人工智能培训

搜索

论文代码开源:深度多模态图像再利用检测(Deep Multimodal Image-Repurposing Detection)

[复制链接]
admin 发表于 2018-8-25 09:43:08 | 显示全部楼层 |阅读模式
admin 2018-8-25 09:43:08 547 0 显示全部楼层
人工智能论文代码开源:深度多模态图像再利用检测(Deep Multimodal Image-Repurposing Detection)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch。知识图是大型图形结构的事实数据库,通常存在不完整性。链接预测是推断知识图中实体(节点)之间的关系(链接)的任务。我们建议通过使用超网络架构来生成特定于每个关系的卷积层过滤器并将这些过滤器应用于主题实体嵌入来解决此任务。该架构允许在非线性表达性和要学习的参数数量之间进行权衡。我们的模型简化了由前任卷积模型引入的实体和关系嵌入交互,同时优于所有先前的方法在所有标准链路预测数据集上进行预测。
Knowledge graphs are large graph-structured databases of facts, whichtypically suffer from incompleteness.Link prediction is the task of inferringmissing relations (links) between entities (nodes) in a knowledge graph.Wepropose to solve this task by using a hypernetwork architecture to generateconvolutional layer filters specific to each relation and apply those filtersto the subject entity embeddings.This architecture enables a trade-off betweennon-linear expressiveness and the number of parameters to learn.Our modelsimplifies the entity and relation embedding interactions introduced by thepredecessor convolutional model, while outperforming all previous approaches tolink prediction across all standard link prediction datasets.论文代码开源:深度多模态图像再利用检测(Deep Multimodal Image-Repurposing Detection) woer8g7SI4ZZjH1W.jpg
URL地址:https://arxiv.org/abs/1808.07018v1     ----pdf下载地址:https://arxiv.org/pdf/1808.07018v1    ----         ----github下载地址:https://github.com/ibalazevic/HypER    ----    论文代码开源:深度多模态图像再利用检测(Deep Multimodal Image-Repurposing Detection)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch,keras,至于具体是哪一个没有完全测试。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

admin当前离线
管理员

查看:547 | 回复:0

快速回复 返回顶部 返回列表