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 论文解读
图神经网络 VAE VGAE
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 机器学习
极大似然估计 最大后验估计
【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 论文解读
图神经网络
【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 论文阅读
迁移学习 Domain Adapatation
【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 论文解读
图神经网络
【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 论文解读
联邦学习 对比学习
2 / 5