不只是学习
  文章分类
Tools 12 Method 1 Python 6 Paper-Method 21 Paper-Review 1 Paper 11 Method 5 Review 1 CCG 1
论文精读-Integrated Gradients-2017 论文精读-Integrated Gradients-2017
该研究受经济学中的研究启发，基于满足几条基本的性质来设计了一种深度学习模型的可解释性方法，拥有非常好的理论基础，并在多个模型上进行了实验。
2020-10-15 Paper-Method
Deep Learning Interpreting
论文精读-变分图自编码器-2016 论文精读-变分图自编码器-2016
本研究试图将VAE的框架融入到graph领域，从而进行节点特征的无监督学习。
2020-09-30 Paper-Method
Deep Learning Unsupervised Learning Graph Neural networks Variational Inferece
论文精读-VGCN-2019 论文精读-VGCN-2019
本研究利用变分推断的方法来将网络结构概率化，如果网络结构中存在大量的错误时其效果要好于传统的方法。
2020-09-25 Paper-Method
Deep Learning Graph Neural Networks Semi-Supervised Learning Variational Inference
论文精读-DeepGCNs-2019 论文精读-DeepGCNs-2019
探索通过加深GCNs的层数来得到更好的效果，使用的技术有residual links、dilation、dynamic kNN等，在点云分割任务上进行了验证。
2020-09-25 Paper-Method
Deep Learning Graph Neural Netowrks Point Cloud
论文精读-Point-GNN-2020 论文精读-Point-GNN-2020
本研究提出了一个基于GNNs的框架来完成点云数据的目标识别任务。
2020-09-22 Paper-Method
Deep Learning Point Cloud Graph Nueral Networks
论文精读-NICE-2014 论文精读-NICE-2014
本研究是flow model领域的一个重要时间点，通过精巧的设计，NICE成功解决了flow模型的两个痛点：雅克比行列式、逆映射的计算。之后基于此进一步改进的Glow更是在图像生成方面达到了和GAN一致的高度。
2020-09-10 Paper-Method
Unsupervised Learning Deep Leanring Flow Models
论文精读-Transformer-2017 论文精读-Transformer-2017
本研究提出了Transformer——一个输入序列、输出序列的encoder-decoder架构。其创新之处在于使用self-attention和point-wise来代替了传统的CNNs或RNNs来处理序列，提高了并行能力。
2020-09-08 Paper-Method
Deep Learning Attention Natural Language Processing
论文精读-DeepWalk-2014 论文精读-DeepWalk-2014
最早的基于随机游走的图嵌入算法，非常巧妙的思想。
2020-09-07 Paper-Method
Deep Learning Unsupervised Learning Graph Embedding
论文精读-HetSANN-2019 论文精读-HetSANN-2019
本研究通过对GAT模型的进一步细化和改进，提出了一种专门对异质图（拥有不同类型的节点和边）进行特征学习的图神经网络。
2020-09-05 Paper-Method
Deep Learning Graph Neural Networks
论文精读-ASAP-2020 论文精读-ASAP-2020
本研究提出了一种新的pooling算法，其相当于结合了DiffPool的assignment matrix思想和TopKPool、SAGPool的sparse特性，并且进行了相当的改进（M2T self-attention，LEConv）。
2020-09-02 Paper-Method
Deep Learning Graph Neural Networks Pooling
论文精读-EdgePool-2019 论文精读-EdgePool-2019
一种新的graph pooling方法，其不再将焦点放在node而是edge上，通过收缩edge来将两个nodes聚合从而完成graph的pooling。
2020-09-01 Paper-Method
Deep Learning Graph Neural Networks Pooling
论文精读-SAGpool-2019 论文精读-SAGpool-2019
本研究提出了一种新的graph pooling算法——SAGPool，可以同时考虑topology和feature的信息。具体来看，可以看做是对Graph U-Net中gPool算法的推广。在其实验中表现惊艳。
2020-09-01 Paper-Method
Deep Learning Graph Neural Networks Pooling
1 / 2