神经网络
文章平均质量分 95
小小码农在线码字
这个作者很懒,什么都没留下…
展开
-
【论文分享-影响力最大化IM:DeepIM】Deep Graph Representation Learning and Optimization for Influence Maximization
基于学习的IM方案根据不同的应用场景设计了不同的目标函数,并且对于所有与节点中心性相关的约束都没有一个定义良好的方案。挑战一:大多数现有的基于学习的IM框架通过计算潜在节点嵌入来选择高影响力的节点。需要先随机选择N组种子节点集合,每组种子记为x(大小不等),使用IC、LT或SIS等传播模型计算出相应的影响扩散y,得到相应的(x,y)对。挑战三:此外,为了减轻P - hard影响估计的计算开销,基于学习的IM方法依赖于传统方法的技术,例如基于代理和基于采样的估计方式,这使得可扩展性和泛化性更差。原创 2024-05-12 23:26:51 · 945 阅读 · 0 评论 -
Fast-RCNN 论文翻译(持续更新中......)
目录FAST-RCNN论文翻译Abstract1.Introduction1.1. R−CNNR-CNNR−CNN and SPPnetSPPnetSPPnet1.2. Contributions2.Fast R-CNN architecture and training2.1. The RoIRoIRoI pooling layerFAST-RCNN论文翻译注:本人英语水平欠佳,翻译有误之处还望海涵,欢迎指正,不胜感激。论文地址:Fast R-CNN作者:Ross Girshick作者邮翻译 2021-01-25 18:01:44 · 115 阅读 · 0 评论 -
RCNN论文翻译(更新中……)
目录RCNN论文翻译Abstract1.Introduction2.Object dection with R-CNN2.1. Module design2.2. Test-time dection2.3. Training2.4. Results on PASCAL VOC 2010-122.5. Results on ILSVRC2013 detection3. Visualization, ablation, and modes of error3.1. Visualizing learned fea翻译 2021-01-25 16:11:30 · 551 阅读 · 0 评论