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-Graph Unet-2019 论文精读-Graph Unet-2019
提出了新的一种pooling操作--gPool（有其他文章称为TopKpool）和unpooling操作--gUnpool，配合改进的GCN，在graph上构建了U-net框架进行feature extraction。
2020-09-01 Paper-Method
Deep Learning Unsupervised Learning Graph Neural Networks Pooling
文献精读-DiffPool-2018 文献精读-DiffPool-2018
本研究提出了一种在Graph上进行pooling的算法，以配合GNN进行使用，其使用的是软阈值分配。
2020-09-01 Paper-Method
Deep Learning Graph Neural Networks Pooling
论文精读-conditional pixelCNN-2016 论文精读-conditional pixelCNN-2016
基于pixelCNN架构的自回归模型
2020-08-26 Paper-Method
Deep Learning Unsupervised Learning Autoregressive
论文精读-MADE-2015 论文精读-MADE-2015
基于mask的深度自回归算法用于进行概率密度估计。
2020-07-28 Paper-Method
Deep Learning Unsupervised Learning Autoregressive
论文精读-CMPNN-2020 论文精读-CMPNN-2020
本研究通过增强edge和node间的特征交互，提出了一种改进模型，进行分子化学性质的预测。
2020-07-26 Paper-Method
Deep Learning Graph Neural Networks Molecular Graphs
论文精读-pointNet++-2017 论文精读-pointNet++-2017
PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space 杂志: NIPS2017 IF: None 分区: None github 作
2020-07-12 Paper-Method
Deep Learning Point Cloud
论文精读-pointNet-2017 论文精读-pointNet-2017
一个end-to-end的点云预测和分割框架，简单但开启了一个全新的点云建模的分支。
2020-06-20 Paper-Method
Deep Learning Point Cloud
论文精读-深度连续卷积神经网络-2018 论文精读-深度连续卷积神经网络-2018
此文章提出了一种新的深度学习框架-parametric continuous CNN，其可以应用连续的卷积操作到non-grid的数据上，而且有在点云分割、运动预测的任务上得到了非常好的结果，该工作发表在CVPR上。
2020-06-16 Paper-Method
Deep Learning Point Cloud Convolutional Neural Networks
论文精读-VAE-2013 论文精读-VAE-2013
对变分自编码器（VAE）原论文的阅读。本文提出了一种新的技术，可以非常有效率地建模带有连续隐变量的数据。即特定是使用了神经网络来参数化后验分布和似然函数，并提出了重参数化的技巧来配合Monte Carlo梯度估计，从而可以使用SGD对上述模型进行训练。从另一个角度，其将自编码器和概率模型结合在一起，探索了一种新的自编码器框架。
2020-05-27 Paper-Method
Unsupervised Learning Variational Inference Deep Leanring
2 / 2