续上期，笔记整理系列，重点是笔记。目前主要以社交网络方向为主，不定期更新，干货比较多，内容应该是会越写越多的，想到哪补到哪吧…… 上一期总结并归纳了图表征学习，传送门：（整理）社交网络（一）|不如就从图表征说起 本期为图系列的第二章，将开始一步步介绍到图卷积网络（GCN），这章所涉及的文章较多，范围更广，许多精华内容可能只占一部分，并且放到现在价值性难以评估，因此大部分文章略讲或者提供参考链接。且很有意思的是，介绍GCN需要从图神经网络（GNN）的脉络线讲起，而这条脉络线，竟然和上期的图嵌入有密切的关系…… &nb…
第二期模板公开，因为没找到合适的立绘咕咕咕（约稿成本过大，不只是金钱上的成本……==b）。老规矩，文所采用立绘与资料均已获得相关作者同意，未经允许禁止用于商业用途，违者追究法律责任。 登场卡池：锤锻冶铸 干员名称：岿 代号： KUI B107 势力： 巴别塔 罗德岛 不详 定位：近卫 六星 部署位：近战位 近卫-解放者 近战位 爆发 特性 通常不攻击且阻挡数为0，技能未开始时40秒内攻击力逐渐提升至最高+200%且技能结束时重置攻击力 属性 初始再部署时间 …
开个新坑笔记整理系列，目前主要以社交网络方向为主，不定期更新，干货比较多，内容应该是会越写越多的，想到哪补到哪吧…… 作为图系列的第一章，本文将从图表征学习这条脉络线开始讲起。 在正式开始内容之前，按照惯例先补充一些必要的说明。 基本单位为节点和连边，以节点代表实体，连边代表节点间存在关系的一种描述形式，可写成 。 其中节点作为实体可以存储实体的信息，而根据连边是否具有方向可将图分为有向图和无向图，是否具有权重可分为带权图和无权图。 在社交网络中每名用户就可以看成是实体，用户间的关系可以…
老舟游玩家了，很久以前就设计好了干员模板，数据也没有过于imba，就差立绘没完成了（我自知我的技术力估计要咕很久了==b），只能根据设计思路找大大完成了。因此本文所采用立绘与资料均已获得相关作者同意，未经允许禁止用于商业用途，违者追究法律责任。 登场卡池：超越时间之影 干员名称：影 代号： Shadow B106 势力： 巴别塔 罗德岛 不详 定位：辅助 六星 部署位：远程位 辅助 支援 生存 特性 受到致命伤时不撤退，自身陷入<沉睡>状态并持续恢复生命值（…
本文发表于SIGSAC 2017，距今已有3年左右的时间，文章探究了在当时热门的对抗攻击（白盒、黑盒）情境，并提出了一种基于实际观察的有效的防御方法，比当时最好的防御策略表现都好。 文章较短，内容放到今天仍具有一定的普适性。逐一分析了在当时热门的对抗攻击以及特点和防御方法（有点Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey 的那味了）。 原文地址： 随着最近深度神经网络(DNN)的广泛…
本文发表于ICML，并获得了ICML 2018最佳论文奖，文章探究了机器学习中不同标准下对公平性的标准评估，提出并分析了不同标准下的公平性带来的结果。 全文较长，分为主体讨论与定理证明的附页，文章具有一定的文学性，内容紧凑，证明普遍易懂。为防割裂，这里只做主体讨论中的主要内容。 原文地址： 机器学习的公平性主要是在静态分类环境中研究的，而不关心决策如何随时间而改变基础样本。传统观点认为，公平标准促进了它们旨在保护的群体的长期利益。 我们研究了静态公平标准如何与幸福感的时间指…
上期内容传送门：(原创)推荐&学习记录 | 跟上AI时代论文推荐(DL基础部分) 本期内容为图像分类部分，这一部分内容比较多，毕竟牵扯到CV方向。图像部分有想法可以做得很深，我也只能将个人认为较为重要、基础的内容（个人能力范围以内）做讲解，日后如果有更多内容会补充或者在其他专栏更新。 在开始正式内容之前，有一个贯穿全文的关键词：深度。一般来说，网络层次越深获得的效果越好，但随着深度所带来的问题也是致命与不可避免的，因此你会发现本篇几乎大部分的paper都在以…
AI领域这几年的火热，看上去是一蹴而就，实则不然。其发展之快远远超出想象。我们目前所常见的所谓黑科技、小 tricks（滑窗、对抗、连接之类），其背后无一不是积累了大量论文，且都是最新、最前沿的论文。从某种角度来讲，他们所用的技术与目前常见书籍里的内容确实不是一个时代。要想与时俱进，就必须改变思路——从论文入手。 因此，我将近年来较为火热、重要的paper做了总结，写在此推荐博客中。一方面是作为学习记录，方便查看；另一方面是为圈内本专业与其它专业的同学起到抛砖引玉的作用。写于今日大…
[1] 3D Steerable CNNs: Learning Rotationally Equivariant Features in Volumetric Data Maurice Weiler, Mario Geiger, Max Welling, Wouter Boomsma, Taco Cohen University of Amsterdam, EPFL, University of Copenhagen, Qualcomm AI Research 这篇文章提出一种新型卷积…
[1] Glow: Generative Flow with Invertible 1×1 Convolutions Diederik P. Kingma, Prafulla Dhariwal OpenAI, Google AI 流式生成模型(Dinh et al. 2014)在概念上具有吸引性，有以下几个原因，它能处理精确的对数似然度，能处理精确的隐变量推理，还可以并行处理训练和合成。 这篇文章提出了Glow，这是一种简单的生成式流式模型，该模型利用可逆的1×1卷积。这种方法在基准数据…
