读论文时间！ 图卷积神经网络：GCN 参考： 原论文：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 前置知识：GNN 图卷积神经网络（GCN）论文笔记 GCN图卷积网络入门详解 简单实例：计算工资 假设在一个人际关系图里面，人是节点，关系是...

图神经网络GNN 参考： https://distill.pub/2021/gnn-intro/，这篇博客有很多交互图，非常推荐体验。 https://blog.csdn.net/giganticpower/article/details/109366833 图神经网络不同于只用于网格结构数据的传统模型：LSTM，CNN等。是一种处理广义拓扑图（...

读论文时间！ 计算机视觉模型：ResNeXt 参考： 前置知识：ResNet 吴恩达《深度学习》课程 前情提要 ResNeXt，简单来说是ResNet与Inception网络的优化，先简单复习一下ResNet与Inception网络。 ResNet 这是一个基本模块，ResNet由这种基本模块堆叠构成。这种基本模块可以用数学公...

读论文时间！ 计算机视觉模型：ResNet 参考：吴恩达深度学习视频 吴恩达说残差网络 非常非常深的神经网络是很难训练的，因为存在梯度消失和梯度爆炸问题。这节课我们学习跳跃连接（Skip connection），它可以从某一层网络层获取激活，然后迅速反馈给另外一层，甚至是神经网络的更深层。利用跳跃连接构建能够训练深度网络的残差网络（ResNet），有时深度能够超过10...

读论文时间！ 多模态模型：CLIP 参考： 论文网址：https://arxiv.org/abs/2103.00020 源码网址：https://github.com/OpenAI/CLIP 【论文&模型讲解】CLIP CLIP 模型解读 深度学习系列37：CLIP模型 介绍 SOTA计算机视觉系统被训练来...

文章笔记： Multitask learning and benchmarking with clinical time series data How to Leverage Multimodal EHR Data for Better Medical Predictions? Improving Medical Predictions by Irre...

读论文时间！ 官方代码 介绍 深度学习提供了改善医疗服务质量的巨大机会。然而，电子健康记录（EHR）数据的复杂性是深度学习应用的一个挑战。 数据可以分为三种模式： 非时间相关的数据，如患者的年龄、性别等。通常，在住院期间不会改变。 时间序列数据，如生命体征和实验室检查结果。这些数据共享相同的特点，即它们会随着时间而变化，并且在时间上的分布是非均匀的。例如，...

读论文时间！ 代码：github 介绍 重症监护室 (ICU) 患者的健康状况通过电子健康记录 (EHR) 进行监测，这些记录由数字时间序列和冗长的临床笔记组成，并在不规则的时间间隔内进行采集。 图片解释：一个病人ICU停留的示例包括三个特征的MISTS和一系列临床记录。对于MISTS，心率和体温以不同的频率定期监测，并根据医生的决定在不规则的时间间隔内进行实验...

读论文时间！ 参考： 前置知识：孪生网络和三胞胎网络 前置知识：BERT 原论文：Arxiv https://wmathor.com/index.php/archives/1496/ https://zhuanlan.zhihu.com/p/659682364 SentenceTransformers 官方python库文档...

参考：https://wmathor.com/index.php/archives/1495/ Siamese Network（孪生网络） 简单来说，孪生网络就是共享参数的两个神经网络。 在孪生网络中，我们把一张图片 X1 作为输入，得到该图片的编码 $G_W(X_1)$。然后，我们在不对网络参数进行任何更新的情况下，输入另一张图片 W2，并得到改图片的编码 $G_W(X_2)...