0
| 本文作者： AI研習(xí)社 | 2020-02-24 11:45 |
ACEnet：用于神經(jīng)解剖分割的解剖上下文編碼網(wǎng)絡(luò)
圖延長(zhǎng)卷積網(wǎng)絡(luò)：圖上的顯式多尺度機(jī)器學(xué)習(xí)及其在生物系統(tǒng)建模中的應(yīng)用
用于欺詐檢測(cè)的交織序列RNNs
DialogueGCN：用于對(duì)話(huà)情感識(shí)別的圖卷積神經(jīng)網(wǎng)絡(luò)模型
移動(dòng)設(shè)備的量化卷積神經(jīng)網(wǎng)絡(luò)
論文名稱(chēng)：ACEnet: Anatomical Context-Encoding Network for Neuroanatomy Segmentation
作者：Li Yuemeng /Li Hongming /Fan Yong
發(fā)表時(shí)間：2020/2/13
論文鏈接：https://paper.yanxishe.com/review/11638?from=leiphonecolumn_paperreview0224
推薦原因
這篇論文考慮的是通過(guò)磁共振掃描圖像對(duì)腦結(jié)構(gòu)進(jìn)行分割的問(wèn)題。
對(duì)于這個(gè)問(wèn)題，現(xiàn)有的2D深度學(xué)習(xí)方法無(wú)法有效捕獲大腦結(jié)構(gòu)分割所需的3D空間上下文信息。這篇論文提出了一個(gè)名為ACEnet的解剖上下文編碼網(wǎng)絡(luò)，將3D空間和解剖上下文合并到2D卷積神經(jīng)網(wǎng)絡(luò)中，以便從磁共振掃描中有效而準(zhǔn)確地分割大腦結(jié)構(gòu)。ACNnet包含三個(gè)重要的組成部分：1、解剖上下文編碼模塊，將解剖信息合并到2D CNN中；2、空間上下文編碼模塊，將3D圖像信息合并到2D CNN中；3、顱骨剝離模塊，指導(dǎo)2DCNN來(lái)建模大腦結(jié)構(gòu)。在三個(gè)基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明，ACNnet在計(jì)算效率和分割精度上優(yōu)于現(xiàn)有的方法。
論文名稱(chēng)：Graph Prolongation Convolutional Networks: Explicitly Multiscale Machine Learning on Graphs, with Applications to Modeling of Biological Systems
作者：Scott C. B. /Mjolsness Eric
發(fā)表時(shí)間：2020/2/14
論文鏈接：https://paper.yanxishe.com/review/11637?from=leiphonecolumn_paperreview0224
推薦原因
這篇論文定義了一種新的集成圖卷積網(wǎng)絡(luò)(GCN)模型，使用優(yōu)化的線(xiàn)性投影算子在圖形的空間比例之間進(jìn)行映射，將學(xué)習(xí)匯總每個(gè)比例的信息以進(jìn)行最終預(yù)測(cè)。這些線(xiàn)性投影算子作為與每個(gè)GCN結(jié)構(gòu)矩陣相關(guān)的目標(biāo)函數(shù)的信息量來(lái)計(jì)算。含有這些投影信息后，新的圖延長(zhǎng)卷積網(wǎng)絡(luò)模型在微管彎曲粗粒度機(jī)械化學(xué)仿真中預(yù)測(cè)單體亞基勢(shì)能時(shí)，效果優(yōu)于其他GCN集成模型。
論文名稱(chēng)：Interleaved Sequence RNNs for Fraud Detection
作者：Branco Bernardo /Abreu Pedro /Gomes Ana Sofia /Almeida Mariana S. C. /Ascens?o Jo?o Tiago /Bizarro Pedro
發(fā)表時(shí)間：2020/2/14
論文鏈接：https://paper.yanxishe.com/review/11636?from=leiphonecolumn_paperreview0224
推薦原因
這篇論文考慮的是金融系統(tǒng)中的實(shí)時(shí)欺詐檢測(cè)問(wèn)題。
為了解決這個(gè)問(wèn)題，這篇論文使用遞歸神經(jīng)網(wǎng)絡(luò)，并將付款視為交錯(cuò)序列（其中每張卡的歷史記錄是無(wú)界、不規(guī)則子序列），以使得整個(gè)系統(tǒng)不必考慮復(fù)雜的特征工程。這篇論文提出一個(gè)完整的RNN框架以實(shí)時(shí)檢測(cè)欺詐行為，并提出從預(yù)處理到部署的有效機(jī)器學(xué)習(xí)管道。實(shí)驗(yàn)證明，這些無(wú)特征、多序列RNN優(yōu)于當(dāng)前最佳模型，并由于使用較少的計(jì)算資源，而能節(jié)省數(shù)百萬(wàn)美元的欺詐檢測(cè)成本。
論文名稱(chēng)：DialogueGCN: A Graph Convolutional Neural Network for Emotion Recognition in Conversation
作者：Ghosal Deepanway /Majumder Navonil /Poria Soujanya /Chhaya Niyati /Gelbukh Alexander
發(fā)表時(shí)間：2019/8/30
論文鏈接：https://paper.yanxishe.com/review/11635?from=leiphonecolumn_paperreview0224
推薦原因
1.對(duì)話(huà)語(yǔ)句的情感識(shí)別(ERC)是基礎(chǔ)但也異常重要的任務(wù)，過(guò)去的解決方法通常是將序列語(yǔ)句編碼，然后情感分類(lèi)。本文綜合考慮講話(huà)序列以及講話(huà)者兩個(gè)水平的影響因素，提出基于圖卷積網(wǎng)絡(luò)的DialogueGCN，實(shí)現(xiàn)情感識(shí)別。在三個(gè)情感識(shí)別數(shù)據(jù)集上取得SOTA結(jié)果。
2.作者巧妙的將對(duì)話(huà)中的語(yǔ)句、對(duì)話(huà)者這樣的異構(gòu)甚至抽象信息建模到圖中，以利用圖神經(jīng)網(wǎng)絡(luò)。
3.對(duì)于學(xué)習(xí)了圖神經(jīng)網(wǎng)絡(luò)理論的人來(lái)說(shuō)，如何在實(shí)際場(chǎng)景中應(yīng)用圖神經(jīng)網(wǎng)絡(luò)是非常重要的，本文就提供了一個(gè)非常簡(jiǎn)單明了的場(chǎng)景，值得學(xué)習(xí)。
論文名稱(chēng)：Quantized Convolutional Neural Networks for Mobile Devices
作者：Jiaxiang Wu / Cong Leng /Yuhang Wang
發(fā)表時(shí)間：2016/5/16
論文鏈接：https://paper.yanxishe.com/review/11543?from=leiphonecolumn_paperreview0224
推薦原因
核心問(wèn)題：CNN網(wǎng)絡(luò)在許多方面發(fā)揮著越來(lái)越重要的作用，但是CNN模型普遍很大，計(jì)算復(fù)雜，本論文對(duì)其進(jìn)行了改進(jìn)。
創(chuàng)新點(diǎn)：在這篇論文中，作者提出了一個(gè)Quantized CNN模型，這個(gè)模型可以加速和壓縮CNN，它的核心思想是對(duì)卷積層和全連接層中的權(quán)重進(jìn)行量化，并最小化每層的響應(yīng)誤差。
研究意義：在ILSVRC-12數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，證明對(duì)于分類(lèi)任務(wù)在僅損失很小的準(zhǔn)確率下，該方法可以達(dá)到4-6倍的加速，和15~20倍的壓縮，可以明顯的看出效果。
為了更好地服務(wù)廣大 AI 青年，AI 研習(xí)社正式推出全新「論文」版塊，希望以論文作為聚合 AI 學(xué)生青年的「興趣點(diǎn)」，通過(guò)論文整理推薦、點(diǎn)評(píng)解讀、代碼復(fù)現(xiàn)。致力成為國(guó)內(nèi)外前沿研究成果學(xué)習(xí)討論和發(fā)表的聚集地，也讓優(yōu)秀科研得到更為廣泛的傳播和認(rèn)可。
我們希望熱愛(ài)學(xué)術(shù)的你，可以加入我們的論文作者團(tuán)隊(duì)。
加入論文作者團(tuán)隊(duì)你可以獲得
1.署著你名字的文章，將你打造成最耀眼的學(xué)術(shù)明星
2.豐厚的稿酬
3.AI 名企內(nèi)推、大會(huì)門(mén)票福利、獨(dú)家周邊紀(jì)念品等等等。
加入論文作者團(tuán)隊(duì)你需要：
1.將你喜歡的論文推薦給廣大的研習(xí)社社友
2.撰寫(xiě)論文解讀
如果你已經(jīng)準(zhǔn)備好加入 AI 研習(xí)社的論文兼職作者團(tuán)隊(duì)，可以添加運(yùn)營(yíng)小姐姐的微信，備注“論文兼職作者”
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
相關(guān)文章：
今日 Paper | TRANSFORMER結(jié)構(gòu)；圖像到圖像翻譯；缺失標(biāo)注目標(biāo)檢測(cè)解決；GAN水下圖像顏色校正等
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
