ICLR 2014--论文

最新推荐文章于 2024-02-27 22:24:14 发布
最新推荐文章于 2024-02-27 22:24:14 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： 论文 文章标签： 论文
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/qq_27009517/article/details/85702040
版权
本文汇总了ICLR 2014年工作坊和会议中的多篇论文，涵盖了深度学习在图像识别、物体检测、神经网络训练、无监督特征学习等多个领域的最新进展。研究包括多GPU训练、卷积网络、信息传播、对比散度等主题，展示了深度学习在解决复杂问题上的潜力和挑战。
摘要由CSDN通过智能技术生成

ICLR 2014 Workshop Track

Submitted Papers

Do Deep Nets Really Need to be Deep? 

Jimmy Lei Ba, Rich Caurana

26 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone10 Replies

Multi-GPU Training of ConvNets 

Omry Yadan, Keith Adams, Yaniv Taigman, Marc'Aurelio Ranzato

26 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone9 Replies

Deep learning for class-generic object detection 

Brody Huval, Adam Coates, Andrew Ng

25 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone2 Replies

GPU Asynchronous Stochastic Gradient Descent to Speed Up Neural Network Training 

Hailin Jin, Thomas Huang, Zhe Lin, Jianchao Yang, Thomas Paine

25 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone13 Replies

Relaxations for inference in restricted Boltzmann machines 

Sida I. Wang, Roy Frostig, Percy Liang, Christopher D. Manning

24 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone3 Replies

Occupancy Detection in Vehicles Using Fisher Vector Image Representation 

Yusuf Artan, Peter Paul

24 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone2 Replies

Learning Information Spread in Content Networks 

Cédric Lagnier, Ludovic Denoyer, Sylvain Lamprier, Simon Bourigault, patrick gallinari

24 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone4 Replies

Stochastic Gradient Estimate Variance in Contrastive Divergence and Persistent Contrastive Divergence 

Mathias Berglund, Tapani Raiko

24 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone4 Replies

Generic Deep Networks with Wavelet Scattering 

Edouard Oyallon, Stéphane Mallat, Laurent Sifre

23 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone4 Replies

Learning States Representations in POMDP 

Gabriella Contardo, Ludovic Denoyer, Thierry Artieres, patrick gallinari

23 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone2 Replies

Competitive Learning with Feedforward Supervisory Signal for Pre-trained Multilayered Networks 

Takashi Shinozaki, Yasushi Naruse

23 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone5 Replies

Unsupervised Feature Learning by Deep Sparse Coding 

Yunlong He, Arthur Szlam, Yanjun Qi, Yun Wang, Koray Kavukcuoglu

23 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone7 Replies

Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 

Karen Simonyan, Andrea Vedaldi, Andrew Zisserman

23 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone3 Replies

Distributional Models and Deep Learning Embeddings: Combining the Best of Both Worlds 

Irina Sergienya, Hinrich Schütze

20 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone7 Replies

End-to-End Text Recognition with Hybrid HMM Maxout Models 

Ouais Alsharif, Joelle Pineau

20 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone5 Replies

Learning Factored Representations in a Deep Mixture of Experts 

David Eigen, Marc'Aurelio Ranzato, Ilya Sutskever

20 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone8 Replies

Learning Semantic Script Knowledge with Event Embeddings 

Ashutosh Modi, ivan titov

19 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone7 Replies

Unsupervised feature learning by augmenting single images 

Alexey Dosovitskiy, Jost Tobias Springenberg, Thomas Brox

19 Dec 2013ICLR 2014 workshop submissionReaders:  Everyone4 Replies

Deep Learning Embeddings for Discontinuous Linguistic Units 

最低0.47元/天 解锁文章
shelleyHLX
关注
专栏目录
论文解读-Intriguing properties of neural networks（ICLR2014）
chadlee
08-12 1170
Intriguing properties of neural networks（ICLR2014） 这篇文章被认为是对抗样本的开山之作，首次发现并提出了对抗样本，作者阵容豪华，被引了很多次。但是文章的名字是《神经网络有趣的特性》，着重理解一下作者笔下神经网络的特性，特别是作者对对抗样本的解释，之后还有其他角度解释的文章。 对抗样本 文章通过求解以下优化问题找到对抗样本：  Minimize c∣r∣+loss⁡f(x+r,l) subject to x+r
深度学习（二十六）Network In Network学习笔记
热门推荐
hjimce的专栏
01-04 5万+
本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper：《Network In Network》，过去一年已经有了好几百的引用量，这篇paper改进了传统的CNN网络，采用了少量的参数就松松击败了Alexnet网络，Alexnet网络参数大小是230M，采用这篇paper的算法才29M，减小了将近10倍啊。这篇paper提出的网络结构，是对传统CNN网络的一种改进(这种文献少之又少，所以感觉很有必要学习)。
Network in Network - ICLR 2014
_menglan_Zi
06-13 3550
NIN是2014 ICLR的一篇论文，你会发现很多论文都会引用到该论文，可见该论文是牛逼的。 之所以想看这篇，是因为自己想弄到object classification & detection的经典的network architecture的脉络（说白了，笔者菜鸟一个， 哭去，连这篇论文都没看过），这里可以推荐各位看官看下这篇 Neural Network Architectures（h
ICLR2014：论文解读与复现《Deep inside CNN：Visualising Image Classification Models and Saliency Maps》
要相信光
08-09 4133
《Deep Inside Convolution Networks: Visualising Image Classification Models and Saliency Maps》 文章目录原文地址论文阅读方法初识（Abstract & Introduction & Conclusion）相知（Body）2. Class Model Visualisation3. Image-Specific Class Saliency Visualisation3.1 Class Saliency
ICLR2014_Intriguing properties of neural networks
weixin_30662011的博客
03-13 394
Author 一作： Christian Szegedy (GooLeNet, BN) 三作：Ilya Sutskever (AlexNet二作，S2S) 六作：Ian Goodfellow(DL book, Maxout, GAN Bengio学生) 七作：Rob Fergus(Visualizing) 大佬们总是喜欢一块玩，┓(´∀`)┏ Abstract DNN的...
ICLR2020---如何判断两个神经网络学到的知识是否一致.pdf
08-12
本文总结了ICLR 2020年的一篇论文《Knowledge Consistency between Neural Networks and Beyond》，该论文提出了一个评估神经网络特征表达一致性、可靠性、知识盲点的方法。该方法可以诊断神经网络中层表征能力，...
论文浅尝 # ICLR 2020 - 一文全览知识图谱研究
05-09
以下是基于ICLR2020上知识图谱相关论文的五个主要研究方向： 1. 在复杂问答（QA）中利用知识图谱进行神经推理。今年的ICLR2020突显了在复杂问答和推理任务中越来越多的研究和数据集。例如，研究者们对语义合成性和...
ICLR 2013--论文
qq_27009517的博客
01-03 795
ICLR 2013 Conference Track Accepted for Oral Presentation Herded Gibbs Sampling  Luke Bornn, Yutian Chen, Nando de Freitas, Maya Baya, Jing Fang, Max Welling 19 Jan 2013ICLR 2013 conference submis...
ICLR2019-OpenReviewData:从ICLR OpenReview网页抓取元数据的脚本。 在Ubuntu上安装和使用Selenium和ChromeDriver的教程
04-14
接受的论文对被拒绝的论文的平均评分为6.611和4.716。 分布绘制如下。 先决条件 Python3.5 （在无头设备上运行） 可视化 投稿关键词形成的词云显示了强化学习，生成对抗网络，生成模型，模仿学习，表示学习等热门...
ICLR 2014 International Conference on Learning Representations深度学习论文papers
weixin_34319640的博客
03-28 1304
ICLR 2014 International Conference on Learning Representations Apr 14 - 16, 2014, Banff, Canada   Workshop Track Submitted Papers Stochastic Gradient Estimate Varia...
Network In Network笔记-ICLR 2014
zhongshaoyy的博客
12-27 714
Network In Network学习笔记 原文地址：http://blog.csdn.net/hjimce/article/details/50458190 作者：hjimce 一、相关理论 本篇博文主要讲解2014年ICLR的一篇非常牛逼的paper：《Network In Network》，过去一年已经有了好几百的引用量，这篇paper改进了传统的CNN网络，采
NIN：Network In Network 2014年ICLR
qq_38109282的博客
10-20 740
前言 NIN：Network In Network提出了MLPconv和GAP代替全连接层的思路 Abstract 我们提出了一种称为“Network In Network”（NIN）的新型深层网络结构，以增强感受野内局部斑块的模型可分辨性。传统的卷积层使用线性滤波器和非线性激活函数来扫描输入。取而代之的是，我们构建了具有更复杂结构的微神经网络来提取感受野中的数据。我们用多层感知器（MLP）来实例化微神经网络，它是一个强大的函数逼近器。以与CNN类似的方式，通过在输入端滑动微网络来获得特征图；然后它们被送.
【论文笔记】—VGG网络—2014-ICLR
chaiky的博客
05-28 597
题目：Very Deep Convolutional Networks for Large-Scale Visual Recognition 用于大规模图像识别的超深卷积网络 2014年ImageNet图像定位竞赛冠军，分类竞赛亚军，分类第一是当年的GoogLeNet。 DOI：arXiv:1409.1556 时间：2014-09-04上传于arxiv 会议：2015 International Conference on Learning Representations（ICLR） 机构：牛津大学
Auto-Encoding Variational Bayes阅读笔记
Malidong的博客
03-27 771
ICLR2014 D.P. Kingma，M. Welling 一、简介 变分自动编码器。
【论文阅读】Spectral Networks and Deep Locally Connected Networks on Graphs（图的频谱网络和深度局部连接网络）
cziun的博客
07-12 1163
【论文阅读】Spectral Networks and Deep Locally Connected Networks on Graphs（图的频谱网络和深度局部连接网络）摘要1 引言2 空间结构2.1 节点的邻域2.2 图的多分辨率分析2.3 深度局部连接网络 摘要 卷积神经网络在图片和音频的识别任务中表现良好，是充分利用了信号在其域中的局部平移不变性。但由于图是非欧氏空间的数据结构无法进行传统意义上的卷积操作，同时又希望卷积的思想可以应用在图结构上。于是作者基于此提出了两种结构，一种基于域的层次聚类(空
图卷积神经网络GCN---谱图卷积层代表作
青山白云间
03-31 1142
Spectral-based ConvGNN 这篇博客侧重列举谱图卷积的主要发展演变，如果要从头理解建议阅读图卷积神经网络（Graph Convolutional Network）之谱卷积。 基于图谱方法的卷积是图卷积神经网络的一个重要方法。频谱方法的一个常见缺点是它们需要将整个图形加载到内存中以执行图形卷积，这在处理大图形时效率不高。[8] 1 Spectral networks and l...
谱域图卷积神经网络知识梳理(二) 谱域GCN变种讲解
最新发布
WANGYANG的博客
02-27 1172
对传统谱域图神经网络进行回顾，对后续的衍生模型进行系统化的讲解，梳理时间线以及优缺点必要性分析。
cGANs与投影判别器：ICLR2018论文摘要
这篇论文是2018年在ICLR（国际学习表征会议）上发表的，主要探讨了一种新的条件生成对抗网络（Conditional Generative Adversarial Networks, cGANs）的投影判别器（Projection Discriminator）方法。cGANs是一种...
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