neural
GPT-GNN: Generative Pre-Training of Graph Neural Networks
目录概符号说明GPT-GNN代码 Hu Z., Dong Y., Wang K., Chang K. and Sun Y. GPT-GNN: Generative pre-training of graph neural networks. KDD, 2020. 概 比较早的一篇图预训练模型. 符号 ......
课程一第四周：Deep L-layer neural network
Deep L-layer neural network What is a deep neural network? 深层的神经网络就是包含了更多隐藏层的神经网络。 从某种意义上来说，logistic regression可以称为一层的神经网络“1 layer NN”。当计算神经网络的层数，通常将输 ......
Robust Graph Representation Learning via Neural Sparsification
目录概符号说明NeuralSparse Zheng C., Zong B., Cheng W., Song D., Ni J., Yu W., Chen H. and Wang W. Robust graph representation learning via neural sparsifica ......
Sequence to Sequence Learning with Neural Networks
Sequence to Sequence Learning with Neural Networks 关键词：LSTM，Seq2Seq 📜 研究主题 采用深度神经网络DNN 使用LSTM，并翻转输入句子顺序提升性能 ✨创新点： 更换seq2seq中RNN单元为LSTM，有提升对长句子训练速度的可能 ......
Dual Graph enhanced Embedding Neural Network for CTR Prediction
目录概DG-ENN Guo W., Su R., Tan R., Guo H., Zhang Y., Liu Z., Tang R. and He X. Dual graph enhanced embedding neural network for ctr prediction. KDD, 202 ......
Fi-GNN: Modeling Feature Interactions via Graph Neural Networks for CTR Prediction
目录概Fi-GNN代码 Li Z., Cui Z., Wu S., Zhang X. and Wang L. Fi-GNN: Modeling feature interactions via graph neural networks for ctr prediction. CIKM, 2019. ......
【读论文】CM-Gen: A Neural Framework for Chinese Metaphor Generation with Explicit Context Modelling
为了更好的阅读体验，请点击这里 由于发不出论文，所以找点冷门方向做一做。从汉语比喻开始。 读完这篇论文之后我觉得 COLING 这方向我上我也行（ε=ε=ε=┏(゜ロ゜;)┛ 题目：CM-Gen: A Neural Framework for Chinese Metaphor Generation ......
Convolutional Neural Networks（CNN）
数学基础 卷积 卷积这一概念从最原始来说属于一种数学的运算方法，两个数列进行卷积，是指将一个数列翻转后，从另一个数列最左侧开始滑动求和 来到计算机科学中，由于卷积核往往采用对称矩阵，所以翻转这一动作实际就可以忽略掉了。通过卷积核中数据的不同排列，实现提取出输入图片中的特定特征。 训练 + 预测 目前 ......
GNNExplainer: Generating Explanations for Graph Neural Networks论文阅读笔记
GNNExplainer: Generating Explanations for Graph Neural Networks论文阅读笔记 摘要 因为结合图结构和特征信息会导致复杂的模型，解释GNN的预测没有得到解决，所有提出了一个GNNExplainer，是第一个通用的，与模型无关的方法，可以 ......
AlexNet模型：ImageNet Classification with Deep Convolutional Neural Networks
文献名：ImageNet Classification with Deep Convolutional Neural Networks 创新点： 首次利用AlexNet神经网络，在ImageNet分类中以巨大的优势打败非神经网络算法 模型： ......
《ImageNet Classification with Deep Convolutional Neural Networks》阅读笔记
论文标题 《ImageNet Classification with Deep Convolutional Neural Networks》 ImageNet ：经典的划时代的数据集 Deep Convolutional：深度卷积在当时还处于比较少提及的地位，当时主导的是传统机器学习算法 作者 一作 ......
[IJCAI 2023]Preventing Attacks in Interbank Credit Rating with Selective-aware Graph Neural Network
[IJCAI 2023]Preventing Attacks in Interbank Credit Rating with Selective-aware Graph Neural Network 问题 文章研究的是对银行间信用评价的攻击的预防。点是银行，边是银行间的借贷关系。 攻击方式有特征攻击 ......
[IJCAI 2023]Fighting against Organized Fraudsters Using Risk Diffusion-based Parallel Graph Neural Network
[IJCAI 2023]Fighting against Organized Fraudsters Using Risk Diffusion-based Parallel Graph Neural Network 文章设计了一种基于社区的医疗保险欺诈行为检测。 模型 为了提高精度，模型设计了一组异构 ......
How Expressive are Graph Neural Networks in Recommendation
[TOC] > [Cai X., Xia L., Ren X. and Huang C. How expressive are graph neural networks in recommendation? CIKM, 2023.](http://arxiv.org/abs/2308.11127) ......
Proj CDeepFuzz Paper Reading: Testing Deep Neural Networks
## Abstract 本文:DeepCover Github: https://github.com/TrustAI/DeepCover Task: propose 4 novel test criteria to test DNNs Method: inspired by MC/DC cover ......
Proj CDeepFuzz Paper Reading: SparseProp: Efficient Sparse Backpropagation for Faster Training of Neural Networks
## Abstract 本文：SparseProp Github: https://github.com/IST-DASLab/sparseprop Task: a back-propagation algo for sparse training data, a fast vectorized i ......
Spikformer: When Spiking Neural Network Meets Transformer
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Published as a conference paper at ICLR 2023（同大组工作） ABSTRACT 我们考虑了两种生物学合理的结构，脉冲神经网络（SNN）和自注意机制。前者为深度学习提供了一种节能且事件驱动的范式，而 ......
Proj CDeepFuzz Paper Reading: Decompiling x86 Deep Neural Network Executables
## Abstract 本文: BTD github: https://github.com/monkbai/DNN-decompiler/ Task: a decompiler for DNN models to output DNN specifications including: opera ......
Proj CDeepFuzz Paper Reading: DeepTest: automated testing of deep-neural-network-driven autonomous cars
## Abstract 本文: DeepTest Task: a systematic testing tool for DNN-driven vehicles Method: 1. generated test cases with real-world changes like rain, fo ......
Proj CDeepFuzz Paper Reading: Aries: Efficient Testing of Deep Neural Networks via Labeling-Free Accuracy Estimation
## Abstract 背景： 1. the de facto standard to assess the quality of DNNs in the industry is to check their performance (accuracy) on a collected set of ......
学习笔记：DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting
DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting ICML2022 论文地址：https://proceedings.mlr.press/v162/lan22a.html ......
[KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks
# [KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks ## 总结 提出了个多任务prompt学习框架，扩展GNN的泛化能力： 1. 统一了NLP和图学习领域的prompt格式，包括prompt token、to ......
A Neural Influence Diffusion Model for Social Recommendation
[TOC] > [Wu L., Sun P., Fu Y., Hong R., Wang X. and Wang M. A neural influence diffusion model for social recommendation. SIGIR, 2019.](https://dl.acm ......
《Zero Stability Well Predicts Performance of Convolutional Neural Networks》
# 《Zero Stability Well Predicts Performance of Convolutional Neural Networks》 ## 文章结构1. 摘要2. 引言3. 预备知识4. 来自现存CNNs的观察5. 零稳定性网络ZeroSNet6. 实验-- 通过零稳定预测性能 ......
[SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs
# [SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs ## 总结 ## 研究的问题 在包含非结构化数据（图像、视频、文本等）的神经符号数据库（neural-symbolic graph datasets）上如何进行高效的神经符号子图匹配 ......
Convolutional neural network (CNN)–extreme learning machine (ELM)
1. 介绍 论文：(2020)Neural networks for facial age estimation: a survey on recent advances. 地址： http://link.springer.com/article/10.1007/s10462-019-09765-w ......
Paper Reading: NBDT: Neural-Backed Decision Trees
为了提高计算机视觉模型的可解释性，本文融合深度学习和决策树提出了神经支持决策树(NBDTs)。NBDT 使用一个可微的倾斜决策树取代了神经网络的最后一个线性层，和经典的决策树方法不同，NBDT 使用从模型参数派生的层次结构，不使用分层 softmax。NBDT 可以从任何现有的分类神经网络中创建，无... ......
[论文阅读] Neural Transformation Fields for Arbitrary-Styled Font Generation
## Pre title: Neural Transformation Fields for Arbitrary-Styled Font Generation accepted: CVPR 2023 paper: https://openaccess.thecvf.com/content/CVPR2 ......
NEURAL SUBGRAPH MATCHING
# NEURAL SUBGRAPH MATCHING ## 总结 ## 问题定义 给定一个查询图，判断该图是不是一个大图的子图。如果图中有点和边的特征，就要都匹配上。 ## 动机 同构问题是NP完全的，已有的方法虽然能匹配很大的target图，但query图会很小。 ## 模型框架 分为embedd ......
Neural Network 初学
参数：机器学习的内容 超参数：人手动设置的数值，比如学习率、训练轮数 # MLP 在 input layer 和 output layer 之间有一堆 hidden layer，每两层之间可以理解成一张完全二分图，二分图的邻接矩阵上有一些权重，随机初始化。 将图片的每个像素点抽出来变成向量之后在二分 ......