ICML 2018 深度学习论文及代码集锦(10) 完结篇

最新推荐文章于 2023-01-02 10:41:58 发布
最新推荐文章于 2023-01-02 10:41:58 发布
阅读量816 收藏 2
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/101546735
版权

[1] DCFNet: Deep Neural Network with Decomposed Convolutional Filters

Qiang Qiu, Xiuyuan Cheng, Robert Calderbank, Guillermo Sapiro

Duke University

http://proceedings.mlr.press/v80/qiu18a/qiu18a.pdf

这篇论文将卷积神经网络中的卷积滤波分解成预先固定基的截断式展开，即分解卷积滤波网络，这里的展开系数从数据中学习得到。这种结构不仅可以减少需要训练的参数，而且可以减少计算量，还可以利用基截断来实现滤波约束。DCFNet可以在保证准确率的前提下明显缩减模型参数，尤其利用Fourier-Bessel基时，甚至利用随机基也可以。DCFNet的表示随输入的变换具有一定的稳定性，并且对展开系数加以一般性假设时的表示稳定性可以得以证明。

DCFNet的卷积层示例如下

640?wx_fmt=png

不同数据集的结果对比如下

640?wx_fmt=png

640?wx_fmt=png

CNN与DCFNet结构对比如下

640?wx_fmt=png

不同网络的效果对比如下

640?wx_fmt=png

代码地址

https://github.com/xycheng/DCFNet

                 smiley_12.png我是分割线smiley_12.png

[2] StrassenNets: Deep Learning with a Multiplication Budget

Michael Tschannen, Aran Khanna, Anima Anandkumar

ETH Zürich, Amazon AI, Caltech

http://proceedings.mlr.press/v80/tschannen18a/tschannen18a.pdf

这篇论文在DNN层中进行端到端的学习，对矩阵成绩进行低成本的近似，将矩阵乘积映射为两层的和

最低0.47元/天 解锁文章
frank_hetest
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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
对于特征工程的一些简单总结（其一）
dch16373的博客
05-18 117
结合最近正做的蚂蚁金服比赛中遇到的小问题，以kaggle上的house prices competition的一篇kernel的特征工程处理为例子做一些简单的总结。 house prices地址：https://www.kaggle.com/c/house-prices-advanced-regression-techniques kernel地址：https://www.kaggl...
MADE: Masked Autoencoder for Distribution Estimation
MTandHJ的博客
03-27 1242
文章目录概主要内容代码 Germain M., Gregor K., Murray I. and Larochelle H. MADE: Masked Autoencoder for Distribution Estimation. ICML, 2015. 概 考虑 x^=f(x)∈RD,x∈RD. \hat{x} = f(x) \in \mathbb{R}^D, \quad x \in \mathbb{R}^D. x^=f(x)∈RD,x∈RD. 怎么样结构的fff使得 x^=[x^1,f2(x1),
L2 Autoregressive Model
qq_42791848的博客
01-02 427
CS294 Lecture2 summary
dnn回归预测_CS294158 第二讲 自回归模型
weixin_39799565的博客
12-22 1069
1. 动机1.1 需要解决的问题生成数据：人工合成的图片视频、音频、文本压缩数据：构建高效的编码异常检测1.2 基于似然的模型从来自于真实分布的数据样本来估计学习数据分布可以计算任意样本的概率值并且采样生成新的样本例如: 需要学习数据分布：[128,128,3]RGB图像数据在接近50000维的空间中分布需要模型具有的属性：高效训练、高效的模型表达；丰富的表达能力与生成能力可高效快速采样...
论文阅读笔记十九：PIXEL DECONVOLUTIONAL NETWORKS(CVPR2017)
weixin_34038652的博客
11-27 219
论文源址：https://arxiv.org/abs/1705.06820 tensorflow(github): https://github.com/HongyangGao/PixelDCN 基于PixelDCL分割实验：https://github.com/fourmi1995/IronsegExperiment-PixelDCL 摘要 反卷积被广泛用于深度学习...
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 ...
WEDTM：ICML 2018中论文“使用词嵌入进行主题内和主题内学习”的代码
02-02
《使用词嵌入进行主题内和主题外学习》是2018年ICML（国际机器学习大会）上发表的一篇研究论文，该论文聚焦于如何利用词嵌入技术改进主题建模。词嵌入是一种现代自然语言处理技术，它能够将单词表示为向量，这些向量...
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。
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
ICML_2021
02-11
WHY FLATNESS与深层网络广义化相关的示例代码 对于我们在带有开放数据集的正文中进行的所有实验，我们提供源代码以重现结果。 这包括数字。 3来图。 主文件中的第5条，附录中的各种结果，对代码的修改最少。 环境： 平台：Linux GPU：NVIDIA GeForce RTX 2080 Ti CPU：我们的匿名计算集群 我们建议您使用自己的python3虚拟环境。 只需创建并激活自己的虚拟环境，然后运行： python3 -m pip install -r requirements.txt 。 然后，您都准备好了！ 复制图。 图3（a），（b），（d），（e）和图。 4，请参阅 复制图。 3（c），（f），请参阅 复制图。 5，请参阅 1和3可以在短时间内在单个CPU上运行，而2和3最好在GPU上运行。
ICML 2019年 会议文章目录 （含论文下载链接）
06-04
international conference on machine learning（ICML） 2019年 会议文章目录 含论文下载链接
GAIN:生成对抗式插补网络（GAIN）的代码库-ICML 2018
05-23
“生成对抗式插补网络（GAIN）”的代码库 作者：尹振成，詹姆斯·乔登，米哈埃拉·范德沙尔 论文：Jinsung Yoon，James Jordon，Mihaela van der Schaar，“ GAIN：使用生成对抗网络进行数据插补”，国际机器学习会议（ICML），2018年。 论文链接： : 联络人： 该目录包含使用两个UCI数据集进行插补的GAIN框架的实现。 UCI信（ ） UCI垃圾邮件（ ） 要运行有关GAIN框架的培训和评估管道，只需运行python3 -m main_letter_spam.py。 请注意，任何模型体系结构都可以用作生成器和鉴别器模型，例如多层感知器或CNN。 命令输入： data_name：字母或垃圾邮件 miss_rate：缺少组件的概率 batch_size：批量大小 hint_rate：提示率 alpha：超参数 迭代：
深度学习经典论文及开源代码
linghu8812的博客
03-14 5991
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...
每周论文分享-0723
lqfarmer的博客
08-11 1830
分享一些最近阅读的一些最新论文，整理论文的主要内容，方便大家索引，快速找到自己需要内容。   1、Marian: Cost-effective High-Quality Neural Machine Translation in C++  概述：将teacher-student训练，low-precision矩阵相乘，auto-tuning等其他技术用于优化Transformer在GPU...
各种深度聚类方法摘要
ddana_a的博客
08-05 6968
Spectral Clustering with Graph Neural Networks for Graph Pooling 频谱聚类（SC）是一种流行的聚类技术，用于在图形上查找强连接的社区。 SC可以在图形神经网络（GNN）中使用，以实现汇总属于同一群集的节点的池化操作。但是，拉普拉斯算子的特征分解是昂贵的，并且由于聚类结果是特定于图的，因此基于SC的合并方法必须为每个新样本执行新的优化。在本文中，我们提出了一种图聚类方法来解决SC的这些局限性。我们制定了标准化minCUT问题的连续松弛，并训练了G
论文笔记：Deep Fuzzy K-Means with Adaptive Loss and Entropy Regularization
GYY8023的博客
02-25 2202
Deep Fuzzy K-Means with Adaptive Loss and Entropy Regularization 1 摘要 文章的主要研究内容(DFKM)： 1.讲模糊聚类加入到自动编码器中以提取更合适的深层特征。 2.文章提出的DFKM进行深层的特征提取和模糊聚类，并且同时产生更合适的非线性特征映射。 3.为了增强模型的鲁棒性，构造了自适应加权损失函数。 4.采用熵正则化的方法来...
一文解读Masked Autoencoder(MAE)
热门推荐
abbcdc的博客
04-02 2万+
如果说Vision Transformer是Transformer在CV领域的拓展，那么Masked Autoencoder就是BERT在CV领域的拓展。MAE使用类似于BERT的掩码机制，从图片中随机抹去一些像素，并让模型通过已知像素去构建未知像素，从而迫使模型学习图像中的特征。实验证明：MAE具有很好的像素重构能力。
DCFnet训练代码
Got_Flipped的博客
12-26 717
DCFnet - Discrimitive Correlation Filters Network for Visual Tracking 搞了一年的相关滤波跟踪，终于搞下，真正的深度学习。这篇文章思路还是很简单的，不过中间的很多细节可以去慢慢调试。 首先自己的电脑配置 win10+gtx1050ti 训练的时候，作者说需要很大的内寸。所以使用虚拟内存，具体方法可以百度。 ...
ICML 2018 笔记.pdf
最新发布
02-03
"这是一份关于ICML 2018（国际机器学习大会）的会议笔记，涵盖了从深度学习理论到强化学习的各种主题。笔记详细记录了各个教程和论文的关键点，包括优化、过度参数化、深度学习的作用、生成模型、学习控制、强化学习...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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