- 神经表征的拓扑分类的秩分解
神经网络的拓扑结构及同调群,以及仿射映射与任务连续性的关系的研究。
- 基因表达数据中检测基因间相互作用的并行层深度学习网络
利用已知基因表达和基因交互数据,本文提出了一个专门设计用于基因之间关系鉴定的并行层次深度学习网络 GENER,并通过与现有统计和深度学习方法的性能比较表明,在预测基因之间的相互作用方面优于竞争方法。
- ICCV基于空间变换器的单视角三维重建中的隐性学习
利用 LIST 神经网络架构,借助局部和全局图像特征,精确地从单张图像中重建 3D 物体的几何和拓扑结构,既可以预测目标物体的粗糙形状,又能通过隐式预测器准确地预测任意点与目标表面之间的有向距离,模型在重建合成和真实世界图像中的 3D 物体 - 归纳学习获取物体拓扑特征
采用归纳学习的方法,提出了基于对象骨架的拓扑结构的形式化表示,并实现了 “寻求共同点” 的归纳过程,从经验主义推进到合理主义的目标。
- 血管分割的最优连接模型和 MEA-Net
通过在神经网络分割结果中直接提取边界体素,在最小曲面的基础上建立最优连接模型,并改进了血管的分割,为三维多分类血管分割任务带来了最先进的性能表现,同时,相比其他方法,处理血管分散和结构完整性并有效地改善了血管结构的 Betti 误差和 LR - Dist2Cycle:用于同调定位的单纯神经网络
该论文提出了一种基于图卷积模型的方法,通过对组合 $k$- 维霍奇拉普拉斯算子的谱操作,实现对高维拓扑特征的学习,特别是距离每个 $k$- 单形形式化的最优 $k$- 阶同调生成器的距离,为同调定位提供了一种替代方法。
- KDD基于简单截断 SVD 的异质图节点分类模型
本研究提出了一种基于截断奇异值分解(Truncated Singular Value Decomposition,TSVD)的方法,该方法在异质图上取得了比先前最先进的方法高达约 30% 的性能提升,揭示了聚合方法以外的方法在解决异质图问题 - KDD推荐系统中的拓扑压缩
本研究提出了一种新的拓扑蒸馏方法 -- 层次化拓扑蒸馏(HTD)。通过在师傅空间中建立的关系构建的拓扑结构指导学生,以更好地复制推荐系统的主要信息。实验证明,与现有竞争对手相比,该方法在真实数据集上显著提高了推荐的质量。
- AAAI知识图谱中基于拓扑感知的关系间归纳连接预测相关性
该论文提出了一种新的归纳推理方法 TACT,可以有效地利用关系之间的拓扑感知相关性,以预测缺失的链接,相比现有的方法,表现得更好。
- MM拓扑感知的三维点云生成图形流
该研究提出了一种具有多个潜在标签的流式生成模型 ChartPointFlow,以生成和重建 3D 点云,并在无监督分割方面表现优异。
- MM缓解人类水平转移:多人姿态估计的稳健领域自适应方法
本文提出了一种新颖的领域适应方法,用于多人姿态估计,以进行人类级别的拓扑结构对齐和细粒度特征对齐。通过三个模块实现:交叉注意力特征对齐(CAFA),域内结构自适应(ISA)和域间人 - 拓扑对齐(IHTA)模块,证明了该算法优于现有最佳算法 - ICML同胚变分自编码的探索
本文研究了流形值潜变量的使用,特别是连续可微的对称群(李群)的情况,展示了如何通过将再参数化技巧扩展到紧连李群来构造带有李群潜变量的变分自编码器,并通过实验展示了匹配潜在数据流形拓扑结构的流形值潜变量对于保留拓扑结构和学习良好的潜空间至关重 - 对抗正则化的图自编码器用于图嵌入
本文提出一种新颖的对抗性图嵌入框架用于图形数据,该框架通过编码图形的拓扑结构和节点内容到紧凑表示,进而训练一个解码器重构图形结构,并通过对抗性训练方案强制将潜在表示匹配到先验分布,两种对抗性方法的实验研究表明,其在实际图形计算任务中击败基线 - MM部分揭示单位区间图上的多臂赌博机
研究了具有相似性和不相似性的测臂的随机多臂赌博问题,并提出了一种基于在线汇总奖励观察结果的离线行动空间缩减及在线聚合的通用两步学习结构,旨在充分利用侧面信息的拓扑结构。验证了学习策略的计算效率和顺序最优性,无论是在行动空间大小还是时间长度上 - 从统计数据中恢复因果多叉树
本文提出一种方法来恢复通过测量变量对的概率分布所生成的联通的因果网络。该方法可以精确恢复多边形树的拓扑结构,并确定分支的因果方向,同时找出需要确定变量之间因果关系的最小外部语义。
- 时态网络
该文章探讨了时间网络的新兴领域,讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系,并指出与静态网络不同,由于在时间网络中有些基本属性不一定成立,因此需要创新性的方法来研究分析。