深度学习
深度学习笔记更新
执笔论英雄
这个作者很懒,什么都没留下…
展开
-
A Model-Driven Deep Learning Method for Normalized Min-Sum LDPC Decoding
来源Q. Wang, S. Wang, H. Fang, L. Chen, L. Chen and Y. Guo, “A Model-Driven Deep Learning Method for Normalized Min-Sum LDPC Decoding,” 2020 IEEE International Conference on Communications Workshops (ICC Workshops), Dublin, Ireland, 2020, pp. 1-6, doi: 10.1原创 2020-09-07 14:09:38 · 848 阅读 · 0 评论 -
每日强化学习
20200901强化学习阅读:https://blog.csdn.net/qq_30615903/article/details/80739243原创 2020-09-01 15:23:39 · 111 阅读 · 0 评论 -
grahp attention networks(GAT 学习必记)
深入理解图注意力机制向往的GAT(图注意力模型)原创 2020-02-20 15:12:26 · 556 阅读 · 0 评论 -
RNN
原创 2019-03-13 13:51:05 · 152 阅读 · 0 评论 -
激活函数的作用
参考:https://www.zhihu.com/question/22334626原创 2019-03-11 19:42:21 · 318 阅读 · 0 评论 -
semi -supervised classification with graph convolutional networks学习必记
1 主要解决的问题半监督学习:用于少量节点标签未知,例如文本、citation network、知识图谱分类2 主要思想采用图卷积中的一阶局部近似(即K=1),这部分的理解可以参考Chebyshev多项式作为GCN卷积核当K=1 时有两个参数,模型scales linearly in the number of graph edges ,同时可以表征局部图结构和节点的特征:3. 半...原创 2020-02-19 14:27:03 · 342 阅读 · 0 评论 -
GCN 学习计划
https://blog.csdn.net/qq_41727666/article/details/84622965原创 2019-12-27 15:58:57 · 123 阅读 · 0 评论 -
The Perfect Match: 3D Point Cloud Matching with Smoothed Densities
我们提出了3DSmoothNet,这是一个完整的工作流程,可以使用体素化的平滑密度值(SDV)表示,将3D点云与(siamese)深度学习体系结构和完全卷积层进行匹配。后者是针对每个兴趣点计算的,并与本地参考框架(LRF)对齐以实现旋转不变性。我们的紧凑型,学习型,旋转不变的3D点云描述符在3DMatch基准数据集[50]上实现了94:9%的平均召回率,仅32个输出维度就比最新技术高出20%...原创 2019-11-12 13:10:47 · 647 阅读 · 0 评论 -
CVPR2019 | 论文分类汇总
原文链接:http://bbs.cvmart.net/topics/302/cvpr2019paper CVPR2019 | 论文分类汇总(190611 更新) 原文地址:http://bbs.cvmart.net/topics/3...转载 2019-11-12 08:57:13 · 30097 阅读 · 0 评论