发简信
IP属地：北京
-
2019-12-25推荐总结第一个问题：我们知道在个性化推荐系统里，第一个环节一般是召回阶段，而召回阶段工业界目前常规的做法是多路召回，每一路召回可能采取一个不同的策略。那...
-
2019-08-13 Evaluating the visualization of what a Deep Neural Network has learned
这篇文章提出了一种对那些用热力图解释神经网络分类依据方法的效果进行客观比较的方法。而不是人主观的去肉眼比较，用到的数据集是SUN397,ILSV...
-
2019-08-08记录一些网站
http://shixialiu.com/publications/cnnvis/demo/ 百度开发的框架paddlepaddle visualDL
-
2019-08-08https://www.leiphone.com/news/201711/aNw8ZjqMuqvygzlz.html这些图样就像是作弊图形，用现实生活中不存在的方式激活了神经元。如果优化的步骤足够多，最终得到的东西是神经元确实有响应，但人眼看来全都是高频图样的...
-
2019-07-21Visualizing Higher-Layer Features of a Deep Network
这篇文章很早了，2009年的 提出了三种方法 1.AM 寻找给定节点的最大激活模式， 2.DBN采样，不懂 3.线性组合 意思是说第二层学到的特...
-
Understanding Neural Networks Through Deep Visualization
很早的文章 2015http://yosinski.com/deepvis 提出两种工具：（1）可视化激活值（2）第二种方法通过一种正则化的方法...
-
Plug & Play Generative Networks: Conditional Iterative Generation of Images in Latent Space
即插即用生成网络 http://EvolvingAI.org/ppgn. （1）以前的研究展示了通过激活一个或者一组神经元用梯度上升方法来产...
-
Understanding Neural Networks via Feature Visualization: A survey（2）综述太长，分两部分写。 文章第二部分介绍了Plug and Play Generative Networks这篇文章中提到了一个概率解释公式，在...
-
Understanding Neural Networks via Feature Visualization: A survey（1）奥本大学 美国80左右的大学 （1）回顾现有的AM（激活最大算法）（2）讨论现有AM算法概率意义的解释，（3）回顾AM在调试和解释网络的应用 （...