Learning sparse network using target dropout（文末有代码链接）
摘要
当神经网络的权值的数量超过了从输入映射到输出需要的权值数量，神经网络会更容易优化。这里暗存了一个两个阶段的学习进程：首先学习一个大的网络，然后删除连接或隐藏的单元。但是，标准的训练并不一定会使得网络易于修剪。于是，我们介绍了一种训练神经网络的方法——target…
Category: 论文
Graph Convolutional Neural Networks for Web-Scale Recommender Systems（用于Web级推荐系统的图形卷积神经网络）
Graph Convolutional Neural Networks for Web-Scale Recommender Systems
用于Web级推荐系统的图形卷积神经网络
ABSTRACT
Recent advancements…
DCN:Deep & Cross Network for Ad Click Predictions简介
Deep & Cross Network for Ad Click Predictions
摘要
作者起草了DCN，该网络可以保持DNN的优点（隐式地生成特征之间的交互），同时又利用交叉网络来对特征进行显式的交叉计算。这也不要求手工的特征工程，同时只是在DNN的基础上加了一些可容忍的复杂度。实验证明DCN已经在CTR预估与分类问题上超过了sota。…
《Learning Deep Structured Semantic Models for Web Search using Clickthrough Data 》论文总结
1.背景
DSSM是Deep Structured Semantic Model的缩写，即我们通常说的基于深度网络的语义模型，其核心思想是将query和doc映射到到共同维度的语义空间中，通过最大化query和doc语义向量之间的余弦相似度，从而训练得到隐含语义模型，达到检索的目的。DSSM有很广泛的应用，比如：搜索引擎检索，广告相关性，问答系统，机器翻译等。…
DehazeNet: An End-to-End System for Single Image Haze Removal
项目主页：http://caibolun.github.io/DehazeNet/
GitHub代码 ：https://github.com/caibolun/DehazeNet
BReLU+Caffe ：https://github.com/zlinker/mycaffe…
DeepCoNN
DeepCoNN Lei Zheng, Vahid Noroozi, and Philip S. Yu. 2017. Joint Deep Modeling of Users and Items Using Reviews for Recommendation.…
深度学习之图像修复
图像修复问题就是还原图像中缺失的部分。基于图像中已有信息，去还原图像中的缺失部分。
从直观上看，这个问题能否解决是看情况的，还原的关键在于剩余信息的使用，剩余信息中如果存在有缺失部分信息的patch，那么剩下的问题就是从剩余信息中判断缺失部分与哪一部分相似。而这，就是现在比较流行的PatchMatch的基本思想。…
暗黑破坏神 2 私服 sf 114.215.178.67
注册表
REGEDIT4
[HKEY_CURRENT_USER\Software\Blizzard Entertainment\Diablo II]
“BNETIP”=”114.215.178.67”…