看paper的日常呀
关注
分享
扫一扫
文章平均质量分 94
分享日常阅读的paper，方向多为DL，时空数据挖掘，CV等等
爱学习的吨吨a
扣jio小硕，研究方向机器学习深度学习算法，时空数据挖掘。
分享平时学习到的新知识，论文，算法等等
展开
-
Spatial-Temporal Transformer Networks for Traffic Flow Forecasting
Spatial-Temporal Transformer Networks for Traffic Flow Forecasting作者：徐明星 （清华大学）Mingxing Xu, 戴文睿（上交大）等下载链接Abstract交通流具有高度的非线性和动态的时空相关性，如何实现及时准确的交通预测，特别是长期的交通预测仍然是一个开放性的挑战提出了一种新的Spatio-Temporal Transformer Network(STTNs)范式，该范式联合使用 dynamical directed sp翻译 2022-01-30 12:16:22 · 4397 阅读 · 2 评论 -
periodic process
周期性原创 2022-01-14 12:17:58 · 696 阅读 · 1 评论 -
Meta Graph Transformer: A Novel Framework for Spatial–Temporal Traffic Prediction
meta graph transformer翻译 2022-01-13 20:25:50 · 1062 阅读 · 2 评论 -
《A Comprehensive Survey on Transfer Learning》论文解读
A Comprehensive Survey on Transfer Learningabstract目的：是通过迁移不同但相关的源域所包含的知识，提高目标学习器在目标域上的学习性能。好处：在构建目标学习器时可以减少对大量目标域数据的依赖。前景：迁移学习由于其广阔的应用前景，已成为机器学习中一个热门且有发展前景的领域。本文贡献：本文试图对已有的迁移学习进行调研，对迁移学习的机制和策略进行全面的总结和阐释，有助于读者更好地了解迁移学习的研究现状和思路。本论文从数据和模型的角度回顾了40多种有代表性的翻译 2020-09-08 18:28:22 · 5711 阅读 · 0 评论 -
《Strong Spatiotemporal Radar Echo Nowcasting Combining 3DCNN and Bi-Directional Convolutional LSTM》
《Strong Spatiotemporal Radar Echo Nowcasting Combining 3DCNN and Bi-Directional Convolutional LSTM》1. 主要工作针对传统雷达回波临近预报容易时空信息丢失、预报精度低的问题。本文提出了一种结合3DCNN和双向卷积长短期记忆网络的编码预报模型(3DCNN-BCLSTM)。模型的第一个结构输入数据是具有时空特性的三维张量数据, 通过3D卷积神经网络提取提取雷达回波的局部短期的时空特征, 然后利用构造双向卷积L翻译 2020-09-06 11:37:36 · 548 阅读 · 0 评论 -
PreRNN+：Towards A Resolution of the Deep-in-Dilemma in Saptiotemporal Predictive Learning
《PreRNN+：Towards A Resolution of the Deep-in-Dilemma in Saptiotemporal Predictive Learning》论文解读Abstract我们提出了一种用于时空预测学习的PreRNN++网络。为了追求建模短期视频的动态性，我们提出了一种新的循环结构——具有级联双记忆的因果LSTM，从而使我们的网络在时间上更深入。为了缓解深度预测模型中梯度传播的困难，我们提出了一个Gradient Highway Unit(GHU),它为梯度流从输出返回翻译 2020-08-31 10:02:58 · 1145 阅读 · 0 评论 -
《 A center Location algorithm for tropical cyclone in satellite infrared imgaes 》论文解读
《A center Location algorithm for tropical cyclone in satellite infrared imgaes 》作者：Pingping Wang , Ping Wang, Cong Wang, Yue Yuan, and Di Wang点击下载.Abstract热带气旋中心位置确定对于强度估计和轨迹预测至关重要。但是由于其形态和结构的可变性，自动定位其中心仍存在一些挑战。深度卷积网络能够捕获图像多层次结构特征。本文在此基础上，提出了一种基于深度学习的目翻译 2020-08-03 14:43:15 · 348 阅读 · 0 评论 -
《Deep Learning in Next-Frame Prediction：A Benchmark Review》论文解读
《Deep Learning in Next-Frame Prediction：A Benchmark Review》作者： YUFAN ZHOU, HAIWEI DONG , (Senior Member, IEEE),AND ABDULMOTALEB EL SADDIK , (Fellow, IEEE)Multimedia Computing Research Laboratory, School of Electrical Engineering and Computer Science,翻译 2020-07-26 23:48:19 · 1292 阅读 · 0 评论 -
PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs论文解读
论文解读《PredRNN: Recurrent Neural Networks for Predictive Learning using Spatiotemporal LSTMs》点击下载.作者：Yunbo Wang，Mingsheng Long，Jianmin Wang，Zhifeng Gao，Phip S Yu翻译 2020-07-25 00:05:16 · 1780 阅读 · 0 评论 -
MPL-GAN:Toward Realistic Meteorological predictive learning Using Conditional GAN论文解读
MPL-GAN:Toward Realistic Meteorological predictive learning Using Conditional GAN作者：HONG-BIN LIU and ICKJAI LEECollege of Science and Engineering, James Cook University, Cairns, QLD 4870, Australia下载地址.Abstract气象图像预报是气象预报中一个重要而具有挑战性的问题。这个问题可以看作是一个视频帧预翻译 2020-07-17 17:59:24 · 1280 阅读 · 1 评论 -
NAIS:Neural Attentive Item Similarity Model for Recommendation
这是篇IEEE的文章，录入与2018.2摘要item-CF已经由于其可解释性和有效的实时个性化性多用与工业数据。它通 过用户历史交互构成的用户profile，给用户推荐和用户profile相似的新的item。因此，item-CF的关键就是评估item之间的相似性。早期的方法是使用余弦距离或皮尔逊距离。因为其缺少针对推荐任务的定制优化，准确度有点低。近几年来，一些研究工作，试图去从数据中学习相似...翻译 2018-11-25 09:22:06 · 3351 阅读 · 0 评论 -
基于自注意力机制的下一项推荐
Next Item Recommendation with self-Attention摘要关键词介绍相关工作1.序列感知推荐系统（sequence-aware）ACM 2018 原文地址摘要这篇论文，作者提出了一个序列感知推荐模型。该模型利用自注意力机制从用户历史交互中推测出item-item之间的关系。通过自注意力机制可以在用户交互轨迹中评估每个item的相关权重，以便更好的来学习用户瞬...翻译 2018-11-15 16:27:20 · 7739 阅读 · 0 评论