Video Partitioning by Temporal Slice Coherency
图像检测，边缘检测 论文，侵权删
2022-03-12 11:35:56
412KB
1
A Spatio-temporal Transformer for 3D Human Motion Prediction
2022-02-26 09:11:37
5.39MB
1
中心差分法的MATLAB代码MATLAB中的时差学习演示
在此软件包中，您将找到MATLAB代码，这些代码演示了预测问题和强化学习中的时差学习方法的一些选定示例。
开始：
运行DemoGUI.m
从一组预定义的演示开始：选择一个演示并按Go
修改演示：选择预定义的演示之一，然后修改选项
随意分发或使用软件包，特别是出于教育目的。
我个人从徒步旅行中学到了很多东西。
软件包的存储库位于。
为什么时间差异学习很重要
RS
Sutton和AG
Barto从他们的书《强化学习入门》
（）引述：
如果必须将一种思想确定为强化学习的核心和新颖性，那么毫无疑问，这将是时差（TD）学习。
本质上，许多基本的强化学习算法（例如Q层和SARSA）都是时差学习方法。
演示版
Prediciton随机游走：了解我们可以多么精确地预测访问节点的概率
RL随机游走：了解RL生成的随机游走策略如何收敛计算的概率。
简单的网格世界（有或没有国王移动）
：了解RL产生的政策如何帮助代理人随时间推移找到目标（通过国王移动，这意味着沿着四个主要方向和对角线移动，即国王在国际象棋中移动的方式）。
有风的网格世界：风将代理商从
2021-12-23 08:23:13
34KB
1
SpaceNet 7多时相城市发展挑战
获奖解决方案
概括
该存储库中的五个子目录包含TopCoder托管的SpaceNet 7获奖解决方案的代码。 每个子目录均包含竞争对手对挑战解决方案的书面说明。 有关其他摘要，请参见CosmiQ Works的博客上的博客文章。 基线代码可以在找到。
数据托管在AWS上，网址为：
s3://spacenet-dataset/spacenet/SN7_buildings/
获胜的模型权重托管在：
s3://spacenet-dataset/spacenet-model-weights/spacenet-7/
获奖的解决方案全部使用Docker，并假定SpaceNet 7数据已安装在/data/目录中。
SpaceNet 7最终测试集上算法的性能如下所示：
对SpaceNet有疑问吗？ 在查看我们的网站。
2021-12-08 23:38:51
10.69MB
1
动态图表示学习，动态图分析论文汇总项目
本项目总结了动态图表示学习的有关论文，该项目在持续更新中，欢迎大家看/星/叉！
如果大家有值得推荐的工作，可以在问题中提出要推荐的工作，论文下载链接及其工作亮点（有优秀代码实现的工作，会优先考虑在内）。项目中表述有误的部分，也可以在issue中提出。感谢！
引流：【这也是我们的工作，欢迎手表/星/叉】
社交知识图谱专题： :
目录如下：
静态图表示与分析工作
针对静态图表示学习以及静态图分析，挖掘领域，挑选出个人认为值得继承的引用数更高，知名度较高的或最近的一些工作。
node2vec：网络的可扩展功能学习
作者：Grover A，Leskovec J.（阿姆斯特丹大学）
发表时间：2016
发表于：KDD 2016
标签：图表示学习
概述：依据表示学习，提出了一套在网络中学习连续连续类型表示的方法，取代了传统使用人工定义的例程结构化特征的方式
2021-12-05 01:49:53
26KB
1
这是一本详细地介绍temporal logic中的LTL的书，非常有参考价值！
2021-11-25 16:39:50
8.26MB
1
TEMPORAL LOGIC
From Ancient Ideas to Artificial Intelligence
2021-11-23 17:32:00
15.7MB
1
关系型股票排名（RSR）模型和时间图卷积的代码在我们的论文“股票预测的时间关系排名”中， 。
环境
Python 3.6和Tensorflow> 1.3
数据
所有数据，包括顺序数据，行业关系和Wiki关系，都位于文件夹下。
顺序数据
原始数据： 文件夹下的文件是从Google财经收集的在美国股市交易的超过8,000只股票的历史（过去30年）日末数据（即开盘价，最高价，最低价，收盘价和交易量） 。
处理的数据：是用于本文进行实验的数据集。
要获取关系数据，请运行以下命令：
tar zxvf relation.tar.gz
产业关系
在ector_industry文件夹下，有行关系文件和二进制编码文件（.npy），用于存储纳斯达克和纽约证券交易所股票之间的行业关系。
维基关系
在wikidata文件夹下，有行关系文件和二进制编码文件（.npy），用于存储纳斯达克和纽约证券交易所股票之
2021-11-16 17:10:16
332.59MB
1
| |
PyTorch几何态是时间（动态）扩展文库。
该库包含来自各种已发表研究论文的各种动态和时间几何深度学习，嵌入以及时空回归方法。此外，它还提供了易于使用的数据集加载器和迭代器，用于动态和时间图以及gpu支持。它还附带了许多带有时间和动态图的基准数据集（您也可以创建自己的数据集）。
引用
如果您发现PyTorch Geometric Temporal和新的数据集对您的研究有用，请考虑添加以下引用：
@misc { pytorch_geometric_temporal ,
author = { Benedek, Rozemberczki and Paul, Scherer and Yixuan, He and Oliver, Kiss and Nicolas, Collignon } ,
title = { {PyTorch Geometric Tempor
2021-10-18 18:33:09
1.85MB
1