论文阅读
文章平均质量分 90
一千克欣喜
这个作者很懒,什么都没留下…
展开
-
【论文阅读】How transferable are features in deep neural networks?
概述 研究目标/问题陈述 训练在图像上的深度神经网络,往往前面一层或几层学到的特征都是类似Gabor filters or color blobs的特征(作者叫它们first-layer features),这些特征是所有图像所共有的特征(作者叫它general)。而相对的,last-layer features 是 specfic 的。 通常,越general的特征就越适合用来迁移。作者想要做的事情是量化神经网络每一层提取的特征的general程度。 同时,从first-layer feartures g原创 2021-01-10 11:44:06 · 1011 阅读 · 0 评论 -
【论文阅读】Learning Convolutional Neural Networks for Graphs
出版:ICML 2016 原文:http://211.81.63.130/cache/2/03/proceedings.mlr.press/cb5795e96aa42362f86e2ba3a13c32af/niepert16.pdf 卷积神经网络(CNN)可以提取图像像素点邻域的信息,从而抽取空间特征。而CNN处理的图像数据中像素点是排列成整齐的矩阵的,也就是Euclidean Structure结构。而对于graph这种拓扑结构,每个结点的度都不一样,原始的CNN就没办法处理了。这篇论文就提出了一种一般性原创 2020-10-23 21:58:19 · 523 阅读 · 0 评论