深度学习
文章平均质量分 93
煎饼证
法师
展开
-
【每周论文】20210117-eleOFCT_CompactETA_DTInf
文章目录Order Fulfillment Cycle Time Estimation for On-Demand Food Delivery1. 概述2. Challenge3. 外卖订单生命周期4. 问题定义5. 特征工程5.1 订单信息5.2 聚合特征5.3 菜品特征5.4 烹饪时间特征5.5 供需特征5.6 外卖员特征5.7 基于ETA的配送时间特征5.8天气特征6. 模型7. 实验评述CompactETA: A Fast Inference System for Travel Time Predi原创 2021-01-17 21:43:54 · 555 阅读 · 2 评论 -
【每周论文】20210110-BusTr_ConSTGAT_HetETA
文章目录BusTr: Predicting Bus Travel Times from Real-Time Traffic1. 概述2. 本文与历史工作的区别3. 具体方法4. 训练细节5. 实验对比评述ConSTGAT: Contextual Spatial-Temporal Graph Attention Network for Travel Time Estimation at Baidu Maps1. 概述2. Contribution问题定义:略4. 特征5. 模型结构6. 实验评述HetETA:原创 2021-01-17 21:27:04 · 604 阅读 · 0 评论 -
【论文笔记】BusTr,基于实时交通数据的公交旅行时间预测
文章目录BusTr,基于实时交通数据的公交旅行时间预测1. 概述2. 本文与历史工作的区别3. 具体方法3.1 数据(样本)构造3.2 样本示例3.3 特征3.3.1 全局特征:full-trip上下文特征3.3.2 原子公共特征:空间特征3.3.3 路段的附加特征3.4 模型结构4. 模型训练4.1 Spatial input ablation4.2 Feature selection4.3 其他5. 实验5.1 和DeepTTE对比5.2 特征消融实验5.3 泛化实验6. 其他评述BusTr,基于实时原创 2021-01-16 21:38:21 · 795 阅读 · 1 评论 -
【笔记】Loc2Vec: Learning location embeddings with triplet-loss networks
这是个博客的笔记。。。 https://www.sentiance.com/2018/05/03/loc2vec-learning-location-embeddings-w-triplet-loss-networks/ https://www.jiqizhixin.com/articles/2018-06-25-5概述场地映射算法的目标是根据位置测量数据,推测用户...原创 2018-07-10 20:34:53 · 1495 阅读 · 0 评论 -
快速风格迁移
风格迁移是CV的一个应用,通过融合风格图片和内容图片,实现图片的风格变换,“人人都是艺术家” 最早在论文《A Neural Algorithm of Artistic Style》中提出,但是这种方法是用“训练”的思想来做风格迁移,每次都要单独训练,速度很慢 快速风格迁移由《Perceptual Losses for Real-Time Style Transfer Super-...原创 2018-09-05 23:18:35 · 8947 阅读 · 3 评论 -
【论文笔记】Structural Deep Network Embedding
Structural Deep Network Embeddinghttps://www.kdd.org/kdd2016/papers/files/rfp0191-wangAemb.pdf本文介绍图嵌入的一种方法——SDNE,用深度神经网络来做图嵌入,以下主要摘录论文以及记录一点个人理解。摘要network embedding,是为网络中的节点学习出一个低维表示的方法。目的在于在低...原创 2018-10-30 18:30:33 · 4863 阅读 · 0 评论 -
【深度学习】序列问题系列(0)——概述
目前深度学习的基础结构包括DNN、CNN、RNN、GNN等。DNN为多层前向神经网络,为最基础的全连接形态;CNN为卷积神经网络,适合处理图像问题,或其他具有“平移不变性”的问题,如图像分类、物体识别等;RNN为循环神经网络,适合处理序列问题,或其他与上下文环境相关的问题,如文本预测、情感分类、机器翻译、路径预测等;GNN为图神经网络,适合处理图结构问题,也能看做是图像、序列等的更一般化结...原创 2018-12-29 15:04:33 · 401 阅读 · 1 评论 -
混合密度模型Mixture Density Networks
翻译并简化自:http://blog.otoro.net/2015/11/24/mixture-density-networks-with-tensorflow/?tdsourcetag=s_pctim_aiomsgnotebook地址:http://otoro.net/ml/ipynb/mixture/mixture.html简单的数据拟合(用TF)我们首先快速构建一个神经网络来拟合...翻译 2019-01-19 19:28:11 · 10618 阅读 · 4 评论 -
【论文笔记】A Neural Representation of Sketch Drawings
谷歌的论文,基于seq2seq+VAE编码并生成手绘序列https://arxiv.org/pdf/1704.03477.pdf本文主要是论文的概述翻译,记录文章目录1.Introduction2.Related Work3.方法3.1 数据集3.2 Sketch-RNN1.Introduction生成模型的发展:GANs(Generative Adversarial Networ...原创 2019-01-15 16:22:12 · 1725 阅读 · 1 评论