- 通过网络结构修改诱导网络公共物品博弈的均衡
该研究开展了网络公共品博弈的算法研究,以诱导特定形式的均衡状态,研究了投资、网络结构和均衡状态对博弈结果的影响,并对多种均衡形式和效用函数进行了研究。
- 节点属性社交网络中的社区发现:综述
本文介绍了社区检测的基本问题,即如何把社交网络中具有明确社交关系的社会行为者分成紧密相连和高度相关的群体,并详细介绍了使用节点属性的方法,对已知的方法进行分类,提供了每种方法的一般技术思想,分析了当前领域的状况并揭示了一些需要未来解决的问题 - ICLR通过贝叶斯学习深度神经网络结构来度量不确定性
这篇研究论文探究了一种新型的贝叶斯深度学习,通过在网络结构上执行贝叶斯推断来加强深度网络的不确定性估计,并提出了一种有效的随机变分推断方法,以统一网络结构和权重的学习。
- 多臂赌博机问题中多智能体异质随机交互
研究和分析了一个多智能体多臂赌博问题,其中智能体可观察到邻居的选择和奖励,这些邻居由具有异构和随机互连的网络图定义,这些互动由每个智能体的社交性决定,我们针对每个智能体设计算法来最大化其自己的预期累积奖励,并证明依赖于智能体和网络结构的社交 - ICCVRender4Completion:用于三维形状完成的多视角深度图综合
本文提出了一种基于多视角深度图综合的 3D 形状完形方法,使用固定的观察角度集合来表示形状,通过将形状完成转化成图像到图像的翻译问题来解决内存限制问题,并使用多视角完形网络(MVCN)结构在不同深度视图之间保持一致性的同时提高了单个深度视图 - 序列到序列模型的神经摘要文本概括
本研究从网络结构、训练策略和摘要生成算法三个方面全面综述了不同的 seq2seq 模型用于文本摘要生成的研究,并提出了一个名为 NATS 的开源工具包进行研究,对 CNN / Daily Mail 数据集进行了广泛的实验检验,在 Newsr - AAAI使用 APPLE 解析卷积神经网络:自动补丁模式标记
该研究提出了一种算法,可以分析深度神经网络,找到对网络分类结果 “重要” 的神经元,并自动标记激活这些重要神经元的输入图像部分,进而揭示网络分解图像进行最终分类的过程。
- WWW社交网络中减少极化和分歧
本文研究如何通过网络结构来降低社交媒体带来的观点极化和分歧,并提出了一种精确且高效的算法,同时对算法进行了合成及真实数据的测试,结果表明该算法对于推荐系统和社交网络优化具有重要意义。
- FaceBoxes: 一个高精度的 CPU 实时人脸检测器
该研究提出了一种名为 FaceBoxes 的新型人脸检测器,其网络结构采用了轻量级但强大的 RDCL 和 MSCL,实现了 CPU 上的实时速度和高性能的检测,同时还具有新的锚定点密集化策略,并在多个人脸检测基准数据集上呈现出最新的检测性能 - ICML探究基于少量先验知识的领域内迁移学习和小样本学习
本文研究了对于领域结构未知,需要从数据中学习结构和参数的系统是否能够通过学习结构来降低样本复杂度,为至少两种简单情况证明了结构学习降低样本复杂度的可行性,并探究了如何在更复杂的情况下实现这一目标。
- 不确定性下的奖励最大化:利用网络的相关观察
设计考虑了存在网络结构情况下对多臂赌博问题的解决方案,提出两个基于网络结构的策略,并在真实社交网络和路由网络的数据上测试,证明相比于现有策略获得了更多的好处。
- CVPR更复杂的网络,更少的推理复杂度
这篇论文提出了一种新的卷积神经网络结构,通过添加低成本协作层加速了推理过程,实验结果表明,平均加速率为 32%,性能下降极小。
- CVPR基因卷积神经网络
本文讨论深度卷积神经网络的自动学习,使用遗传算法提高识别准确性,并在两个小型数据集上证明其有效性,并将结构传输到大型数据集上。
- 网络结构、元数据和缺失节点与注释的预测
本文提出了一种用于评估社区检测算法的数据和元数据的联合生成模型及其参数推断方法,通过预测网络中边的位置来评估元数据的质量,并且展示了如何利用这个特点来预测缺失的节点和元数据。研究结果表明,尽管数据组和元数据标记之间很少存在精确的一致性,但元 - WWW社交网络压力下的变化
研究社交网络中外部事件如何与网络结构和通信属性的变化相关,在对大型对冲基金的决策者的数百万条即时消息进行了分析后,发现价格冲击会导致通信网络显示出更高的集聚度,强关系交互以及内部与外部的交流强度变化,因此揭示了社交网络中的网络结构与集体行为 - 网络分布式 ADMM 的收敛速率
本研究提出了基于 ADMM 算法的分布式算法,用于通过网络通信最小化局部已知的凸函数之和,研究表明,在函数为凸函数时,目标函数值和可行性冲突都会收敛,当函数是强凸函数且有 Lipschitz 连续梯度时,该算法生成的序列会线性收敛到最优解。 - Twitter 信息网络的突发动态
研究使用 Twitter 等在线社交媒体系统中用户发布和分享内容时及创建和破坏连接时,网络结构的动态变化,发现信息扩散会导致突发性的连接形成和网络结构变化,且信息内容的出现可以导致连边的创建和删除,提出了能量化网络动态和突发事件发生的模型。
- 具有节点属性的网络中的社区发现
本文介绍了使用 CESNA 算法在具有节点属性的网络中检测重叠社区的过程,该算法将网络结构的信息和节点特征属性相结合,可以更准确地检测社区,同时提高了算法的鲁棒性。
- 社交网络中的病毒传播预测与社区结构
研究了信息传播的网络结构如何影响内容的扩散,发现内容是否属于复杂型病毒会影响其在高度聚集的社区内的传播,同时影响跨社区的传播。提出一种能预测内容将被传播多远的实用方法,通过社区结构的数据转化出预测知识,进而在社交媒体分析和营销应用等方面有显 - 贝叶斯网络中的强完备性和忠实度
介绍一种关于离散贝叶斯网络的 d 分离的完备结果,在强度量论意义下,几乎所有给定网络结构下的离散分布都是忠实的;即分布的独立性事实全部且只包含网络结构蕴涵的部分