江苏龙网

  1. 首页 > 资讯 > 科技 > >

SQL|7日 Paper丨2020神经架构搜索最新综述；sql生成模型；深度树结构；联合学习等( 二 )


这篇论文被SIGGRAPH 2020接收 ， 考虑的是从草图中快速生成人脸图像的问题 。
现有的图像到图像转换技术可以实现这个功能 ， 但是往往需要专业的草图甚至边缘图作为输入 。 这篇论文提出隐式模拟可信人脸图像的形状空间 ， 并在这个空间中合成人脸图像 ， 以接近输入草图 。 这篇论文采取的是局部到全局的方法 ， 首先学习关键人脸组件的特征嵌入 ， 并将输入草图的相应部分表示为由人脸组件样本的特征向量定义的底层分量 。 由于将输入的草图作为软约束 ， 即使从粗糙或不完整的草图中也能生成高质量的人脸图像 。 这篇论文通过定性和定量的评估表明新方法要比现有的技术具有更强的生成能力和可用性 。
目前这篇论文给出了项目主页的链接：http://geometrylearning.com/DeepFaceDrawing/ ， 之后也会放出代码 。
SQL|7日 Paper丨2020神经架构搜索最新综述；sql生成模型；深度树结构；联合学习等
本文插图

联合学习知识图谱中可解释性的规则进行推荐 论文名称：Jointly Learning Explainable Rules for Recommendation with Knowledge Graph
作者：Weizhi Ma, Min Zhang, Yue Cao, Woojeong, Jin, Chenyang Wang, Yiqun Liu, Shaoping Ma, Xiang Ren
发表时间：2019/3/9
论文链接：https://arxiv.org/abs/1903.03714v1
【SQL|7日 Paper丨2020神经架构搜索最新综述；sql生成模型；深度树结构；联合学习等】 推荐原因
作者定义了这样一个问题 ， 给定用户、物品、用户-物品交互信息、物品之间的联系信息、以及知识库 ， 同时学习物品之间联系的规则与如何向用户推荐物品 。 以此问题为框架 ， 作者利用亚马逊公开的用户购买行为数据作为推荐系统数据集 ， 将FreeBase作为知识库 ， 以几种当时非常优秀的推荐系统模型作为基准 ， 分别进行了规则抽取、物品推荐、和联合学习等多种不同条件下的实验 ， 不仅大幅度提升了推荐系统的表现分数 ， 并且从可解释性的角度分析了分数较高的规则对于物品推荐的作用
作者将知识图谱中的规则引入到推荐系统中时 ， 不仅考虑了引入物品本身的语义信息 ， 并且将规则与推荐系统联合学习 ， 来进一步得到规则与目标关联性更强的交互信息 ， 从结果上来看 ， 这种思路是有效的 。
神经体系结构搜索的全面调查：挑战与解决方案 论文名称：A Comprehensive Survey of Neural Architecture Search: Challenges and Solutions
作者：Pengzhen Ren,Yun Xiao,Xiaojun Chang,Po-Yao Huang,Zhihui Li,Xiaojiang Chen,Xin Wang
发表时间：2020/6/1
论文链接：https://arxiv.org/abs/2006.02903
推荐原因
2020神经架构搜索最新综述
神经架构搜索Neural Architecture Search (NAS)是深度学习研究热点 。 NAS旨在通过使用有限的计算资源 ， 以尽可能少的人工干预的自动化方式设计具有最佳性能的网络架构 。 西北大学等学者发布了关于神经架构搜索的综述论文 ， 对NAS进行了全面、系统的综述 。
github：https://github.com/pzhren/Awesome-NAS
SQL|7日 Paper丨2020神经架构搜索最新综述；sql生成模型；深度树结构；联合学习等
本文插图

AI研习社论文讨论微信群 ， 分别有【NLP论文讨论群】【CV论文讨论群】【强化学习讨论群】 ， 未来将会更细分方向和内容 ， 群里面可以分享你觉得不错的论文 ， 可以和同学一起讨论论文复现结果等细节 ， 欢迎大家加入并积极参与活跃！


推荐阅读


上一篇：高通|高通发邀请函：6月17日上午10点举办骁龙新品发布会

下一篇：直播带货|“直播带货”虚假夸大怎么破？首部标准规范将于7月发布执行