神经网络模型压缩领域年度进展概述

图神经网络年度进展概述

在图数据上定义学习机制

GCN

特征投影思路,特征的提取，拓扑结构的特征是关键
提问题-> 解决问题-> 论文
GCN对同构节点无法区分
深度GCN问题：

怎么评估GCN

场景文本检测与识别年度进展概述 金连文

场景中的文字信息

基于回归的方法

基于文本的方法

回归和分割结合

元学习领域年度进展概述 孟德宇

• 元学习 多、乱、概述少, 方法论共有规律总结元学习
• 机器学习的方法论
  
  困难点在于超参数多
• 调参的方法论：手动调整和自调整(元学习的目的)
  
  基于任务族的元学习
  基于双边优化的元学习
  
  
  
• 贝叶斯机器学习重点

视觉生成方向年度进展概述

细粒度识别领域年度进展概述

粗粒度细粒度

• 细粒度识别的难点
  uploading-image-316494.png

自监督学习的年度进展概述

迁移学习

自监督

网络架构搜索年度进展报告

知识总结

录屏
NAS
强化学习
图神经网络：
注意力机制

标签：细粒度,进展,学术会议,GCN,学习,2020,VALSE,年度,概述
来源： https://www.cnblogs.com/nrocky/p/13440499.html