很多领域,SCI是王道,尤其在中国,在教师科研职称评审和学生毕业条件中都对SCI极为重视,而会议则充当了补充者的身份.但是在计算机领域,尤其是人工智能与机器学习领域里,往往研究者们更加青睐于会议 我无意否认SCI期刊的价值,但是在机器学习.计算机视觉和人工智能领域,顶级会议才是王道.有人会质疑这些会议都只是EI索引的.是的,这的确非常特殊:在许多其它领域,会议都是盛会,比如society of neuroscience的会议,每次都有上万人参加,带个abstract和poster就可以去.但在所

4.(2021.6.24)Briefings-生物信息学中的图表示学习:趋势.方法和应用 论文标题: Graph representation learning in bioinformatics: trends, methods and applications 论文期刊: Briefings in Bioinformatics 2021 论文地址: https://www.researchgate.net/profile/Haicheng-Yi/publication/354327323_G

Global Gated Mixture of Second-order Pooling for Imporving Deep Convolutional Neural Network(2018 NIPS,大工李培华组) 论文motivation: (1)现存的池化:一阶GAP(全局均值池化)是很多CNN结构的标配,有研究者提出高阶池化来提高性能 (2)缺点:但是这些池化都有个缺点就是假设了样本服从了单峰分布,限制了CNN的表达能力. (3)论文的改进:于是论文提出了基于二阶池化的门混合结构来提

6.(2021.9.14)Briefings-MPG:一种有效的自我监督框架,用于学习药物分子的全局表示以进行药物发现 论文标题:An effective self-supervised framework for learning expressive molecular global representations to drug discovery 论文期刊:Briefings in Bioinformatics 2021 论文地址:https://www.researchgate.net

3.(2021.3.26)Bioinformatics-SumGNN:通过有效的KG聚集进行多类型DDI预测 论文标题: SumGNN: multi-typed drug interaction prediction via efficient knowledge graph summarization 论文地址: https://academic.oup.com/bioinformatics/article-pdf/37/18/2988/40471587/btab207.pdf 论文期刊: B

2.(2021.3.15)Bioinformatics-MUFFIN:用于DDI预测的多尺度特征融合 论文标题: MUFFIN: multi-scale feature fusion for drug–drug interaction prediction 论文地址: https://www.researchgate.net/profile/Jianmin-Wang-3/publication/350100336_MUFFIN_Multi-Scale_Feature_Fusion_for_Dru

5.(2021.7.12)Bioinformatics-KG4SL:用于人类癌症综合致死率预测的知识图神经网络 论文标题:KG4SL: knowledge graph neural network for synthetic lethality prediction in human cancers 论文地址:https://academic.oup.com/bioinformatics/article/37/Supplement_1/i418/6319703 论文期刊:Bioinformati

14.(2022.5.21)Bioinformatics-SGCL-DTI:用于DTI预测的监督图协同对比学习 论文标题: Supervised graph co-contrastive learning for drug–target interaction prediction 论文地址: https://academic.oup.com/bioinformatics/article-abstract/38/10/2847/6551245 论文期刊: Bioinformatics 2022

MSTE: 基于多向语义关系的有效KGE用于多药副作用预测 论文标题: Effective knowledge graph embeddings based on multidirectional semantics relations for polypharmacy side effects prediction 论文期刊: Bioinformatics 2021 MSTE: 基于多向语义关系的有效KGE用于多药副作用预测 摘要 1.引言 2.相关工作 2.1 KGE 2.2.1 基于平移的

知识图谱综述(2021.4) 论文地址:A Survey on Knowledge Graphs: Representation, Acquisition, and Applications 目录 知识图谱综述(2021.4) 摘要 1.简介 2.概述 3.知识表示学习(KRL) 3.1 表示空间 3.1.1 点空间 3.1.2 复向量空间 3.1.3 高斯分布 3.1.4 流形和群 3.2 评分函数 3.2.1 基于距离的评分函数 3.2.2 基于语义匹配的评分函数 3.3 编码模型 3.3.

读博从报道那天算起到现在已经3个多月了,这段时间以来和博导总共见过两次面,寥寥数语的见面要我对剩下的几年读书生活没有了太多的期盼,有些事情一直想去做却总是打不起来精神,最后挣扎一下还是决定把和博导开学后的交代记录下来,这也算是为日后留档吧. 交代如下: 1. 以月为单位,读文章,阐述原理,读一些有关联性的文章: 2. 综述报告, 要表现出问题的现状,并预测未来的发展方向: 3. 选题报告, 要写哪些题目可以写,哪里题目值得研究,要有条理,其原因用一.二.三点这样的标号来表示: 4. 实现报告,

Active Object Localization with Deep Reinforcement Learning ICCV 2015 最近Deep Reinforcement Learning算是火了一把,在Google Deep Mind的主页上,更是许多关于此的paper,基本都发在ICML,AAAI,IJCAI等各种人工智能,机器学习的牛会顶刊,甚至是Nature,可以参考其官方publication page: https://www.deepmind.com/publicatio

https://blog.csdn.net/weixin_42137700/article/details/81628028 首先,本文不是为了增加大家的焦虑感,而是站在一名学生的角度聊聊找AI算法岗位的那些事儿(不喜请喷). 熟悉Amusi的同学应该知道,Amusi 是一名十八线过气211院校的研二学生.因此有幸成为秋招大军的一员.原本想着秋招完,拿到不错的Offer,再来写篇文章来总结的,但随着指针在转,越发觉得写一篇相关文章很重要. 这里先申明一下,AI算法工程师范围很大,细分一下:深度学

小虫一名英国博后,前阵发书,认识了很多机械制造领域的伙伴.得知我录用了多篇顶刊后,很多人私聊我求经验. 哎,哪里那么容易.回想过去5年,制造领域的期刊基本都被拒过一圈.当年自己投稿时就发现,制造顶刊的[SCI期刊]板块,参与评论的人太少了.承蒙大家喜欢,抽空简单写个帖. 另外推荐一个群,为了避免广告嫌疑被删帖,大家自行去看吧.链接点我 **************************分割线**************************************** 1. CIRP Ann

作者朱尊杰,公众号:计算机视觉life,编辑成员 一 主要针对自动驾驶: 1.KITTI数据集: http://www.cvlibs.net/datasets/kitti/index.php(RGB+Lidar+GPS+IMU) KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集.该数据集用于评测立体图像 (stereo),光流 (optical flow),视觉里程计(visual odometry),3D物体检测

[导读]今天,谷歌发布了2019最新版学术指标,对收录的会议和期刊的影响力进行排名.AI类的多个顶会进入榜单Top 100,CVPR更是进入前10,而何恺明的"深度残差网络"单篇引用次数高达25256次,引用量最高! 今天,谷歌正式发布了2019年版的学术指标(Scholar Metrics). 本次发布涵盖2014-2018年发表的文章,并包括了截至2019年7月在谷歌学术中被索引的所有文章的引用 . 最新版的谷歌学术指标有以下亮点: 两大自然科学顶刊Nature和Science分别

作者: Liam 点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达 构造函数 Initializer::Initializer(const Frame &ReferenceFrame, float sigma, int iterations)参数: 参考帧(第一帧), 误差, 迭代次数 操作:读取参考帧的相机模型, 内参, 去畸变的特征点等传入参数 初始化:并行的计算前后两帧的本质矩阵和基础矩阵,选出来评分高的恢复旋转和平移 bool Initia

From: https://www.zhihu.com/question/26493945 可以载入史册的知乎贴 目标跟踪之NIUBILITY的相关滤波 - 专注于分享目标跟踪中非常高效快速的相关滤波方法 [1] 跟踪是一个很混乱的方向. 比如TLD.CT.Struct这些效果不错的Tracker其实都不是单纯的Tracker了. 09年的时候我记得比较流行的是Particle Filtering, 或者一些MeanShift/CamShift的变形,比如特征变了,比如对问题的假设变了. 后来突

很久没有更文章了,主要是没有找到zero-shot learning(ZSL)方面我特别想要分享的文章,且中间有一段时间在考虑要不要继续做这个题目,再加上我懒 (￢_￢),所以一直拖到了现在. 最近科研没什么进展,就想着写一个ZSL的入门性的文章,目的是为了帮助完全没有接触过这方面,并有些兴趣的同学,能在较短的时间对ZSL有一定的认识,并且对目前的发展情况有一定的把握. 在此之前,需要提到的是:无论是论文笔记,还是总结性的读物,都包含了作者自己的理解和二次加工,想要做出好的工作必定需要自己看论文

PNAS又来一篇:Gene- and tissue-level interactions in normal gastrointestinal development and Hirschsprung disease 搜文献,无意间看到一篇相关文章,发现发在顶刊NEJM,本想细细学其精华,没想到看完后犹如晴天霹雳,科研还能这么玩. Molecular Genetic Anatomy and Risk Profile of Hirschsprung’s Disease 首先看其数据和方法: exo

open access: 作者付费,读者免费获取方式:相当于你给所有读者买单,就是交钱让你的文章可免费下载,很显然文章的被引用几率机会会提高.对于那些追求他引的单位,个别作者就得出点银子了 classic access:与open access相反,作者无需付费 投稿时还需注意的事项: 1. 论文接收后有两种版本:online和print version. online version中图片一般是彩色的无需额外付费: print version中图片选择黑白模式(black/white)则无需付