Today Paper | ACEnet Bağlam Kodlama Ağı; Evrişimli Ağ Biyolojik Sistemi; Dolandırıcılık Tespiti; DialogueGCN, vb.
içindekiler
ACEnet: Nöroanatomik segmentasyon için anatomik bağlam kodlama ağı
Grafik genişletilmiş evrişimli ağ: grafiklerde açık çok ölçekli makine öğrenimi ve bunun biyolojik sistem modellemesindeki uygulaması
Dolandırıcılık tespiti için aralıklı dizi RNN'leri
DialogueGCN: Diyalog Duygu Tanıma için Evrişimli Sinir Ağı Modeli Grafiği
Mobil Cihazlar için Kantitatif Evrişimli Sinir Ağları
ACEnet: Nöroanatomik segmentasyon için anatomik bağlam kodlama ağı
Kağıt adı: ACEnet: Nöroanatomi Segmentasyonu için Anatomik Bağlam Kodlama Ağı
Yazar: Li Yuemeng / Li Hongming / Fan Yong
Gönderme süresi: 2020/2/13
Kağıt bağlantısı: https://paper.yanxishe.com/review/11638?from=leiphonecolumn_paperreview0224
Önerilen neden
Bu makale beyin yapısının MRI tarama görüntüleri aracılığıyla segmentasyonunu ele almaktadır.
Bu problem için, mevcut 2B derin öğrenme yöntemleri, beyin yapısı segmentasyonu için gerekli 3B uzamsal bağlam bilgisini etkili bir şekilde yakalayamaz. Bu makale, beyin yapılarını MRI taramalarından etkili ve doğru bir şekilde bölümlere ayırmak için 3D alanı ve anatomik içeriği 2D evrişimli sinir ağıyla birleştiren ACEnet adlı anatomik bağlam kodlama ağı önermektedir. ACNnet üç önemli bileşen içerir: 1. Anatomik bilgileri 2D CNN ile birleştiren Anatomik bağlam kodlama modülü; 2. 3D görüntü bilgilerini 2D CNN ile birleştiren uzamsal bağlam kodlama modülü; 3. 2D CNN'ye kılavuzluk eden kafatası soyma modülü Beyin yapısını modellemek için. Üç kıyaslama veri seti üzerinde yapılan deneyler, ACNnet'in hesaplama verimliliği ve segmentasyon doğruluğu açısından mevcut yöntemlerden üstün olduğunu göstermektedir.
Grafik genişletilmiş evrişimli ağ: grafiklerde açık çok ölçekli makine öğrenimi ve bunun biyolojik sistem modellemesindeki uygulaması
Makale Başlığı: Grafik Uzatma Evrişimli Ağlar: Biyolojik Sistemlerin Modellenmesine Yönelik Uygulamalar ile Grafiklerde Açıkça Çok Ölçekli Makine Öğrenimi
Yazar: Scott C.B. / Mjolsness Eric
Gönderme süresi: 2020/2/14
Kağıt bağlantısı: https://paper.yanxishe.com/review/11637?from=leiphonecolumn_paperreview0224
Önerilen neden
Bu makale, grafiğin uzamsal oranlarını haritalamak için optimize edilmiş bir doğrusal projeksiyon operatörü kullanan ve son tahmin için her oranın bilgilerini özetlemeyi öğrenen yeni bir entegre grafik evrişimli ağ (GCN) modelini tanımlar. Bu doğrusal izdüşüm operatörleri, her bir GCN yapı matrisiyle ilişkili amaç işlevinin bilgi miktarı olarak hesaplanır. Bu projeksiyon bilgileriyle, yeni grafik genişletilmiş evrişimli ağ modeli, mikrotübül bükülmesinin kaba taneli mekanokimyasal simülasyonunda monomer alt birimlerinin potansiyel enerjisini tahmin ederken diğer GCN entegre modellerinden daha iyidir.
Dolandırıcılık tespiti için aralıklı dizi RNN'leri
Kağıt adı: Dolandırıcılık Tespiti için Aralıklı Sıra RNN'leri
Yazar: Branco Bernardo / Abreu Pedro / Gomes Ana Sofia / Almeida Mariana S.C. / Ascensão João Tiago / Bizarro Pedro
Gönderme süresi: 2020/2/14
Kağıt bağlantısı: https://paper.yanxishe.com/review/11636?from=leiphonecolumn_paperreview0224
Önerilen neden
Bu makale, finansal sistemlerde gerçek zamanlı dolandırıcılık tespiti sorununu ele almaktadır.
Bu sorunu çözmek için, bu makale yinelenen bir sinir ağı kullanıyor ve ödemeyi kademeli bir sıra olarak ele alıyor (her kartın geçmişi sınırsız, düzensiz bir alt dizidir), böylece tüm sistemin karmaşık özellik mühendisliğini dikkate alması gerekmez. Bu belge, sahtekarlığı gerçek zamanlı olarak tespit etmek için eksiksiz bir RNN çerçevesi önermekte ve ön işlemeden dağıtıma kadar etkili bir makine öğrenimi hattı önermektedir. Deneyler, bu özelliksiz, çok sıralı RNN'lerin mevcut en iyi modellerden daha iyi olduğunu ve daha az bilgi işlem kaynağı kullanılması nedeniyle dolandırıcılık tespit maliyetlerinde milyonlarca dolar tasarruf sağlayabileceğini kanıtladı.
DialogueGCN: Diyalog Duygu Tanıma için Evrişimli Sinir Ağı Modeli Grafiği
Bildiri Başlığı: DialogueGCN: Sohbette Duygu Tanıma için Bir Grafik Evrişimli Sinir Ağı
Yazar: Ghosal Deepanway / Majumder Navonil / Poria Soujanya / Chhaya Niyati / Gelbukh Alexander
Düzenlenme zamanı: 2019/8/30
Kağıt bağlantısı: https://paper.yanxishe.com/review/11635?from=leiphonecolumn_paperreview0224
Önerilen neden
1. Diyalog cümlelerinin duygu tanıma (ERC) temel ama aynı zamanda son derece önemli bir görevdir.Geçmişteki çözüm genellikle sıralı cümleleri kodlamak ve ardından duygu sınıflandırmasıdır. Bu makale, konuşma sırası ve konuşmacı seviyesinin iki faktörünü kapsamlı bir şekilde ele alır ve duygu tanımayı gerçekleştirmek için grafik evrişimli ağa dayalı DialogueGCN'yi önerir. SOTA sonuçları üç duygu tanıma veri setinde elde edilmiştir.
2. Yazar, grafik sinir ağlarını kullanmak için diyalogdaki cümleler ve muhataplar gibi heterojen ve hatta soyut bilgileri ustaca bir şekilde modelledi.
3. Grafik sinir ağları teorisini öğrenmiş kişiler için, gerçek senaryolarda grafik sinir ağlarının nasıl uygulanacağı çok önemlidir.Bu makale öğrenmeye değer çok basit ve net bir senaryo sunar.
Mobil Cihazlar için Kantitatif Evrişimli Sinir Ağları
Kağıt adı: Mobil Cihazlar için Nicelleştirilmiş Evrişimli Sinir Ağları
Yazar: Jiaxiang Wu / Cong Leng / Yuhang Wang
Yayın zamanı: 2016/5/16
Kağıt bağlantısı: https://paper.yanxishe.com/review/11543?from=leiphonecolumn_paperreview0224
Önerilen neden
Temel sorun: CNN ağı birçok açıdan giderek daha önemli bir rol oynamaktadır, ancak CNN modeli genel olarak büyük ve hesaplama açısından karmaşıktır.
İnovasyon: Bu makalede yazar, CNN'yi hızlandıran ve sıkıştırabilen Nicelleştirilmiş CNN modeli önermektedir. Temel fikri, evrişimli katmandaki ve tam olarak bağlı katmandaki ağırlıkları ölçmek ve her katmanın ağırlığını en aza indirmektir. Yanıt hatası.
Araştırmanın önemi: ILSVRC-12 veri seti üzerinde yapılan deneyler, bu yöntemin, sadece küçük bir doğruluk kaybı ile sınıflandırma görevleri için 4-6 kat hızlanma ve 15-20 kat sıkıştırma sağlayabildiğini kanıtlamaktadır. Out etkisi.
Makale yazar ekibinin işe alınması
AI Araştırma Enstitüsü, yapay zeka gençlerinin çoğuna daha iyi hizmet verebilmek için resmi olarak yeni bir "Tez" bölümü başlattı ve tezleri, önerileri, yorumları ve yorumları sıralayan makaleler aracılığıyla yapay zeka öğrencilerini ve gençleri bir araya getirmek için "ilgi çekici noktalar" olarak kullanmayı umdu ve kod yeniden üretildi. Yurtiçinde ve yurtdışında en son araştırma sonuçlarının incelenmesi, tartışılması ve yayınlanması için bir buluşma yeri olmaya ve mükemmel bilimsel araştırmaların daha geniş çapta yayılmasına ve tanınmasına izin vermeye kararlıdır.
Akademisyenleri sevenlerin, makale yazarlarından oluşan ekibimize katılmanızı umuyoruz.
Alabilirsiniz
1. Adınızın yazdığı bir makale sizi en göz kamaştırıcı akademik yıldız yapacak
2. Zengin ücret
3. AI ünlü şirketleri, konferans bileti avantajları, özel çevre birimleri vb.
Bildiri yazarı ekibine katılmak için ihtiyacınız olan:
1. Favori makalelerinizi araştırma kulübü üyelerinin çoğuna önerin
2. Tez yorumu yazın
AI Araştırma Enstitüsü'nün yarı zamanlı makale yazarı ekibine katılmaya hazırsanız, operasyon kadının WeChat hesabını ekleyebilir ve "Yarı zamanlı makale yazarı" notunu yazabilirsiniz.
