- 基于循环网络的文本表征
本文研究了如何使用多尺度方法来表征文本结构,进而通过对不同文学体裁作对比分析,使用可达性、对称性和重现度量这些多尺度概念和方法来区分小说和非小说文本的异同。
- 神经表征的广义形状度量
为了理解生物和人工神经网络的操作,研究者们需要一个标准化的工具集来量化其结构等因素对神经表征的影响,这篇论文提出了一族量化表征不同神经网络之间相似性的度量空间,利用这个框架使得神经网络表征可以整合进任意的机器学习方法中,然后利用大规模生物和 - ICML专家合作:100M FLOPs 在 ImageNet 上实现 80% 的 Top-1 准确率
本论文提出了一种 Collaboration of Experts (CoE) 框架,它可以将多个网络的专业知识汇集起来,以达到更好的性能表现。该框架由权重生成模块、标签生成模块和方差计算模块三个模块组成,可以实现对于 ImageNet 数 - ICMLAuto-NBA:网络、位宽和加速器联合空间的高效搜索
通过 Auto-NBA 框架,我们能够有效地在巨大的联合设计空间中为每个目标数据集和加速器规范定位最佳设计,使用异构采样策略实现无偏搜索,以及配备通用可微加速器搜索引擎的新兼搜寻流程。Auto-NBA 生成的网络和加速器在搜索时间、任务准确 - 使用渐进采样和非均匀 Rademacher Bounds 估算介数中心性的 SILVAN 算法
提出一种新型高效算法 SILVAN,基于蒙特卡洛实证 Rademacher 平均值的新约束,通过渐进采样方法计算网络图中各节点的中介中心性,建立新的估算方案提供节点中介中心性的非均匀偏差边界并确定样本所需的数量,相比于其他算法在样本数量和准 - IJCAI网络公共物品博弈中的利他设计
本论文介绍了一个扩展的公共物品博弈模型来考虑利他动机,其中将利他主义通过利他主义图中介的受益纳入效用函数,探索了调节共同利益的杠杆作用和计算复杂性。
- AAAI视觉表征学习的互惠对比学习
Mutual Contrastive Learning (MCL) is a powerful method for improving feature representations for visual recognition task - WSDMAttentionFlow: 时间序列网络影响力可视化
AttentionFlow 是一种新系统,用于可视化一系列网络和它们之间的动态影响,支持交互操作并且能够解释一些现象。
- 超图中的随机游走和社区检测
本研究提出了一个参数的随机游走过程,应用于超图领域,探索了不同超图投影的随机游走过程的社区结构,并针对人工及真实超图采用了广义 Markov 稳定性框架的实验测定。
- ECCVSRNet: 使用分裂与重组方法提升 3D 人体姿态估计中的泛化能力
提出一种名为 SRNet 的拆分和重组方法来更好地预测罕见和未知的人体姿势,通过拆分为本地区域,使用单独的网络分支进行处理,并在低维向量中重新组合全局上下文来维护全局一致性。
- 超越两两交互的网络:结构和动态
本文总结了一个新兴领域 —— 除了成双成对的相互作用的网络。本文介绍了表示高阶相互作用的方法,并重点讨论了高阶动力系统和动态拓扑的快速增长的研究,并集中讨论了传播、同步和游戏等的新兴现象,当这些波及的节点多于两个时,阐明了高阶拓扑与动态属性 - IJCAI带链接差分隐私的安全深度图生成
本研究提出使用差分隐私的方法保护网络结构数据的隐私,通过注入适当的噪音以保证边隐私,改善结构学习,同时提高结构导向图的鉴别度,提高数据效用和保护个体链接隐私。通过在两个现实世界网络数据集上进行的广泛实验表明,我们的 DP-GGAN 模型能够 - 基于分层随机块模型的谱聚类的一致性
本文研究在通用随机块模型下的实际网络社区层次结构,使用基于非标准化图拉普拉斯矩阵的菲德勒向量的标准递归双分割算法,并在广泛的模型参数范围内证明了该方法的强一致性,包括节点度数 $O (log n)$ 的稀疏网络和连接概率相差几个数量级的多尺 - AAAI网络实验设计中的干扰和选择偏差最小化
提出了一种在网络中设计 A/B 测试的方法,通过最小化干扰和选择偏差,利用边传播概率和集群匹配等考虑因素,重新设计了基于集群随机化的方法,结果表明该方法能够显著降低因干扰而导致的因果效应估计误差。
- CVPR局部深度隐式函数用于三维形状
本文介绍了一种将三维表面图像表示成局部深度隐式函数并进行不同模型之间的泛化、空间分解等相关工作,并在实验中证明了该算法在表面重建和深度图像完成方面的效果优于现有算法。
- HodgeNet: 用于边数据的图神经网络
该论文提出将 Hodge Laplacian 与图神经网络结构相结合,用于分析流数据,具体应用于流插值和源定位问题。
- ICCV网络架构与复杂度关系的实证研究
本文探讨了网络处理数据复杂性变化的实证研究,以图像分类任务为例,测量了不同网络体系结构对不断增加的类别数目所产生的泛化误差变化情况。
- 非线性 + 网络:2020 视角
对网络和非线性的几个有趣的主题进行了简要调查,重点介绍了一些方法和思想,包括几个我个人感兴趣的方法和思想,这些方法和思想在未来几年内预计将特别重要。这些主题包括时间网络、网络上的随机和确定性动力学过程、自适应网络和包括网络中三个或多个实体的 - WWW商用智能手机 5G 性能初探
本篇论文是针对商业 5G 在智能手机上的性能所做的一项首次评估,通过对美国三个城市的三个运营商(两个毫米波运营商和一个中频带运营商)的 5G 网络进行了详细的测试,并对手 off 机制及其对网络性能的影响、使用位置等环境信息预测网络性能的可 - CVPR人体姿态估计的鲁棒性
本文对人体姿态估计模型的对抗攻击和其鲁棒性进行全面深入的研究,基于多个数据集对多个 2D 单人姿态估计体系进行评测,探讨了回归型网络攻击等未曾被研究过的问题,并发现热力图建模型比直接回归模型更具鲁棒性。此外,文中还展示了通用扰动的可视化效果