论文学习
文章平均质量分 83
Ten_yn
这个作者很懒,什么都没留下…
展开
-
深度学习:多任务学习-几篇综述简介
文章目录1. An Overview of Multi-Task Learning in Deep Neural Networks2. MULTI-TASK LEARNING WITH DEEP NEURAL NETWORKS: A SURVEY1. An Overview of Multi-Task Learning in Deep Neural Networks这篇文章完整翻译了一下,见https://blog.csdn.net/qq_38290475/article/details/1142834原创 2021-03-05 16:23:52 · 1279 阅读 · 0 评论 -
综述翻译:多任务学习-An Overview of Multi-Task Learning in Deep Neural Networks
多任务学习已经在机器学习的很多领域取得成功,包括自然语言处理、语音识别、计算机视觉和药物发现。本文旨在给出多任务学习的概述,尤其是在深度神经网络方面的多任务学习。本文介绍了深度学习中两种最常用的多任务学习方法,给出了这方面的概述,并讨论了最新进展。特别是,它通过阐明多任务学习的工作原理并提供选择适当辅助任务的指南来帮助机器学习从业者应用多任务学习。翻译 2021-03-02 17:07:44 · 2172 阅读 · 0 评论 -
深度学习:多标签学习-论文阅读(CNN-RNN、Rethinking Structure)
摘要:多标签分类问题中,要想提高预测性能,需要充分利用好标签之间的相互依赖。文献【1】指出可以利用RNN的中间状态来表示标签之间的关系,提出CNN-RNN framework来学习标签之间的依赖关系以及样本-标签之间的关系,文献【2】进一步开发RNN的记忆能力,提出Rethinking Structure学习标签之间的关系,同时使用一种标签敏感的代价函数进行训练。本文对两篇文献的主要思想进行总结。原创 2020-03-04 09:18:40 · 3120 阅读 · 2 评论 -
深度学习:深度复数网络(Deep Complex Networks)-从论文到pytorch实现
实数网络在图像领域取得极大成功,但在音频中,信号特征大多数是复数,如频谱等。简单分离实部虚部,或者考虑幅度和相位角都丢失了复数原本的关系。论文按照复数计算的定义,设计了深度复数网络,能对复数的输入数据进行卷积、激活、批规范化等操作。在音频信号的处理中,该网络应该有极大的优势。这里对论文提出的几种复数操作进行介绍,并给出简单的pytorch实现方法。原创 2020-03-03 14:04:49 · 19440 阅读 · 53 评论 -
深度学习:生成对抗网络-论文阅读(GAN,CGAN,DCGAN和pix2pix的总结)
从本质上来说,生成对抗网络(GAN)是一种特殊的损失函数。原创 2020-01-17 16:15:57 · 2447 阅读 · 0 评论 -
以压缩感知问题为例介绍利用神经网络的Learning to learn方法
利用近端梯度下降算法,给出求解压缩感知问题的迭代软阈值和迭代硬阈值算法,并将迭代硬阈值算法通过Learning to learn方法进行改进,利用深度神经网络的模型进行学习.原创 2020-02-27 10:29:45 · 1088 阅读 · 3 评论