Online Learning并不是一种模型,而是一种模型的训练方法,Online Learning能够根据线上反馈数据,实时快速地进行模型调整,使得模型及时反映线上的变化,提高线上预测的准确率。Online Learning的流程包括:将模型的预测结果展现给用户,然后收集用户的反馈数据,再用来训练模型,形成闭环的系统。 面临的挑战:(1) 时间复杂度;(...
当然,貌似他们课题组的也对某些相关方面进行研究,有兴趣的可以参考综述《Graph Neural Networks: A Review of Methods and Applications》、《A comprehensive survey on graph neural networks》,将来我也会对这些文献进行总结分享。 文中还提到,Network embedding也是一个很火的研究点,可以实现将节点嵌入到低维的向量...
和这些工作不同,这个 survey 更关注 DL compilers 上的研究,这些研究往往提供了一个更通用的在不同硬件上执行多种 DL models 的方法。 2.2 Deep Learning Hardware DL hardware 可以根据泛用性被分为三类:(1) 通用 hardware 可以通过软硬件优化支持 DL workloads;(2) 专用 hardware 可以基于完全定制的电路结构来...
在图级RNNs中,不是将一个RNNs用于每个节点来学习节点状态,而是将单个RNN用于整个图以对图状态进行编码。 You等人将图RNN用于图生成问题,他们采用了两种RNN,一种生成新节点,另一种以自回归方式为新添加的节点生成变,这种分层RNN架构比传统的基于规则的图生成模型更有效地从输入图中学习,同时具有更合理的时间复杂度。
《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》 基于深度学习的细粒度对象分类和语义分割的综述 为什么是 “Object” 而不是 “image” 作者 西南交通大学和新加坡国立大学 2016年7月1日 received;2016年9月30日 accepted;2017年1月18日 published online。
图强化学习(graph reinforcement learning,Graph RL),图 RL 定义了基于图的动作和奖励,以在遵循约束的同时获得有关图任务的反馈。 图对抗方法(graph adversarial methods),图对抗方法采用对抗训练技术来增强基于图的模型的泛化能力,并通过对抗性攻击测试其鲁棒性。
Data scarcity is a major challenge when training deep learning (DL) models. DL demands a large amount of data to achieve exceptional performance. Unfortunately, many applications have small or inadequate data to train DL frameworks. Usually, manual label
recognition in mobile communication network based on deep learning,” in Signal and Information Processing, Networking and Computers, vol. 494 of Lecture Notes in Electrical Engineering, pp. 296–306, Springer, Singapore, 2019. [12] J. Schmidhuber, “Deep learning in neural networks: an ...
The rise of deep-learning (DL) has been fuelled by the improvements in accelerators. Due to its unique features, the GPU continues to remain the most widely used accelerator for DL applications. In this paper, we present a survey of architecture and system-level techniques for optimizing DL ...
【论文阅读】A Survey of Deep Reinforcement Learning Algorithms for Motion Planning and Control of Autonomous Vehicles 摘要:看看RL怎么用在motion planning和control上。【读的时候没注意,才10引用,果然不太行】 1.INTRODUCTION 有监督学习每个任务都要一大堆标注数据,costly。而且不能覆盖所有复杂场景。RL没有以上...