發(fā)簡(jiǎn)信
IP屬地：遼寧
-
Spectral Graph Convolution Network「2」從上面的推導(dǎo)中可以看到原本的卷積運(yùn)算，在圖上的公式就是 其中表示的是的特征矩陣，但是很容易知道的就是對(duì)于很多矩陣，進(jìn)行特征分解是很困難的，所以這...
-
Reading Note「7」Deep Forest: Towards an Alternative to Deep Neural Networks在聽完WAIC上周志華大佬的分享之后，就決定閱讀一下他提出的「Deep Forest」，他認(rèn)為這是一個(gè)取代「Deep Neural Networ...
-
Spectral Graph Convolution Network「1」
Convolution:「1」 Spatial Convolution「2」 Spectral Convolution Convolution ...
-
Reading Note「5」 KPConv: Flexible and Deformable Convolution for Point Clouds文章鏈接不得不感嘆大佬終歸是大佬，Charles R. Qi在3D視覺上真的是做出了很多優(yōu)秀的工作，同為浙江人怎么差距這么大 :) 本文提出了新...
-
Reading Note「4」 ClusterNet: Deep Hierarchical Cluster Network with Rigorously Rotation-Invariant ...文章鏈接 文章最讓我不解的就是DarkMatter AI Research到底是個(gè)什么地方（狗頭） 文章的創(chuàng)新點(diǎn)主要有兩個(gè) 「Rigorous ...
-
流形「Manifold」
http://blog.pluskid.org/?p=533&cpage=1#comments 流形就是在存在于高維空間中的一個(gè)低維空間。假設(shè)存...
-
Reading Note「3」 Parametric Continuous Convolutions / SpiderCNNPaper One:Deep Parametric Continuous Convolutional Neural Networks 在離散卷積...
-
Reading Note「2」 Deep Residual Learning for Image Recognition很久之前看的ResNet，現(xiàn)在對(duì)它粗略的整理一下。 Link: ResNet 首先在訓(xùn)練層數(shù)很深的神經(jīng)網(wǎng)絡(luò)的時(shí)候會(huì)存在兩個(gè)問題。 梯度爆炸 / ...
-
Reading Note「6」Densely Connected Convolutional Networks / Unit Convolution Kernel
單位卷積核最早是在Network In Network[1]中被提出來的，然后在GoogLeNet[2]中的一個(gè)重要模塊Inception Mo...