Stay Hungry
【NIPS 2016图神经网络论文解读】Variational Graph Auto-Encoders (VGAE) 基于VAE的图变分自编码器 【NIPS 2016图神经网络论文解读】Variational Graph Auto-Encoders (VGAE) 基于VAE的图变分自编码器
写在前面 论文题目:Variational Graph Auto-Encoders 论文作者:Thomas N. Kipf, Max Welling 论文组织:University of Amsterdam 论文会议:NIPS Works
2021-12-10
机器学习中极大似然估计MLE和最大后验估计MAP 机器学习中极大似然估计MLE和最大后验估计MAP
(机器学习必知必会) 最大似然估计(MLE)、最大后验概率估计(MAP)这两个概念在机器学习和深度学习中经常碰到。现代机器学习的终极问题都会转化为解目标函数的优化问题,MLE和MAP是生成这个函数的很基本的思想,因此我们对二者的认知是非常
2021-11-24
【ICLR 2018图神经网络论文解读】Graph Attention Networks (GAT) 图注意力模型 【ICLR 2018图神经网络论文解读】Graph Attention Networks (GAT) 图注意力模型
论文题目:Graph Attention Networks 论文地址:https://arxiv.org/pdf/1710.10903.pdf 论文代码:https://github.com/PetarV-/GAT 论文引用:Ve
2021-11-23
【ICML 2015迁移学习论文阅读】Unsupervised Domain Adaptation by Backpropagation (DANN) 无监督领域自适应 【ICML 2015迁移学习论文阅读】Unsupervised Domain Adaptation by Backpropagation (DANN) 无监督领域自适应
会议:ICML 2015论文题目:Unsupervised Domain Adaptation by Backpropagation论文地址:http://proceedings.mlr.press/v37/ganin15.pdf论文代码
2021-11-01
【ICML 2018图神经网络论文解读】Representation Learning on Graphs with Jumping Knowledge Networks (JK-Net) 【ICML 2018图神经网络论文解读】Representation Learning on Graphs with Jumping Knowledge Networks (JK-Net)
论文题目:Representation Learning on Graphs with Jumping Knowledge Networks 会议:ICML 2018 论文地址:https://arxiv.org/pdf/1806.03
2021-10-19
【CVPR 2021联邦学习论文解读】Model-Contrastive Federated Learning (MOON) 联邦学习撞上对比学习 【CVPR 2021联邦学习论文解读】Model-Contrastive Federated Learning (MOON) 联邦学习撞上对比学习
写在前面最近阅读了一篇CVPR上关于联邦学习的文章(将对比学习的思想融入到联邦学习中),作者是新加坡国立大学的Qinbin Li(博士生,导师 何炳胜),Bingsheng He(何炳胜教授,导师 宋晓东)以及加州大学伯克利分校的Dawn
2021-10-18
2 / 5