ICML 2018 深度学习论文及代码集锦(7)

最新推荐文章于 2022-08-01 17:57:51 发布
最新推荐文章于 2022-08-01 17:57:51 发布
阅读量306 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hestendelin/article/details/101546725
版权
本文汇总了ICML 2018上关于深度学习的部分论文，涵盖分布式卷积算法DICOD、交互模型、星系分类的ContextNet、第一阶生成对抗网络和二值门LSTM训练。各论文介绍了新方法的理论基础、算法优势和实验对比，部分提供代码实现。
摘要由CSDN通过智能技术生成

[1] DICOD: Distributed Convolutional Coordinate Descent for Convolutional Sparse Coding

Moreau Thomas, Oudre Laurent, Vayatis Nicolas

CNRS, Universite Paris-Saclay, Universite Paris

http://proceedings.mlr.press/v80/moreau18a/moreau18a.pdf

本文提出一种新的算法，Distributed Convolution Coordinate Descent (DICOD)，用于卷积稀疏编码。该算法是分布式的，并且基于坐标梯度法。

贪婪式坐标下降算法伪代码如下

640?wx_fmt=png

其中(5)式为

640?wx_fmt=png

(5)式中的sh函数定义如下

640?wx_fmt=png

本文所提出的DICOD算法伪代码如下

640?wx_fmt=png

其中(4)式为

640?wx_fmt=png

DICOD是一种分布式算法，必然存在通讯，该算法中的通讯过程示例如下

640?wx_fmt=png

局部贪婪式坐标下降算法伪代码如下

640?wx_fmt=png

命题一

640?wx_fmt=png

定理二

640?wx_fmt=png

其中(2)定义如下

640?wx_fmt=png

定理三

640?wx_fmt=png

推论四

640?wx_fmt=png

各算法随迭代次数和运行时间变化的趋势对比如下

最低0.47元/天 解锁文章
frank_hetest
关注
FCSC:Bristow 等人的 CVPR 2013 论文“Fast Convolutional Sparse Coding”的实现
06-26
这段代码实现了 Bristow 等人的算法。 在他们的 CVPR 2013 论文中，题为：“快速卷积稀疏编码”。 我们有一份技术报告，纠正了原始论文中的一些错误，并讨论了算法的实现细节。 可以在找到此报告。 如果您正在寻求以您喜欢的编程语言实现算法的帮助，请先查看 fcsc_simple.jl。 那里的代码大多是自包含的，并以最直接的方式实现算法，但结果是它不能很好地扩展。 如果您在出版物中使用此代码，请引用： @techreport{KongF_UCI_2014, author = {Bailey Kong and Charless C. Fowlkes}, title = {Fast Convolutional Sparse Coding}, institution = {Department of Computer Science, Univ
毕设分享 深度学习人脸识别与文本情感分类系统（源码+论文）
最新发布
m0_12378的博客
11-02 289
视觉使人类得以感知和理解周边的世界，人的大脑皮层大约有 70%的活动在处理 视觉相关信息。计算机视觉即通过电子化的方式来感知和理解影像，以达到甚至超 越人类视觉智能的效果。
[论文总结] 深度学习在农业领域应用论文笔记10
You and Me
08-01 6261
对于人类能够识别的字符，计算机会根据某一对应关系将其转换为二进制形式进行保存。这个对应关系就是字符编码表，即什么样的字符对应什么样的二进制编码。这种字符编码表往往是多种多样的，因此，如果我们想要将一个未知编码的二进制文件转换为可读文本进行显示，就需要考其使用的是什么类型的字符编码。关于字符编码的进一步介绍见文章。现实中，往往根据各种字符编码的特征字符来猜测当前文件使用的是什么类型的字符编码。。chardet安装指令如下。...
边缘检测论文简读、开源代码和数据集合集
如果想成为中心，那么就到中心去吧。
02-01 8467
概述 边缘检测（英语：Edge detection）是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征检测中的一个研究领域。 本博文只介绍基于深度学习的边缘检测。 基于深度学习的边缘检测 基于深度学习的边缘检测分为三类：1.全要素边缘检测；2.物体边缘检测；3.语义边缘检测。如下
深度学习经典论文及开源代码
linghu8812的博客
03-14 6159
目录 综述 Deep Learning 图像分类 LeNet AlexNet ZFNet Inception系列 VGG ResNet DenseNet ResNeXt SENet EfficientNet 目标检测 RCNN OverFeat SPP Fast RCNN Faster RCNN R-FCN FPN SSD系列 YOLO系列 Reti...
cycada_release:ICML 2018论文随附的代码
05-07
Efros）和特雷弗·达雷尔（Trevor Darrell）} title = {CyCADA：周期一致的对抗域自适应}， booktitle = {国际机器学习会议（ICML）}， 年= 2018 } 设置 签出仓库（递归也将签出CycleGAN仓库的CyCADA分支）。 git ...
Sanjeev Arora在ICML2018上关于深度学习理论理解的PPT
07-10
普林斯顿大学Sanjeev Arora在ICML2018上关于深度学习理论理解的PPT
ICML2018论文GAIN补充材料
11-28
此论文是GAIN：Missing Data Imputation using Generative Adversarial Nets 的 Supplementary Materials，里面包括论文公式推导以及代码参数设置
2016年深度学习论文合集
09-07
深度学习2016年ICML论文合集，经典中的经典，很多资源无法下载。
ICML 2018强化学习tutorial: Imitation Learning
07-29
In this tutorial, we aim to present to researchers and industry practitioners a broad overview of imitation learning techniques and recent applications. Imitation learning is a powerful and practical ...
A Fast Proximal Method for Convolutional Sparse Coding.pdf
04-20
A Fast Proximal Method for Convolutional Sparse Coding.pdf
CNN在文本分类的应用(内有代码实现) 论文Convolutional Neural Networks for Sentence Classification
u010960155的博客
07-31 1万+
一、CNN文本分类简介 文本分类是NLP领域的一个重要子任务，文本分类的目标是自动的将文本打上已经定义好的标签，常见的文本分类任务有： 用户评论的情感识别 垃圾邮件过滤 用户查询意图识别 新闻分类 由此看出文本分类的用途十分之广，包括知识图谱领域的关系抽取任务也是使用文本分类实现的。 有很多经典的统计学习方法可以用来做文本分类，比如SVM，LR，MaxEnt等等。这些方法的一般流程是标...
Unsupervised Learning[论文合集]
gdtop的个人笔记
04-07 3047
https://handong1587.github.io/deep_learning/2015/10/09/unsupervised-learning.html Jump to... 1.Papers 1.Clustering 2.Auto-encoder 3.RBM (Restricted Boltzmann Machine) ...
convolutional sparse coding codes
baidu_32211041的博客
09-22 1796
brendt.wohlberg.net http://brendt.wohlberg.net/software/SPORCO/
Convolutional Sparse Coding for Image Super-resolution
欢迎来到打不死的小强的专栏
03-22 2904
Convolutional Sparse Coding for Cmage Super-resolution Abstract         大多数基于稀疏编码的超分辨率方法首先将图片划分为具有重叠的小块，然后在得到的每个小块上单独处理，最后得到超分辨率图片。以上方法存在的问题就是各个patchpatchpatch之间忽略了像素的一致性问题，最后在一定...
Video Rain Streak Removal By Multiscale Convolutional Sparse Coding 雨景分离
linux嵌入式 - 虚拟机 主机Ping不通,即虚拟机不可上网问题解决方法
06-06 1196
1 获取背景B：背景检测方法（低秩矩阵分解）（Rubost PCA）当Ｅ为稀疏的大噪声矩阵时，同时引入折中因此，此问题可转化为如下优化问题：  上式中秩函数、0范数均非凸，变成了NP-hard问题，需要对其松弛，方可进行优化。由范数知识可知，核范数是秩函数的凸包，1范数是0范数的凸包，所以上述NP-hard问题松弛后可转化凸优化问题： 2 获得目标二值图H：图像分割（graph cut）分块平滑意...
总结一些最优化算法（ADMM/FISTA）代码网站
热门推荐
WeisongZhao
04-27 1万+
优化算法： ADMM： https://blog.csdn.net/angel_yj/article/details/40587543 https://blog.csdn.net/jbb0523/article/details/52134630 http://web.stanford.edu/~boyd/papers/admm/ http://mullover.me/2016/01/19...
就是GAN-萌新使用PaddlePaddle论文复现初探索之First-Order
aiAI
08-06 3237
先来科普一下     萌新 自然就是我啦-只看过机器学习入门课程的菜鸟。如果你也是这样，那就可以放心的向下看了 欢迎大家一起交流~~~     PaddlePaddle 国货之光–类似Tensorflow,pytorch的机器学习框架。没听过？不要疑惑，这里有免费Tesla V100显卡可以撸，对于没算力的小白真的香，大可一试，框架一通百通，提升实战能力！！！ 传送门>>撸算力请入     “GAN” 人工智能领域内，当下机
ICML 2018 paper(oral)
qq_34848537的博客
10-08 5223
参考链接 icml 2018 oral Paperlist Optimal Tuning for Divide-and-conquer Kernel Ridge Regression with Massive Data Predict and Constrain: Modeling Cardinality in Deep Structured Prediction Transfer Learn...
深度学习理论探索：Sanjeev Arora在ICML2018的演讲回顾
在2018年的国际机器学习会议（ICML）上，普林斯顿大学的Sanjeev Arora教授发表了一场关于...这场ICML2018的深度学习理论教程提供了一个宝贵的视角，帮助参与者理解深度学习是如何从理论角度实现复杂模式识别和学习的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值