May, 2023

EdgeNet：电子商务在线广告拍卖设计编码器 - 解码器生成网络

PDF
TL;DR本研究介绍了一种名为 EdgeNet 的新型编码器 - 解码器生成神经网络，其引入了一种新颖的编码器 - 解码器框架，用于在线电子商务广告中数据驱动的拍卖设计，通过破坏以广义第二价格为基础的神经拍卖模型，提高数据利用效率，并改进了拍卖机制的经济特征。
发现论文，激发创造
  • EdgeNets: 边缘变化的图神经网络

    本文提出 EdgeNet 框架，将现有的图卷积神经网络（GCNNs）和图注意力网络（GATs）统一起来，使得同一问题可以使用不同的 GNN 结构来解决，并且指导和优化各种 GNNs 的性能和实现。

    Jan, 2020

  • 神经拍卖：端到端学习用于电子商务广告拍卖的拍卖机制

    该研究提出 Deep Neural Auctions (DNAs) 模型，通过设计可微分模型解决了拍卖机制中的离散排序操作问题，实现了端到端的拍卖学习，提高了基于电商广告的多种性能指标的效果。

    Jun, 2021

  • 仅需两者：对抗生成 - 编码网络

    我们提出了一种新的自编码器类型架构，它可以以无监督的方式进行训练，支持生成和推断，并通过对抗学习增强条件和无条件样本的质量。与以前的自编码器和对抗网络混合体不同，我们方法中的对抗游戏直接在编码器和生成器之间进行，训练过程中没有外部映射。游戏目标是将真实数据分布和生成数据分布的差异与潜在空间中的先验分布进行比较。我们展示了直接生成器对编码器游戏会导致两个组件的密切耦合，从而产生与一些最近提出的更复杂的架构相当的样本和重建质量。

    Apr, 2017

  • EDGE++：EDGE 训练和采样的改进

    本文提出了对 EDGE 模型的改进，包括引入了一个特定度数的噪声计划，优化了每个时间步骤的活跃节点数量，显著减少了内存消耗，并提出了一个改进的采样方案，通过微调生成过程来更好地控制合成网络和真实网络之间的相似度，实验结果表明，这些改进不仅提高了生成图的效率，还增强了其准确性，为图生成任务提供了强大且可扩展的解决方案。

    Oct, 2023

  • 基于深度 GSP 拍卖的电子商务广告多绩效优化

    本文提出了一种名为 Deep GSP auction 的新拍卖机制，它利用深度学习在 GSP 拍卖框架下设计新的排名得分函数，实现了对多种、动态、难以估计、甚至矛盾的性能指标进行优化，并在领先的电子商务广告平台上进行了广泛的实验评估，证明了其效果优于现有的拍卖机制。

    Dec, 2020

  • EncodeNet：基于熵驱动的广义转换自编码器的深度神经网络精度提升框架

    通过引入 Converting Autoencoder 和 intraclass clustering 方法，本研究设计了 EncodeNet 框架，提高了 DNN 模型的准确性而不增加模型大小，并在 CIFAR-10 和 CIFAR-100 数据集上取得了比知识蒸馏和注意力机制更高的准确度。

    Apr, 2024

  • 内容感知推荐的门控注意力自编码器

    通过使用附带注意力模块的神经门控自编码器模型，我们成功地解决了个性化推荐系统中的难题，例如数据稀疏性和异构性数据，实现了更好的推荐和可解释性结果。

    Dec, 2018

  • eCommerceGAN : 一种用于电子商务的生成对抗网络

    本文提出了一种基于对抗生成网络的电子商务订单生成方法，通过训练生成器可以产生各种可能的订单，并使用定量和定性方法评估其有效性和适用性。

    Jan, 2018

  • LEDNet：一种用于实时语义分割的轻量级编码器 - 解码器网络

    本文介绍一种名为 LEDNet 的轻量级网络，采用了不对称的编码器 - 解码器架构和 ResNet 作为骨干网络，以及每个残差块中的两种新操作：通道分割和随机洗牌。在解码器中采用注意金字塔网络 (APN) 来进一步减轻整个网络的复杂性。实验证明，我们的模型在速度和准确性方面均取得了最好的结果，并在 CityScapes 数据集上实现了最先进的结果。

    May, 2019

  • 基于图强化学习的自编码器的多接入边缘计算中用于 CNN 推理的动态语义压缩

    本研究针对动态多接入边缘计算网络中的 CNN 推理进行计算卸载的研究，提出了一种新颖的语义压缩方法 AECNN，通过自编码器构建的 CNN 架构，在部分卸载中进行有效的语义提取和压缩，并通过图强化学习的方法 GRL-AECNN 解决卸载问题，具有优于现有方法的性能。

    Jan, 2024