论文阅读

最新推荐文章于 2022-07-02 11:11:40 发布
最新推荐文章于 2022-07-02 11:11:40 发布
阅读量773 收藏 1
点赞数
分类专栏： 笔记 文章标签： paper
原文链接：https://github.com/Tengfei000/Paper-Reading
版权

Paper-Reading

NeurIPS 2017:

  1. Attention Is All You Need
    paper:https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf

CVPR 2020:

  1. Data Uncertainty Learning in Face Recognition
    paper:https://openaccess.thecvf.com/content_CVPR_2020/papers/Chang_Data_Uncertainty_Learning_in_Face_Recognition_CVPR_2020_paper.pdf
  2. Variational Neural Network Pruning
    paper:https://openaccess.thecvf.com/content_CVPR_2019/papers/Zhao_Variational_Convolutional_Neural_Network_Pruning_CVPR_2019_paper.pdf

NeurIPS 2020:

  1. Uncertainty Aware Semi-Supervised Learning on Graph Data
    presentation:https://nips.cc/virtual/2020/protected/poster_968c9b4f09cbb7d7925f38aea3484111.html
    paper:https://proceedings.neurips.cc/paper/2020/file/968c9b4f09cbb7d7925f38aea3484111-Paper.pdf
  2. Uncertainty-aware Self-training for Few-shot Text Classification
    presentation:https://nips.cc/virtual/2020/protected/poster_f23d125da1e29e34c552f448610ff25f.html
    paper:https://proceedings.neurips.cc/paper/2020/file/f23d125da1e29e34c552f448610ff25f-Paper.pdf
  3. PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_8fb134f258b1f7865a6ab2d935a897c9.html
    paper:https://proceedings.neurips.cc/paper/2020/file/8fb134f258b1f7865a6ab2d935a897c9-Paper.pdf
  4. Variational Inference for Graph Convolutional Networks in the Absence of Graph Data and Adversarial Settings
    presentation:https://nips.cc/virtual/2020/protected/poster_d882050bb9eeba930974f596931be527.html
    paper:https://proceedings.neurips.cc/paper/2020/file/d882050bb9eeba930974f596931be527-Paper.pdf
  5. Random Walk Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_ba95d78a7c942571185308775a97a3a0.html
    paper:https://proceedings.neurips.cc/paper/2020/file/ba95d78a7c942571185308775a97a3a0-Paper.pdf
  6. Graph Random Neural Networks for Semi-Supervised Learning on Graphs
    presentation:https://nips.cc/virtual/2020/protected/poster_fb4c835feb0a65cc39739320d7a51c02.html
    paper:https://proceedings.neurips.cc/paper/2020/file/fb4c835feb0a65cc39739320d7a51c02-Paper.pdf
  7. Factorizable Graph Convolutional Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_ea3502c3594588f0e9d5142f99c66627.html
    paper:https://proceedings.neurips.cc/paper/2020/file/ea3502c3594588f0e9d5142f99c66627-Paper.pdf
  8. Building Powerful and Equivariant Graph Neural Networks with Structural Message-passing
    presentation:https://nips.cc/virtual/2020/protected/poster_a32d7eeaae19821fd9ce317f3ce952a7.html
    paper:https://proceedings.neurips.cc/paper/2020/file/a32d7eeaae19821fd9ce317f3ce952a7-Paper.pdf
  9. Bayesian Attention Module
    presentation:https://nips.cc/virtual/2020/protected/poster_bcff3f632fd16ff099a49c2f0932b47a.html
    paper:https://proceedings.neurips.cc/paper/2020/file/bcff3f632fd16ff099a49c2f0932b47a-Paper.pdf
  10. Auto Learning Attention
    presentation:https://nips.cc/virtual/2020/protected/poster_103303dd56a731e377d01f6a37badae3.html
    paper:https://proceedings.neurips.cc/paper/2020/file/103303dd56a731e377d01f6a37badae3-Paper.pdf
  11. Implicit Graph Neural Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_8b5c8441a8ff8e151b191c53c1842a38.html
    paper:https://proceedings.neurips.cc/paper/2020/file/8b5c8441a8ff8e151b191c53c1842a38-Paper.pdf
  12. Pointer Graph Networks
    presentation:https://nips.cc/virtual/2020/protected/poster_176bf6219855a6eb1f3a30903e34b6fb.html
    paper:https://proceedings.neurips.cc/paper/2020/file/176bf6219855a6eb1f3a30903e34b6fb-Paper.pdf

FER paper:

  1. Suppressing Uncertainties for Large-Scale Facial Expression Recognition
    paper:https://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_Suppressing_Uncertainties_for_Large-Scale_Facial_Expression_Recognition_CVPR_2020_paper.pdf

AAAI 2021:

  1. UAG: Uncertainty-Aware Attention Graph Neural Network for Defending Adversarial Attacks
    paper:https://virtual.2021.aaai.org/paper_AAAI-447.html
  2. Uncertainty-Matching Graph Neural Networks to Defend against Poisoning Attacks
    paper:https://virtual.2021.aaai.org/paper_AAAI-4382.html
Astonc
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PGM-Explainer实验总结
笔记|思路|总结
03-15 1万+
PGM-Explainer建立了一个概率图模型，为GNN提供实例级解释。 论文标题：PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks 论文地址：2010.05788.pdf (arxiv.org) PGM-Explainer实验 实验目的 研究PGM-Explainer的有效性 实验方案 合成数据集的节点分类 与其他解释器做对比实验 使用六个合成数据集。 每个输入图都是一个
PGM-Explainer
笔记|思路|总结
03-15 649
PGM-Explainer建立了一个概率图模型，为GNN提供实例级解释。 论文标题：PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks 论文地址：2010.05788.pdf (arxiv.org) 实验 本节提供了我们的实验，比较了PGM-Explainer与现有GNN解释方法的性能，包括GNNExplainer[24]和我们将Shapley Additive Explai
Unicode转GB2312编码码表
thewebcode
11-23 2万+
00A4 A1E800A7 A1EC00A8 A1A700B0 A1E300B1 A1C000B7 A1A400D7 A1C100E0 A8A400E1 A8A200E8 A8A800E9 A8A600EA A8BA00EC A8AC00ED A8AA00F2 A8B000F3 A8AE00F7 A1C200F9 A8B400FA A8B200FC A8B90101 A8A10113 A8A501...
signature=8fe0c6ffeeec1d2ea9caea1e3bd24d0a,[求助]高手来一个解密回题。
weixin_29572661的博客
05-29 3万+
[旧帖][求助]高手来一个解密回题。0.00元2008-3-9 16:2925427[旧帖][求助]高手来一个解密回题。0.00元2008-3-9 16:2925427这是一个代内挂的魔力登陆器，我给他脱壳了，用DUDU生成出来的DELPHI文件缺少RES资源文件用不了，没办法我就用资源查看器想用那个改，可是进去了，全是这乱码 CAPTION那个我解了， 就是那个Icon.Data = {...
unicode 和 GB2312 编码对应表
热门推荐
马如林的IT博客
10-29 16万+
unicode 和 GB2312 编码对应表unicode GB231200A4 A1E800A7 A1EC00A8 A1A700B0 A1E300B1 A1C000B7 A1A400D7 A1C100E0 A8A400E1 A8A200E8 A8A800E9 A8A600EA A8BA00EC A8AC00ED A8AA00F2 A8B000F3 A8AE00F7 A1C200F9 A8B400
【GNN五大类 VGAE】（变分图自编码器）：Variational Graph Auto-Encoders
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
04-29 1万+
转载阿泽的学习笔记 目录 1.Introduction 2.VGAE 2.1 VAE 2.2 VGAE 2.3 GAE 3.Experiment 4.Conclusion 5.Reference Thomas N. Kipf 的 2016 年的工作《Variational Graph Auto-Encoders》，目前引用量为 260 多。 VGAE 属于图自编码器，是图神...
论文阅读笔记模板
08-19
计算机相关专业学术论文阅读笔记模板，形式为表格，可用于论文阅读进度汇报、提交等
计算机 论文 阅读汇报
06-14
计算机学科 最新顶会顶刊论文（IEEE AAAI等） 汇报PPT
SpCo-NIPS 2022 论文阅读详细笔记
10-30
《从图谱视角重新审视图对比学习——NeurIPS 2022论文解析》 图对比学习（Graph Contrastive Learning, GCL）是近年来在无监督或自监督学习领域中备受关注的一种方法，尤其在处理图数据时，它能够有效地学习到节点...
论文阅读Train Large, Then Compress: Rethinking Model Size for Effici
03-25
论文阅读时记录的内容和思考
Confidential Computing within an AI Accelerator 论文阅读
01-16
Confidential Computing within an AI Accelerator 论文阅读 Confidential Computing within an AI Accelerator 是一篇关于在 AI 加速器中实现机密计算的论文。该论文介绍了一种名为 IPU Trusted Extensions (ITX) ...
【翻译】Attention Is All You Need
jokerwu192的博客
07-02 1万+
论文地址：https://proceedings.neurips.cc/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf 项目地址：https://github.com/ tensorflow/tensor2tensor
神经网络代码解读_NeurIPS2020上图神经网络好文
weixin_35427210的博客
01-07 3088
今年的Neurips正在进行，图神经网络也是今年的一大热点，这里总结一下GNN的文章，贴个链接和概述备忘，如果有错误的或者遗漏的文章请大家一定指出来。整理不易，点个赞呗再走呗，欢迎关注我们的新专栏图神经网络实战，里面会更新一些图神经网络代码解读和最新的进展。如果大家有什么需要分享的，也欢迎投稿本专栏，感激不尽。GNN的测试：Design Space for Graph Neural Network...
Uncertainty Estimation in GNN and Deep Learning（Paper Collection and Simple Notes）
Mr.zwX
08-30 1191
通俗地说，机器学习模型的输出结果不是板上钉钉的事儿，医疗诊断需要给出病症的判断概率，对于不确定的数据和模型参数，也需要给出模型的不确定度。 不确定性估计： 模型不确定性（感知不确定性，epistemic uncertainty） 模型不确定性通常源于对收集的训练数据的不认识。感知不确定性通过多次输出的方差来决定。 模型不确定制定在参数的分布上，通过先验分布预设模型，在给予一些训练数据后观察这个分布的变化。 可以被消除，需要增大数据量进行训练。 对于模型不确定性的实现比较简单：在train时使用dropo
【论文阅读笔记】NeurIPS2020文章列表Part2
zincrain的博客
12-09 5875
Online Multitask Learning with Long-Term Memory Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting On Reward-Free Reinforcement Learning with Linear Function A.
【AAAI 2021】全部接受论文列表（二）
yinizhilianlove的博客
01-14 5590
来源：AINLPer微信公众号（点击了解一下吧） 编辑: ShuYini 校稿: ShuYini 时间: 2021-01-14 马上春节了，疫情又卷土而来，希望大家注意防护，爱护自己的身体 AAAI 2021论文接收情况   人工智能顶级会议AAAI 2021 已经给出接收论文列表，共有1692篇论文被接收，录取率21%，比去年的20.6%稍微有些上升。单从数量上看，也比去年多了101篇。本届 AAAI 2021已经是第35 届会议了。据 AAAI 2021官方网站，这个 2021年首个人工智能顶会将全.
基于改进YOLO的玉米病害识别系统（部署教程＆源码）
最新发布
06-23
毕业设计：基于改进YOLO的玉米病害识别系统项目源码.zip（部署教程+源代码+附上详细代码说明）。一款高含金量的项目，项目为个人大学期间所做毕业设计，经过导师严格验证通过，可直接运行 项目代码齐全，教程详尽，有具体的使用说明，是个不错的有趣项目。 项目（高含金量项目）适用于在学的学生，踏入社会的新新工作者、相对自己知识查缺补漏或者想在该等领域有所突破的技术爱好者学习，资料详尽，内容丰富，附上源码和教程方便大家学习参考，
latex论文阅读报告模板
03-25
A: 下面是一个常见的 LaTeX 论文阅读报告模板，您可以根据需要进行修改： \documentclass[12pt]{article} \usepackage[utf8]{inputenc} \usepackage{amsmath} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{graphicx} \usepackage{float} \usepackage{hyperref} \usepackage{listings} \title{阅读报告} \author{作者名字} \date{} \begin{document} \maketitle \section{论文概述} 在这一部分中，您需要介绍一下要报告的论文。具体来说，您需要提供以下信息： \begin{itemize} \item 论文的标题和作者； \item 论文发表的会议或期刊； \item 论文研究的问题和主要贡献； \item 论文使用的方法和实验设计等。 \end{itemize} \section{研究问题} 在这一部分中，您需要介绍论文中所涉及的研究问题，并说明该问题的重要性。您需要回答以下问题： \begin{itemize} \item 论文研究的问题是什么？ \item 该问题在相关领域中的位置和历史背景是什么？ \item 为什么该问题很重要？它解决了什么实际问题，或者对研究有什么重要的贡献？ \end{itemize} \section{主要贡献} 在这一部分中，您需要介绍论文所提出的主要贡献。具体来说，您需要回答以下问题： \begin{itemize} \item 该论文提出了什么新方法或新技术？ \item 该方法或技术相对于现有方法和技术有什么优势？ \item 该方法或技术在实验中的表现如何？它是否能够解决研究问题？ \end{itemize} \section{方法和实验设计} 在这一部分中，您需要介绍论文使用的方法和实验设计。您需要回答以下问题： \begin{itemize} \item 该论文使用了哪些方法和技术？ \item 这些方法和技术对解决研究问题有什么帮助？ \item 该论文进行了什么样的实验设计？实验结果如何？ \end{itemize} \section{评价和讨论} 在这一部分中，您需要评价论文的内容，并提出自己的批评和建议。您需要回答以下问题： \begin{itemize} \item 您认为该论文的论点和论据是否充分？有哪些不足之处？ \item 该论文是否有进一步的研究方向和改进空间？ \item 您是否有其他的评价和建议？ \end{itemize} \section{结论} 在这一部分中，您需要总结整个阅读报告，并得出自己的结论。您需要回答以下问题： \begin{itemize} \item 该论文的主要研究问题是什么？ \item 该论文的主要贡献是什么？ \item 您对该论文的评价和建议是什么？ \end{itemize} \end{document}

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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