摘要：
自动编码器的评级预测 AutoRec: Rating Prediction with Autoencoders 虽然矩阵分解模型在评级预测任务上取得了不错的效果，但本质上是一个线性模型。因此，这样的模型不能捕捉复杂的非线性和复杂的关系，这些关系可以预测用户的偏好。在本文中，介绍了一个非线性神经网络协 阅读全文
摘要：
矩阵分解 Matrix Factorization 矩阵因子分解[Koren等人，2009]是推荐系统文献中一个成熟的算法。矩阵分解模型的第一个版本是由simonfunk在一篇著名的博客文章中提出的，在文章中描述了将交互矩阵分解的思想。后来由于2006年举行的Netflix竞赛而广为人知。当时，流媒 阅读全文
摘要：
电影数据集 The MovieLens Dataset 有许多数据集可用于推荐研究。其中，MovieLens数据集可能是最受欢迎的数据集之一。MovieLens是一个基于web的非商业电影推荐系统。创建于1997年，由明尼苏达大学的一个研究实验室GroupLens管理，目的是为了研究目的收集电影分级 阅读全文
摘要：
CVPR2020：基于自适应采样的非局部神经网络鲁棒点云处理（PointASNL） PointASNL: Robust Point Clouds Processing Using Nonlocal Neural Networks With Adaptive Sampling 论文地址： https: 阅读全文
摘要：
CVPR2020：三维点云无监督表示学习的全局局部双向推理 Global-Local Bidirectional Reasoning for Unsupervised Representation Learning of 3D Point Clouds 论文地址： https://openacces 阅读全文
摘要：
CVPR2020：点云三维目标跟踪的点对盒网络（P2B） P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds 代码：https://github.com/HaozheQi/P2B 论文地址： https://openacc 阅读全文
摘要：
深度卷积生成对抗网络 Deep Convolutional Generative Adversarial Networks GANs如何工作的基本思想。可以从一些简单的，易于抽样的分布，如均匀分布或正态分布中提取样本，并将其转换成与某些数据集的分布相匹配的样本。虽然例子匹配一个二维高斯分布得到了交叉 阅读全文
摘要：
推荐系统实战 Recommender Systems 推荐系统广泛应用于工业领域，在日常生活中无处不在。这些系统被用于许多领域，如在线购物网站（例如。，亚马逊网站)音乐/电影服务网站（如Netflix和Spotify）、移动应用程序商店（如IOS应用程序商店和google play）、在线广告等等。 阅读全文
摘要：
生成性对抗网络技术实现 Generative Adversarial Networks 以某种形式，使用深度神经网络学习从数据点到标签的映射。这种学习被称为区别性学习，因为希望能够区分猫和狗的照片。量词和回归词都是区别学习的例子。而由反向传播训练的神经网络颠覆了认为在大型复杂数据集上进行区分学习的一 阅读全文
摘要：
Kaggle上的犬种识别（ImageNet Dogs） Dog Breed Identification (ImageNet Dogs) on Kaggle 在本节中，将解决在Kaggle竞赛中的犬种识别挑战。比赛的网址是 https://www.kaggle.com/c/dog-breed-ide 阅读全文