斯·2022-12-10 16:14

【步态识别】MT3D 算法学习《Gait Recognition with Multiple-Temporal-Scale 3D Convolutional Neural Network》

目录1.论文&代码源2.论文亮点3.模型结构3.1MT3D3.2局部变换模块（LocalTransform）3.3BasicBlock3D（B3D）3.4帧池化和特征映射（FramePoolingandFeatureMapping）3.4.1帧池化（FramePooling）3.4.2特征映射4.实验结果4.1CASIA-B4.2OU-ISIR4.3消融实验5.总结1.论文&代码源《GaitRec

一只菟葵·2022-12-10 16:34

【步态识别】多视角3D卷积网络的步态识别算法学习《MULTI-VIEW GAIT RECOGNITION USING 3D CONVOLUTIONAL NEURAL NETWORKS》

训练和测试4.实验结果4.1CMU4.2USF4.3CAISA-B5.总结0.知识补充0.1光流法1.论文&代码源《MULTI-VIEWGAITRECOGNITIONUSING3DCONVOLUTIONALNEURALNETWORKS