论文
水木流年追梦
清华大学计算机研究生,专研算法工程
展开
-
清华大学推荐人工智能A类B类期刊与会议汇总!!!发论文必备
ICLR 终于上榜A类,IJCAI降级清华的论文评级与CCF推荐有所不同相比之下,CCF 推荐A 类会议 7 个,B 类会议 12 个;C 类会议 21 个;A 类期刊 4 个,B 类期刊 21 个,C 类期刊 36 个。其中A类会议分别是AAAI、NeurIPS、ACL、CVPR、ICCV、ICML、IJCAI。具体而言,清华新增了 ICLR、RSS 为 A 类会议;清华把 CCF 定为 B 类的 ECCV 、COLT、EMNLP 、ICRA 评定为 A 类,以及将 CCF 定为原创 2020-12-07 22:04:00 · 6336 阅读 · 2 评论 -
CCF推荐人工智能A类B类期刊与会议汇总!!!发论文必备
中国计算机学会推荐国际学术会议(人工智能)一、 A 类序号 会议简称 会议全称 出版社 网址 1 AAAI AAAI Conference on Artificial Intelligence AAAI http://dblp.uni-trier.de/db/conf/aaai/ 2 NeurIPS Annual Conference on Neural Information Processing Systems原创 2020-12-07 22:00:29 · 5705 阅读 · 1 评论 -
计算机顶会论文写作科研利器
Grammarly语法纠错之类的sci-hub:scihub最新可用地址找论文,得到bibtexLinggle 10^12- Language Reference Search Engines - NLPLab常用词语搭配原创 2020-10-23 13:04:46 · 389 阅读 · 0 评论 -
Learning Shape Priors for Single-View 3D Completion and Reconstruction
摘要单视图3D形状完成或重建的问题具有挑战性,因为在解释观察结果的许多可能形状中,大多数形状令人难以置信,并且不对应于自然物体。 通过使用深度卷积网络的表达能力,该领域的最新研究已经解决了这个问题。 实际上,还有另一个模糊性水平经常被忽略:在合理的形状中,仍然有多个形状可以很好地拟合2D图像; 即,给定单视图输入,地面真值形状是不确定的。 现有的完全监督方法无法解决此问题,并且通常会产生具有平滑表面但没有精细细节的模糊平均形状。 在本文中,我们提出了ShapeHD,通过将深度生成模型与对抗性学习的形状.原创 2020-05-17 01:15:57 · 1056 阅读 · 1 评论 -
Deformable Shape Completion with Graph Convolutional Autoencoders
摘要负担得起的便携式深度传感器的可用性使扫描物体和人员比以往任何时候都更加简单。 但是,处理遮挡和缺失部分仍然是一个重大挑战。 近年来,从单个或多个部分扫描重建3D对象(可能非刚性移动)的问题日益受到关注。 在这项工作中,我们提出了一种新颖的基于学习的方法来完成局部形状。 与大多数现有方法不同,我们的方法着重于可能经历非刚性变形的物体。 带有图卷积运算的变式自动编码器的核心,它学习了完整逼真的形状的潜在空间。 推断时,我们进行优化以在此潜在空间中找到最能将生成的形状拟合到已知部分输入的表示形式。 完成的原创 2020-05-16 11:07:43 · 882 阅读 · 0 评论 -
PU-Net: Point Cloud Upsampling Network
摘要由于数据的稀疏性和不规则性,使用深度网络学习和分析3D点云具有挑战性。 在本文中,我们提出了一种数据驱动的点云上采样技术。 关键思想是通过隐式地在特征空间中的多分支卷积单元学习多点特征和扩展点集。 扩展的特征会分解为多个特征,然后将其重构为上采样点集。 我们的网络是在补丁级别应用的,具有联合损失函数,该函数鼓励向上采样的点以均匀分布的形式保留在基础表面上。 我们使用合成和扫描数据进行了各种实验,以评估我们的方法,并证明了其相对于某些基准方法和基于优化的方法的优越性。 结果表明,我们的上采样点具有更好的原创 2020-05-16 01:24:24 · 1146 阅读 · 1 评论 -
SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation
摘要我们介绍了相似性组提议网络(SGPN),这是一种用于点云上3D对象实例细分的简单直观的深度学习框架。 SGPN使用单个网络来预测点分组建议和每个建议的对应语义类,我们可以从中直接提取实例分割结果。 对于SGPN的有效性而言,重要的是其新颖的3D实例分割结果,以相似度矩阵的形式表示,该矩阵指示嵌入式特征空间中每对点之间的相似度,从而为每个点提供准确的分组建议。 在各种3D场景上的实验结果证明了我们的方法在3D实例分割中的有效性,并且我们还评估了SGPN改善3D对象检测和语义分割结果的能力。 我...原创 2020-05-14 22:54:56 · 929 阅读 · 1 评论 -
A Volumetric Method for Building Complex Models from Range Images
摘要已经开发出许多技术,用于通过整合对准范围的图像组来重建表面。 此类算法的理想属性包括:增量更新,方向不确定性表示,填补重构中的空白的能力以及存在异常值时的鲁棒性。 先前的算法拥有这些属性的子集。 在本文中,我们提出了一种具有所有这些特性的积分距离图像的体积方法。我们的体积表示法包括累积加权符号距离函数。 一次处理一个范围图像,我们首先将其扫描转换为距离函数,然后将其与使用简单加法方案已获取的数据合并。 为了达到空间效率,我们对volume进行游程编码。 为了达到效率,请重新采样范围图像以与体素网原创 2020-05-14 20:09:48 · 1677 阅读 · 0 评论 -
Shape Inpainting using 3D Generative Adversarial Network and Recurrent Convolutional Networks
摘要卷积神经网络的最新进展已显示出有希望的3D形状完成结果。 由于GPU内存的限制,这些方法只能产生低分辨率的输出。 为了用语义上的合理性和上下文详细信息修补3D模型,我们引入了一个混合框架,该框架结合了3DEncoder-Decoder生成对抗网络(3D-ED-GAN)和长期递归卷积网络(LRCN)。 3DED-GANisa3D卷积神经网络经过生成对抗模型进行训练,以低分辨率填充丢失的3D数据。 LRCN采用循环神经网络架构以最大程度地减少GPU内存使用,并将编码器/解码器对合并到长期短期内存网络..原创 2020-05-13 23:38:15 · 601 阅读 · 1 评论 -
Learning 3D Shape Completion from Laser Scan Data with Weak Supervision
摘要来自局部点云的3D形状完成是计算机视觉和计算机图形学中的一个基本问题。 最近的方法可能被描述为基于数据驱动或基于学习的方法。 数据驱动的方法依赖于形状模型,其参数已针对观察进行了优化。 相比之下,基于学习的方法避免了昂贵的优化步骤,而是使用深度神经网络从不完整的观测值直接预测完整的形状。 但是,需要全面的监督,而这在实践中通常是不可用的。 在这项工作中,我们提出了一种基于弱监督学习的3D形状完成方法,该方法既不需要慢速优化也不需要直接监督。 虽然我们还学习了形状先验的合成数据,但使用深层神经网络进行原创 2020-05-13 18:30:27 · 584 阅读 · 0 评论 -
ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes
摘要利用监督的深度学习方法的关键要求是大型,标记数据集的可用性。 不幸的是,在了解RGB-D场景的情况下,几乎没有可用的数据–当前的数据集覆盖了一小部分场景视图,并且语义注释有限。 为解决此问题,我们引入了ScanNet,它是一个包含15M场景中的2.5Mviews的RGB-Dvideo数据集,并带有3D相机姿势,表面重建和语义分割。 为了收集这些数据,我们设计了一个易于使用且可扩展的RGB-D捕获系统,该系统包括自动表面重建和众包语义注释。 我们证明,使用这些数据有助于在一些3D场景理解任务上实现最先原创 2020-05-13 16:44:54 · 1513 阅读 · 0 评论 -
Shape Completion using 3D-Encoder-Predictor CNNs and Shape Synthesis 第二部分
为了生成训练数据,我们使用ShapeNet模型数据库[2],同时对8个类别的子集(请参见第8节)和总共25590个对象实例(测试集由5384个模型组成)进行训练。 在训练过程中,我们通过虚拟扫描3D模型来生成部分重建。 在这里,我们使用自定义虚拟DirectX渲染器根据给定模型的随机视图生成深度图。 所获得的深度图将范围值存储在规范化的设备坐标中。 我们使用Kinect内在函数将它们反向投影到度量空间(以m为单位)。 外在相机参数定义了刚性变换矩阵,这些矩阵为所有生成的视图提供对齐。 使用Curles..原创 2020-05-13 09:27:58 · 651 阅读 · 0 评论 -
Network-based Fraud Detection for Social Security Fraud
这个研究旨在确定那些故意申请破产来避免交税的公司。介绍了一个新的方法关于如何从一个时间加权网络中定义并提取出特征,如何利用整合在欺诈检测中基于网络的本质的特征。 欺诈检测是一个包括很多种类不同的申请者和不同要求的研究领域,包括信用卡欺诈,通话记录欺诈,洗钱,保险欺诈和通讯欺诈。这些问题通常表现出相同的特征,但每个问题的具体解决办法是特定领域的。数据挖掘技术,在大量数据中寻找特征和异常,已经证明...原创 2019-04-09 10:08:44 · 478 阅读 · 0 评论 -
Behavior Language Processing with Graph based Feature Generation for Fraud Detectionin OnlineLending
节点的度描述了与这个信息节点相连的申请节点的个数,也遵循幂律。以公司为例的话就是大规模的公司例如顶尖保险公司和主要的物流公司通常与大量的贷款申请相关联。全局欺诈传播的传播算法是度相关的,有大的度的节点等比例地传播更多欺诈比起低度节点。因此,信息节点的枢纽将会暴漏在大量的欺诈中,从而引起误报。Graph Fraud Feature Extraction在本节中讨论如何以网络分析...原创 2019-04-09 10:02:07 · 428 阅读 · 0 评论 -
PageRank
为了衡量网页的重要性,pagerank是一种基于网络图计算每个页面的排名的方法。 通常来说高连接的页面比少连接的页面更重要。 pagerank的直观描述:一个页面有高rank如果它的反向链接的rank和是高的。这包括两种情况,一个页面有很多反向链接和一个页面有一些高rank的反向链接 以上是一个简单的ranking定义 随机游走模型,“random surfer”简单地随机点击...原创 2019-04-09 10:14:13 · 533 阅读 · 0 评论 -
Pagerank-2
拓展图有很多的我们可能涉及到的网络图在未来在计算上探索的理想的性能。Searching with PageRankPageRank的一个主要应用是搜索。我们已经实现了两个使用pagerank的搜索引擎。我们首先要讨论的是一个简单的基于标题的搜索引擎。第二个搜索引擎是名为Google的全文搜索引擎。Google利用了一系列的因子去对搜索结果排序包括标准IR度量,接近度,锚文本(链接到网页的文...原创 2019-04-09 10:15:31 · 254 阅读 · 0 评论 -
同质异质网络——(F(fraud) A(Analytics) UDPSNT(Wylie_2015))
当标签x的结点更大程度上连接其他标签x的结点的时候,这个网络是同质的。非同质的网络是异质的。 这里定义的同质异质网络是指行骗者更可能连接着其他行骗者。合法人更可能连接其他合法人。 令l为网络中合法结点的比例,f为网络中欺诈结点的比例,2lf就是一条边连接两个不同标签的结点的期望可能性,这些边叫做cross-labeled edges.如果已知的cross-labeled edges的比例r小于...原创 2019-04-09 10:16:11 · 8215 阅读 · 0 评论 -
Label-dependent Feature Extraction in Social Networks for Node Classification
提出了一种基于社会网络特征提取的网络内分类方法。该方法提供了结合网络结构信息和分配给节点的类标签来计算的新特性。研究了不同特征对分类性能的影响。在真实数据上的实验表明,该方法生成的特征可以显著提高分类精度。Introduction有一些应用和研究方法,特别是与社交网络相关的应用和研究方法,能够产生相互连接的对象标签之间依赖的数据,称为关系自相关。根据这些连接,应该向分类过程中添加额外...原创 2019-04-09 10:25:45 · 457 阅读 · 0 评论 -
DeepWalk: Online Learning of Social Representations-1
我们提出了一种新的学习网络中顶点的潜在表示的新方法。这些潜在表达在一个连续的向量空间中编码社交联系,它容易被统计模型利用。Deepwalk概括了语言模型的最近发展,和从单词序列到图的无特征监督学习。我们演示了DeepWalk在几个多标签分类任务的潜在表示,例如BlogCatalog,Flicker,Youtube。我们的结果表明DeepWalk优于具有挑战性的baseline,有一个对网络的全...原创 2019-04-09 10:30:39 · 387 阅读 · 0 评论 -
DeepWalk: Online Learning of Social Representations-2
Language Modeling语言建模的目标是估计语料库中出现特定单词序列的可能性。更正式的是,给定一个单词序列。在训练语料库里最大化在这项工作中,我们提出了一种通用的语言模化方法,通过一系列的随机短游动来研究图形。这些行走可以用一种特殊的语言来思考短句和短语。直接的模拟是估计在目前的随机游走之后发现顶点vi的可能性。我们的目标是学习一个潜在的表示,而不仅仅是节点共现的概率...原创 2019-04-09 10:40:44 · 390 阅读 · 0 评论 -
DeepFM: A Factorization-Machine based Neural Network for CTR Prediction
简介:学习用户行为背后的复杂特征交互对于推荐系统的CTR预估是很重要的,任务是预测用户点击推荐项目的概率。在在线广告中,提升收益是很重要的。所以排序策略成了CTR*bid,bid就是如果被一个用户点击了,系统的收益。对CTR预估来说,了解用户行为的隐含关联是很重要的,例如我们发现人们经常在饭点下载外卖app。 一般来说,用户单击行为背后的特性交互操作可能非常复杂,低阶和高阶特性交互都应该...原创 2019-04-10 15:00:46 · 1026 阅读 · 0 评论 -
Behavior Language Processing with Graph based Feature Generation for Fraud DetectioninOnline Lending
欺诈检测存在很多挑战:信用相关特征的稀疏性,例如社会保险,工作认证,然而这些对于目标人群来说都是稀疏的。数据的速率、种类和容量。设备的行为数据在容量和维度上有爆炸性的增长,而且行为数据对说明一个人的金融风险很有用,因为它揭示了申请人的兴趣、社会关系、生活方式,很难伪造。实际上问题就是如何整合这些数据并且应用合适的数据挖掘方法去为风险控制提取金融的信号,因为像浏览器日志这样的信息有着复杂的结构。欺诈...原创 2019-04-09 09:59:18 · 409 阅读 · 0 评论