Aug, 2022

音乐类型分类广播网络研究

PDF
TL;DR本文探讨了基于广播的神经网络，旨在提高音乐类型分类的定位和普适性，研究了十二种不同的广播网络结构，并对块配置、池化方法、激活函数、标签平滑、通道相互依赖、LSTM 块等方面进行了讨论，使用 GTZAN、Extended Ballroom、HOMBURG 和 Free Music Archive 等数据集进行了计算实验，结果表明本文提出的方法在音乐类型分类方面具有先进性和潜力.
发现论文，激发创造
  • 突破天花板：更强大的多尺度深度图卷积网络

    本文研究神经网络在解决大规模复杂图形结构问题方面的性能瓶颈和深层网络优势的不足，通过对现有几种图卷积网络的分析，提出了两种可用于深度扩展的新型网络结构，以更好地利用多尺度信息来进行节点分类。

    Jun, 2019

  • 图上的谱网络和局部连接网络

    本文探讨了如何将卷积神经网络推广到更广泛的定义域上。作者提出了两种构造方法，分别基于分层聚类和图拉普拉斯谱。结果表明，在低维图形上，可以实现独立于输入尺寸的卷积层学习，从而实现高效的深度网络结构。

    Dec, 2013

  • 基于图卷积网络的高光谱图像分类

    探讨使用最小批次图卷积网络和融合策略，对高光谱图像进行分类识别的性能提升。

    Aug, 2020

  • 张量图卷积网络的文本分类

    本文提出 TensorGCN 框架，基于图卷积神经网络进行文本分类，结合单个图的邻域信息和不同图的异构信息进行内部图和跨图传递信息的聚合和协调，实现了在不同种类图中集成异构信息的有效方式。

    Jan, 2020

  • 基于分层多图网络的图像分类

    本研究探讨了基于 Graph Convolutional Networks 的最佳实践，旨在利用 GCNs 自然的多关系数据建模能力和处理不规则输入图片的能力，在 MNIST、CIFAR-10 和 PASCAL 数据集上甚至优于 CNNs 的图像分类表现。

    Jul, 2019

  • 用于斯瓦希里语新闻分类的图卷积网络

    这项工作实证了文本图卷积网络在半监督 Swahili 新闻分类任务上优于传统自然语言处理基准的能力，特别是针对少标记语料库这一实际限制的实验。此外，作者还提出了一种变体 Text GCN 模型，其利用词袋表示法代替朴素的独热编码方式以减少内存占用，同时展示了类似的预测性能。

    Mar, 2021

  • 图卷积网络文本分类

    本文介绍了一种基于图卷积神经网络的文本分类算法 (Text GCN)，该算法利用单一的文本图构建并联合学习词和文本的表征，经实验表明，将该算法应用于多个基准数据集后，在无需外部词嵌入和预先知识的情况下，文本 GCN 仍可优于现有的文本分类方法。

    Sep, 2018

  • 快速局部谱滤波的图卷积神经网络

    该研究将卷积神经网络推广到高维不规则图像中，通过谱图理论提出了一种卷积滤波器设计方法，在保持线性和常数学习复杂度的同时，实现了对任意图结构的卷积作用，成功在图像识别领域实现了局部、平稳、组合特征的学习。

    Jun, 2016

  • 时间序列分类的多尺度卷积神经网络

    提出了一种基于多尺度卷积神经网络的时间序列分类模型，该模型将特征提取和分类集成在一个框架中，具有较高的准确性和计算效率，并在大量基准数据集上进行了全面的实证评估，取得了优于其他先进方法的性能。

    Mar, 2016

  • 用于半监督节点分类的分层图卷积网络

    本研究提出了一种新的深层分层图卷积网络 (H-GCN)，通过聚合结构相似的节点形成超节点，然后再将粗化的图细化到原始图以恢复每个节点的表达，从而扩大每个节点的感受野，能够获取更多的全局信息，并在各种公共基准测试图数据集上表现出强大的实证性能。

    Feb, 2019