攜程最新基於深度學習的混合協同過濾模型論文學習和分享
近些年，深度學習在語音識別、圖像處理、自然語言處理等領域都取得了很大的突破與成就。相對來說，深度學習在推薦系統領域的研究與應用還處於早期階段。 攜程在深度學習與推薦系統結合的領域也進行了相關的研究與應用，並在國際人工智能頂級會議AAAI 2017上發表了相應的研究成果《A Hybrid ...
原文：論文分享：用於模型解釋的對抗不忠學習
前言 本文介紹一篇發表在 KDD 的論文 Adversarial Infidelity Learning for Model Interpretation 。該工作提出了一種高效的模型無關的實例特征選擇 IFS 方法，其目標在於解決現有IFS方法中存在的 完備性 sanity 組合捷徑 combinatorial shortcuts 模型可識別性 model identifiability 和信息 ...
2020-11-25 17:17 0 434 推薦指數：
相關推薦
京東最新點擊率預估模型論文學習和分享
最近看了京東算法團隊最新發表的一篇點擊率預估模型的paper Telepath: Understanding Users from a Human Vision Perspective in Large-Scale Recommender Systems，在這里分享一下。 這篇paper的創新 ...
Defense-GAN——防御對抗樣本，本質上就是在用類似編碼解碼器（論文用了GAN）來進行表征學習，使得算法模型更健壯
2. Defense-GAN：Protecting Classifiers Against Adversarial Attacks Using Generative Models 本文[3]基於生成對抗網絡（GAN）提出了一種新的防御機制：Defense-GAN。這是一個這是一個利用生成模型 ...
九、產生和防御對抗樣本的新方法 | 分享總結--廖方舟（論文11）
視頻連接：http://www.mooc.ai/course/383/learn#lesson/2163 論文總結：http://ai.yanxishe.com/page/blogDetail/5357 對抗樣本的攻防： 什么是對抗樣本 ...
對抗性魯棒性與模型壓縮：ICCV2019論文解析
對抗性魯棒性與模型壓縮：ICCV2019論文解析 Adversarial Robustness vs. Model Compression, or Both? 論文鏈接： http://openaccess.thecvf.com/content_ICCV_2019 ...
對抗樣本論文總結
提出adversarial examples的論文Intriguing properties of neural ne ...
【基於模型的強化學習】論文閱讀
強化學習傳說：第五章 基於模型的強化學習 無模型的方法是通過agent不斷探索環境，不斷試錯，不斷學習，因此導致了無模型的方法數據效率不高。而基於模型的方法則相反，它能夠充分利用已有的模型，高效地利用數據。 簡單的思路： 先訓練得到環境模型，再利用規划求解。但是本來專家算法就是這么做 ...
深度學習用於文本分類的論文及代碼集錦
深度學習用於文本分類的論文及代碼集錦 原創： FrankLearningMachine 機器學習blog 4天前 [1] Convolutional Neural Networks for Sentence Classification Yoon Kim New York ...