论文阅读

最新推荐文章于 2023-11-08 18:23:45 发布
转载 最新推荐文章于 2023-11-08 18:23:45 发布 · 920 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：https://github.com/Tengfei000/Paper-Reading
文章标签：

#paper

Paper-Reading

NeurIPS 2017:

  1. Attention Is All You Need
    paper:https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf

CVPR 2020:

  1. Data Uncertainty Learning in Face Recognition
    paper:https://openaccess.thecvf.com/content_CVPR_2020/papers/Chang_Data_Uncertainty_Learning_in_Face_Recognition_CVPR_2020_paper.pdf
  2. Variational Neural Network Pruning
    paper:https://openaccess.thecvf.com/content_CVPR_2019/papers/Zhao_Variational_Convolutional_Neural_Network_Pruning_CVPR_2019_paper.pdf

NeurIPS 2020:

  1. Uncertainty Aware Semi-Supervised Learning on Graph Data
    presentation:https://nips.cc/virtual/2020/protected/poster_968c9b4f09cbb7d7925f38aea3484111.html
    paper:https://proceedings.neurips.cc/paper/2020/file/968c9b4f09cbb7d7925f38aea3484111-Paper.pdf
  2. Uncertainty-aware Self-training for Few-shot Text Classification
    presentation:https://nips.cc/virtual/2020/protected/poster_f23d125da1e29e34c552f448610ff25f.html
    paper:https://proceedings.neurips.cc/paper/2020/file/f23d125da1e29e34c552f448610ff25f-Paper.pdf
  3. PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_8fb134f258b1f7865a6ab2d935a897c9.html
    paper:https://proceedings.neurips.cc/paper/2020/file/8fb134f258b1f7865a6ab2d935a897c9-Paper.pdf
  4. Variational Inference for Graph Convolutional Networks in the Absence of Graph Data and Adversarial Settings
    presentation:https://nips.cc/virtual/2020/protected/poster_d882050bb9eeba930974f596931be527.html
    paper:https://proceedings.neurips.cc/paper/2020/file/d882050bb9eeba930974f596931be527-Paper.pdf
  5. Random Walk Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_ba95d78a7c942571185308775a97a3a0.html
    paper:https://proceedings.neurips.cc/paper/2020/file/ba95d78a7c942571185308775a97a3a0-Paper.pdf
  6. Graph Random Neural Networks for Semi-Supervised Learning on Graphs
    presentation:https://nips.cc/virtual/2020/protected/poster_fb4c835feb0a65cc39739320d7a51c02.html
    paper:https://proceedings.neurips.cc/paper/2020/file/fb4c835feb0a65cc39739320d7a51c02-Paper.pdf
  7. Factorizable Graph Convolutional Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_ea3502c3594588f0e9d5142f99c66627.html
    paper:https://proceedings.neurips.cc/paper/2020/file/ea3502c3594588f0e9d5142f99c66627-Paper.pdf
  8. Building Powerful and Equivariant Graph Neural Networks with Structural Message-passing
    presentation:https://nips.cc/virtual/2020/protected/poster_a32d7eeaae19821fd9ce317f3ce952a7.html
    paper:https://proceedings.neurips.cc/paper/2020/file/a32d7eeaae19821fd9ce317f3ce952a7-Paper.pdf
  9. Bayesian Attention Module
    presentation:https://nips.cc/virtual/2020/protected/poster_bcff3f632fd16ff099a49c2f0932b47a.html
    paper:https://proceedings.neurips.cc/paper/2020/file/bcff3f632fd16ff099a49c2f0932b47a-Paper.pdf
  10. Auto Learning Attention
    presentation:https://nips.cc/virtual/2020/protected/poster_103303dd56a731e377d01f6a37badae3.html
    paper:https://proceedings.neurips.cc/paper/2020/file/103303dd56a731e377d01f6a37badae3-Paper.pdf
  11. Implicit Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_8b5c8441a8ff8e151b191c53c1842a38.html
    paper:https://proceedings.neurips.cc/paper/2020/file/8b5c8441a8ff8e151b191c53c1842a38-Paper.pdf
  12. Pointer Graph Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_176bf6219855a6eb1f3a30903e34b6fb.html
    paper:https://proceedings.neurips.cc/paper/2020/file/176bf6219855a6eb1f3a30903e34b6fb-Paper.pdf

FER paper:

  1. Suppressing Uncertainties for Large-Scale Facial Expression Recognition
    paper:https://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_Suppressing_Uncertainties_for_Large-Scale_Facial_Expression_Recognition_CVPR_2020_paper.pdf

AAAI 2021:

  1. UAG: Uncertainty-Aware Attention Graph Neural Network for Defending Adversarial Attacks
    paper:https://virtual.2021.aaai.org/paper_AAAI-447.html
  2. Uncertainty-Matching Graph Neural Networks to Defend against Poisoning Attacks
    paper:https://virtual.2021.aaai.org/paper_AAAI-4382.html
PGM-Explainer实验总结
笔记|思路|总结
03-15 1万+
PGM-Explainer建立了一个概率图模型，为GNN提供实例级解释。 论文标题：PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks 论文地址：2010.05788.pdf (arxiv.org) PGM-Explainer实验 实验目的 研究PGM-Explainer的有效性 实验方案 合成数据集的节点分类 与其他解释器做对比实验 使用六个合成数据集。 每个输入图都是一个
使用AIGC工具提升论文阅读效率
herosunly的博客
06-10 8万+
本文介绍使用AIGC工具提升论文阅读效率，希望对学习和使用AIGC的同学们有所帮助。 文章目录 1. 前言 2. 科学方法提升阅读效率 3. 检验阅读成果
Unicode转GB2312编码码表
thewebcode
11-23 2万+
00A4 A1E800A7 A1EC00A8 A1A700B0 A1E300B1 A1C000B7 A1A400D7 A1C100E0 A8A400E1 A8A200E8 A8A800E9 A8A600EA A8BA00EC A8AC00ED A8AA00F2 A8B000F3 A8AE00F7 A1C200F9 A8B400FA A8B200FC A8B90101 A8A10113 A8A501...
unicode 和 GB2312 编码对应表
热门推荐
马如林的IT博客
10-29 18万+
unicode 和 GB2312 编码对应表unicode GB231200A4 A1E800A7 A1EC00A8 A1A700B0 A1E300B1 A1C000B7 A1A400D7 A1C100E0 A8A400E1 A8A200E8 A8A800E9 A8A600EA A8BA00EC A8AC00ED A8AA00F2 A8B000F3 A8AE00F7 A1C200F9 A8B400
图神经网络（GNN）性能优化方案汇总，附37个配套算法模型和代码
学姐带你玩AI的博客
11-08 3847
论文提出自适应多通道图卷积网络AM-GCN，通过注意力机制自适应学习不同源信息的权重，大幅提升图卷积网络整合节点特征和拓扑结构的能力。
【论文阅读笔记】——注意力综述阅读笔记
weixin_52143654的博客
07-06 920
注意力阅读综述
论文阅读笔记模板
08-19
【论文阅读笔记模板】 在计算机科学与技术领域，学术论文是知识传播的重要载体，而有效阅读和理解论文是提升专业技能的关键步骤。以下是一个适用于计算机相关专业论文阅读的笔记模板，旨在帮助读者系统地记录、理解...
论文阅读IC-Light（ICLR 2025 满分论文）
最新发布
12-14
这篇论文标题为“论文阅读IC-Light（ICLR 2025 满分论文）”，尽管标题中带有“论文阅读”四个字，内容却是一篇实际的学术论文，而不是关于如何阅读论文的指南。这篇论文专注于通过施加一致的光线传输来实现图片光照...
SEU SISE 毕业设计 ISAC通感一体化论文阅读与代码复现基于matlab实现+源代码+文档说明
10-23
SEU SISE 毕业设计 ISAC通感一体化论文阅读与代码复现基于matlab实现+源代码+文档说明，该项目是个人毕设项目，答辩评审分达到98分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源...
SEU SISE 毕业设计 ISAC通感一体化论文阅读与代码复现基于matlab实现源代码
10-23
SEU SISE 毕业设计 ISAC通感一体化论文阅读与代码复现基于matlab实现源代码，该项目是个人毕设项目，答辩评审分达到98分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源主要针对...
dul-pytorch:[2020-CVPR]人脸识别中的数据不确定性学习
04-14
注意 这不是DUL的官方项目！ 数据预处理 人脸检测，人脸对齐[此项目中未提供相应的代码，您可以在找到相应的代码。] 管道 以下图片摘自arXiv-paper，如果对许可存在争议，请与我联系以删除！ ##实验{resnet18，softmax，ms1m}-{lfw：} 引文 @misc{chang2020data, title={Data Uncertainty Learning in Face Recognition}, author={Jie Chang and Zhonghao Lan and Changmao Cheng and Yichen Wei}, year={2020}, eprint={2003.11339}, archivePrefix={arXiv}, primaryClass={cs.CV} }
Uncertainty Estimation in GNN and Deep Learning（Paper Collection and Simple Notes）
我的技术栈碎碎念空间
08-30 1549
通俗地说，机器学习模型的输出结果不是板上钉钉的事儿，医疗诊断需要给出病症的判断概率，对于不确定的数据和模型参数，也需要给出模型的不确定度。 不确定性估计： 模型不确定性（感知不确定性，epistemic uncertainty） 模型不确定性通常源于对收集的训练数据的不认识。感知不确定性通过多次输出的方差来决定。 模型不确定制定在参数的分布上，通过先验分布预设模型，在给予一些训练数据后观察这个分布的变化。 可以被消除，需要增大数据量进行训练。 对于模型不确定性的实现比较简单：在train时使用dropo
DUL模型详解——代码+原理——Data Uncertainty Learning
weixin_39586997的博客
09-28 1456
一、背景 二、原理 三、模型结构 四、核心代码 五、效果和优缺点 参考： 【1】旷视研究院提出数据不确定性算法 DUL，优化人脸识别性能 - 知乎 【2】【ICCV2019】probabilistic face embeddings 概率人脸嵌入_木盏-优快云博客 【3】http://openaccess.thecvf.com/content_ICCV_2019/papers/Shi_Probabilistic_Face_Embeddings_ICCV_2019_p
半监督方法：不确定性感知自增强模型
qq_36484003的博客
09-19 4307
半监督方法：不确定性感知自增强模型 文献：Uncertainty-aware Self-ensembling Model for Semi-supervised 3D Left Atrium Segmentation（半监督方法：不确定性感知自增强模型） 原文：https://arxiv.org/abs/1907.07034 代码：https://github.com/yulequan/UA-MT 主题：semi-supervised, segmentation，Uncertainty estimatio
从4篇顶会论文看Self-training最新研究进展
Paper weekly
03-08 2620
©PaperWeekly 原创 ·作者｜张一帆学校｜华南理工大学本科生研究方向｜CV，Causality本文梳理了 Self-training 的最新进展，涉及 4 篇比较有意思的论文。...
【论文阅读笔记】NeurIPS2020文章列表Part1
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
Probabilistic Graphical Model (PGM) 概率图模型框架详解
Jay_Tang的博客
05-11 3242
往期文章链接目录 Probabilistic Graphical Model (PGM) Definition: A probabilistic graphical model is a probabilistic model for which a graph expresses the conditional dependence structure between random variables. In general, PGM obeys following rules: Sum Rul
AutoInt：使用Multi-head Self-Attention进行自动特征学习的CTR模型
浅梦的学习笔记
12-27 1万+
本文首发于知乎专栏 https://zhuanlan.zhihu.com/p/53462648 简介 这篇论文提出使用multi-head self attention(类似Transformer里的那个) 机制来进行自动特征交叉学习以提升CTR预测任务的精度。 废话不多说，先看下主要结构。典型的四段式深度学习CTR模型结构：输入，嵌入，特征提取，输出。这里我们重点看下嵌入和特征提取部分 核心结...
阅读文章《BUILDING DEEP EQUIVARIANT CAPSULE NETWORKS》后的感想
qq982519162的博客
10-17 470
1、介绍 《Building Deep Equivariant Capsule Networks》（建立深等量的胶囊网络）是发表在 ICLR 2020 上的一篇 Oral 论文，ICLR 2020会议已于 4 月 26 日在非洲埃塞俄比亚（亚斯亚贝巴）举行。这次会议共有 2594篇投稿，其中 687篇论文被接收（48篇oral论文，107篇spotlight论文和531篇poster论文），接收率为26.5%。 首先介绍一下什么是胶囊网络.胶囊网络(CapsNets)是一种可能会对深度学习产生深远影响的热门
论文阅读攻略：牛人经验分享
"这篇资源主要介绍了三位专家的论文阅读经验和策略，旨在帮助科技论文的撰写者提高阅读效率和撰写质量。他们提供了不同目的的阅读方法，包括获取文章核心信息、扩展知识面和为写作积累素材。" 论文阅读是科研工作中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值