annuaire
ZoomNet: partie de détection d'objet en 3D pour la perception de la mise à l'échelle adaptative réseau de neurones
ForecastNet: quand un type de prédiction de l'avance à étapes multiples de séries temporelles pour une structure de réseau de neurones à action directe avant la profondeur variable
LSTM de déformation
modèles complexes basés sur la connaissance de messagerie Q & A
Basé sur une étude en profondeur shaders croquis dessinés à la main
ZoomNet: partie de détection d'objet en 3D pour la perception de la mise à l'échelle adaptative réseau de neurones
Titre de la thèse: ZoomNet: Part-Aware réseau Adaptive Neural pour la détection Zooming d'objet 3D
Auteur: Xu Zhenbo / Zhang Wei / Ye Xiaoqing / Tan Xiao / Yang Wei / Wen Shilei / Ding Errui / Meng Ajin / Huang Liusheng
Publié: 01/03/2020
Documents lien: https //Paper.yanxishe.com/review/13287 de = :? leiphonecolumn_paperreview0310
raison recommandée
Ceci est Baidu a publié les travaux sur la AAAI 2020 pour estimer le problème de la distance de détection et gestuelle 3D occlus objets.
Cet article présente un nouveau cadre appelé ZoomNet pour une tâche de détection d'objets d'image stéréoscopique 3D. ZoomNet d'abord utiliser une détection d'objets de modèles 2D normale, obtenir droite appariées et à gauche du cadre de délimitation. Puis, afin de continuer à utiliser l'image RVB riche information de texture pour faire une estimation de la disparité plus précise, ZoomNet en utilisant un module - bloc de mise à l'échelle adaptative, alors que des exemples de frontière 2D redimensionnées à une résolution uniforme, et d'ajuster en conséquence la caméra les paramètres intrinsèques. Pendant ce temps, ce document propose également d'étudier les informations de localisation local pour améliorer encore les performances du modèle, et présente un score 3D ajustement pour mieux estimer la qualité du modèle de détection 3D. Des expériences menées sur la détection Kitti ensembles de données 3D montrent ZoomNet bien au-delà toutes les dernières méthodes précédentes.
ForecastNet: quand un type de prédiction de l'avance à étapes multiples de séries temporelles pour une structure de réseau de neurones à action directe avant la profondeur variable
Titre de la thèse: ForecastNet: Time Variant profonde Feed-Forward Network Architecture Neural pour multi-étape en avant la prévision des séries chronologiques
Auteur: Joel Dabrowski Janek / Zhang Yifan / Rahman Ashfaqur
Publié: 11/02/2020
Documents lien: https //Paper.yanxishe.com/review/11307 de = :? leiphonecolumn_paperreview0310
raison recommandée
Ce document compte tenu des séries chronologiques des problèmes de prévision.
cycle d'apprentissage de profondeur et les réseaux de neurones convolutionnels ont été utilisés pour la prévision des séries chronologiques, mais ces réseaux pour partager le même ensemble de paramètres de configuration par une réutilisation des paramètres fixe dans le temps ou l'espace, de sorte que l'ensemble de l'architecture de domaine constant est et de réduire la capacité de prédiction de l'avant multi-étape est effectuée. Cet article présente ForecastNet, avant l'utilisation de l'architecture d'alimentation profondeur pour fournir le modèle variable. ForecastNet utilise également une sortie entrelacée pour aider à soulager la disparition progressive du gradient. Les expériences montrent des performances ForecastNet sur plusieurs ensembles de données et statistiques d'apprentissage en profondeur que le modèle de base.
LSTM de déformation
Titre de la thèse: MOGRIFIER LSTM
Auteur: Gábor Melis / Tomá Kociský / Phil Blunsom
Publié: 29/01/2020
Documents lien: https //Paper.yanxishe.com/review/11305 de = :? leiphonecolumn_paperreview0310
raison recommandée
Le problème de base: l'utilisation du modèle de réseau de neurones avancé est fait beaucoup de la nature avancée de la progression de la tâche la cause profonde de la compréhension du langage naturel (langageNaturel Processing). Mais le modèle de réseau de neurones existant est toujours pas parfaite, comme la présence de la généralisation et la modélisation de la langue est pas forte, et bien d'autres questions.
Innovation: pour le modèle de réseau de neurones les plus couramment utilisés dans la compréhension du langage naturel pour être Mémoire LongShort terme (LSTM), le présent document a été réalisé pour améliorer la déformation LSTM proposée, en introduisant l'opération de déclenchement supplémentaire, de sorte que l'entrée x et des cycles multiples hprw état avant l'entrée du LSTM informatique interactif, de manière à avoir une interaction plus riche finale entre l'entrée et la représentation de contexte.
Les implications pour la recherche: cette amélioration n'est pas compliqué, mais vraiment cette simple modification fait effet significatif sur le modèle de langage.
modèles complexes basés sur la connaissance de messagerie Q & A
Titre de la thèse: Message Passing pour répondre à la question complexe sur le savoir Graphiques
Auteur: Svitlana Vakulenko / Javier David Fernandez Garcia / Axel Polleres / Maarten de Rijke / Michael Cochez
Publié: 19/08/2019
Documents lien: https //Paper.yanxishe.com/review/10988 de = :? leiphonecolumn_paperreview0310
raison recommandée
Beaucoup système KGQA ne peut répondre à des questions simples (dépendant d'un triple, un seul saut). Ce document Qamp modèle papier, capable de répondre à des problèmes complexes (intégration de plusieurs chambres triples, multi-hop), a fait ensemble de données SOTA dans le LC-QUAD résultats.
Articles lieux d'apprentissage sont une valeur: la définition du mode Questions q =
Le travail utilise une nouvelle recherche LC-QUAD ensemble de données sur questionnaire complexe de connaissances de cartographie, combinée avec les réseaux de neurones de carte idéologique, ont référence pour d'autres recherches.
Basé sur une étude en profondeur shaders croquis dessinés à la main
Titre du papier: Apprendre à Sketches Shade tirés par la main
Auteur: Zheng Qingyuan / Zhuoru Li / Adam Bargteil
Publié: 26/02/2020
Documents lien: https //Paper.yanxishe.com/review/12784 de = :? leiphonecolumn_paperreview0310
raison recommandée
croquis dessinés à la main est un art populaire, avec les profondeurs de feu d'apprentissage, de chercheurs à colorier croquis, croquis Migrate à des images en couleurs, modélisation en trois dimensions à partir d'esquisses et ainsi de suite. Cet article propose une méthode pour ajouter des ombres à esquisser des effets visuels 3D.
Ce document présente une méthode entièrement automatisée, et rendre modèles 3D générés par la construction d'une ombre réseau latente d'apprentissage de profondeur spatiale, vous pouvez générer détaillée et ligne d'ombre artistique précise dessiner des croquis dans une direction donnée d'éclairage. Les auteurs fournissent également un nouvel ensemble de données contient mille marque la direction d'une paire de croquis lumière et d'ombre. Articles générés ombres 3D peuvent passer la structure de base d'un croquis de la scène, il peut être utilisé directement ou comme un excellent point de départ pour l'artiste.
Les auteurs équipe recrutée
Afin de mieux servir notre section jeunesse AI, AI Yanxishe officiellement lancé un nouveau « papiers » dans l'espoir que « point d'intérêt », comme une jeunesse étudiante papier de polymérisation AI, recommandé par des documents de tri, critiques interprètent le code à reproduire. Pour devenir l'apprentissage de pointe à la maison et à l'étranger pour discuter des résultats de recherche et a publié un lieu de rassemblement, mais aussi à l'excellente recherche plus largement répandue et reconnue.
Nous espérons que vous aimez les milieux universitaires, les auteurs peuvent se joindre à notre équipe.
Adhérez auteurs équipe, vous pouvez obtenir
1. Département de l'article avec votre nom, vous combattrez la plus brillante étoile académique
2. Les droits lucratifs
Interpoler 3.ai entreprises célèbres, le bien-être des billets Assemblée, souvenirs, etc., etc. exclusivité dans.
Joignez-vous à l'équipe des auteurs dont vous avez besoin:
1. Est-ce que vous aimez le papier recommandé à la majorité des Rotariens Yanxishe
2. Compose documents de lecture
Si vous êtes prêt à rejoindre AI Yanxishe équipe à temps partiel des auteurs du papier, vous pouvez ajouter la petite soeur de fonctionnement micro-canal (ID: julylihuaijiang), notes « partie de la thèse »
Lei Feng Lei Feng Lei réseau de réseau de réseau Feng
