组会 2018-3-16
Title | Detail | Author |
---|---|---|
Why should I trust you | 提出了开源工具"Lime",能够解释样本的预测结果,并且增加模型本身的可解释性 | Fuyingnan |
Deep Residual Learning for Image Recognition | 提出了更深层次的卷积网络架构——残差网络,解决了传统模型中网络难以训练的问题 | Zhurenyu |
A Unified Probabilistic Framework for Name Disambiguation in Digital Library | 将姓名消歧问题formalize成一个隐马尔科夫随机场,并提出了参数估计的两阶段算法;提出了自动确定重名人数的auto K算法 | Lina |
JointExtractionofEntitiesandRelations | 将实体识别和关系提取统一为序列标注问题,使用同一个模型同时进行实体识别和关系提取 | Kuangjun |
组会 2018-3-23
Title | Detail | Author |
---|---|---|
Mask R-CNN | 提出了Mask R-CNN用于图像的实例分割 | yuruonan |
Deep Reinforcement Learning for Mention-Ranking | 采用神经网络和强化学习技术增加共指消解的准确率 | chenyuanzhe |
Question Answering with Subgraph Embeddings | 采用基于子图嵌入的方法,进行问答系统的训练和答案预测 | tanglumin |
RNN学习心得 | 介绍了RNN相关概念,讲解了梯度消失和权重冲突问题 | yangkang |
组会 2018-3-30
Title | Detail | Author |
---|---|---|
Reinforcement Learning for Relation Classification from Noisy Data | 提出一个新的关系分类模型,由实体选择器和关系分类器构成,能够在“Sentence Level”提取关系。将实体选择问题转换成强化学习问题。 | GuHang |
Pix2code: Generating Code from a Graphical User Interface Screenshot | 使用CNN和RNN的联合模型,将网页的UI图转化为对应的HTML代码 | E Shen |
JAVA GC机制 | 讲解了java的内存分配机制和垃圾回收机制 |