reading Paper
文章平均质量分 66
研海无涯
Talk is cheap. Show me the code.
展开
-
Science Advance||个体动态脑中鲁棒的大脑状态
大量证据表明,脑功能连接不是静态的,而是动态的。捕捉个体脑的瞬时网络相互作用需要一种鲁棒的个体内可靠的技术。在这里,作者介绍了一种个体化的基于网络的动态分析技术,并证明它在检测个体脑状态方面具有可靠性。原创 2023-06-13 01:15:43 · 630 阅读 · 0 评论 -
PNAS| 绘制人脑发育曲线:横断面研究低估了人脑变化
作者使用广义加性模型(GAMLSS)框架(根据性别和研究地点分层)建立了以年龄为函数的常模参考范围,包括:i)基线时的全脑横断面灰质体积(GMV)、皮层厚度(CTh)、表面积(SA)和分数各向异性(FA)(图2A),以及ii)这四个表型的纵向测量年化变化速率(随访减去基线,除以扫描间隔)(图2B,蓝色曲线)。(缩写:灰质体积(GMV),皮层厚度(CTh),表面积(SA),分数各向异性(FA),Cross(横断面))。图3A展示了所有个体和脑表型的预测(红线)和实测(灰线)的年龄相关轨迹。原创 2023-05-30 16:13:29 · 903 阅读 · 0 评论 -
有哪些高效看文献的方法?
我读论文远比学生快,分析远比学生深入,主要的是我敢想象与猜测。方法一国立清华大学彭明辉教授的《研究生手册》问题硕士生开始学读期刊论文时,就容易犯的毛病就是戒除不掉大学部的习惯:1)老是想逐行读懂,有一行读不懂就受不了。2)不敢发挥自己的想象解决方法因此,每次读论文都一定要带着问题去读,每次读的时候都只是图回答你要回答的问题。因此,一定是选择性地阅读,一定要逐渐由粗而细地一层一层去了解。上面所规划的读论文的次序,就是由粗而细,每读完一轮,你对这问题的知识就增加一层。根据这一层知识就可以问出转载 2020-12-08 01:10:19 · 336 阅读 · 0 评论 -
视觉信息解码-脑解码文章(利用深度学习算法基于人脑活动进行图像重建)
基本问题1.Reconstructing faces from fMRI patterns usin deep generative neural networks问题:尽管可以从fMRI脑反应中可靠地解码出不同的类别,但是事实证明,区分视觉上相似的输入(例如不同的面孔)更加困难。解决方案:在这里,我们应用了最近开发的深度学习系统,从人类fMRI重建面部图像。我们对人脸的大数据集...原创 2020-03-24 11:46:51 · 2066 阅读 · 0 评论 -
201901近期指的读的几篇GAN进展论文
1.主要问题:高分辨率图像的生成很困难,因为更高的分辨率使其更易于区分生成的图像和训练图像,从而极大地放大了梯度问题。 由于内存的限制,较大的分辨率还必须使用较小的小批处理,这进一步损害了训练的稳定性。-解决方法:作者的主要见解是,我们可以从更简单的低分辨率图像开始逐步增加生成器和鉴别器,并随着训练的进行添加新层,以引入更高分辨率的细节。 正如我们将在第2节中讨论的那样,这大大加快了训...原创 2020-03-05 00:07:54 · 1062 阅读 · 0 评论 -
变分自编码器VAE:Variational Auto-Encoder
分布变换原创 2020-03-09 17:27:23 · 415 阅读 · 0 评论 -
解读 O-GAN: Extremely Concise Approach for Auto-Encoding Generative Adversarial Networks
解决问题所有这些GAN变体都至少具有三个组成部分:生成器,鉴别器和编码器。 鉴别器和编码器具有相似的网络架构。 但是,随着训练过程的进行,大多数GAN中的生成器和编码器变得越来越完美,但鉴别器变得越来越原始。 换句话说,最优判别器在大多数情况下是原始且无用的。我们能否在鉴别器和编码器之间共享权重?据我们所知,唯一成功做到这一点的是自省变分自动编码器(IntroVAEs,Huang等人(201...原创 2020-03-02 17:42:10 · 466 阅读 · 0 评论 -
CVPR 2020 解读Towards Robust Image Classification Using Sequential Attention Models
使用序列注意模型实现稳健的图像分类解决问题:1.近年来,深度神经网络模型的使用和应用取得了巨大的进步。这些模型在解决某些任务方面非常成功,但人们对其健壮性和可靠性提出了担忧.细微,精心选择的输入扰动(通常是人类观察者无法察觉的)可能会导致这些模型以高置信度输出错误的预测[49]。 这种扰动被称为对抗性例子[18,49],是正在进行的研究的主题.灵长类动物视觉系统与前馈神经网络相比...原创 2020-02-29 23:00:00 · 1391 阅读 · 0 评论 -
复现stacked capsule autoencoders
解决的问题:CNN的学习过分强调不变性(invariant )特征的学习,数据增强也服务于这一目的。而这样做,实际上,忽略了一个真实世界中的事实:一个目标可以被看做是一组相互关联的部件按照几何学形式组合的结果。利用这种几何关系去重建目标的系统应当对视点的变化具有鲁棒性,因为其本质的几何关系不应随着观察视角的变化而发生改变提出的方法:本文中,研究人员描述了一种无监督的胶囊网络。其中,观察组成目...原创 2020-02-23 12:53:03 · 1712 阅读 · 0 评论 -
论文总结Classification of Hyperspectral Images Based on Multiclass Spatial–Spectral GAN
参考论文:Classification of Hyperspectral Images Based on Multiclass Spatial–Spectral Generative Adversarial Networks发表期刊:IEEE Transactions on Geoscience and Remote Sensing (IF2018:6.73)用GAN来做分类的文章比较少,最近...原创 2019-12-25 15:34:34 · 1127 阅读 · 1 评论 -
如何在计算机视觉顶级会议上发表论文资源整理
1.很有启发的一篇文章如何在计算机视觉顶级会议CVPR上发表论文?https://blog.csdn.net/zhuquan945/article/details/534145502.多读顶级会议论文(CS方向)https://zhuanlan.zhihu.com/p/373530993.如何找论文https://zhuanlan.zhihu.com/p/27484748...原创 2019-02-27 21:30:22 · 402 阅读 · 0 评论