机器学习杂货铺1号店

在图卷积网络中的可导池化操作 FesianXu 20210627 at Baidu search team 前言我们在之前的博文[1,2,3]中初步讨论过图卷积网络的推导和信息传递的本质等，本文继续讨论在图卷积网络中的可导池化操作。如有谬误请联系指出，本文遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明并且联系笔者，谢谢。∇\nabla∇ 联系方式：e-mail: FesianXu@gmail.comgithub: https://github.co...

Shift-GCN网络论文笔记 FesianXu 20201105 at UESTC前言近日笔者在阅读Shift-GCN[2]的文献，Shift-GCN是在传统的GCN的基础上，用Shift卷积算子[1]取代传统卷积算子而诞生出来的，可以用更少的参数量和计算量达到更好的模型性能，笔者感觉蛮有意思的，特在此笔记。如有谬误请联系指出，转载请联系作者并注明出处，谢谢。∇\nabla∇ 联系方式：e-mail: FesianXu@gmail.comQQ: 973926198git...

基于图结构的视频理解——组织视频序列的非线性流 FesianXu 2020/08/21 at Alibaba intern前言我们在之前的博文[1]中曾经花了很长的篇幅介绍了视频理解与表征的一些内容，当然，由于篇幅原因，其实还是省略了很多内容的，特别是一些比较新的研究成果都没能进行介绍，在本文，我们继续我们的视频理解之旅，我们将在本文介绍一种基于图结构的视频理解方法，其可以组织视频序列中一些人为编辑或者镜头切换导致的非线性流，是一项非常有意思的研究。 如有谬误，请联系指出，转载请...

本文是笔者在学习Geometric deep learning的过程中的一些笔记和想法，较为零散，仅仅当作自娱自乐，如有谬误，勿怪勿嗔，请在评论区联系笔者讨论指出，谢谢。总的来说，数据类型可以分为两大类，分别是：欧几里德结构数据(Euclidean Structure Data) 以及 非欧几里德结构数据(Non-Euclidean Structure Data)，接下来谈自己对这两类数据的认...