标签

 图谱 

相关的文章:

这是一个关于图谱的文章列表,包括自监督学习、深度基于图谱的分割、信息提取和文档图谱语言模型等内容。

基于对比度的图谱自监督学习中光谱提示是否重要?

发表于:

对对比度图自我监督学习中光谱信息的贡献进行讨论,发现基于光谱特征的增强方法在学习性能上表现优异,但基于边缘摄动的简单策略在性能方面更出色,且资源消耗更低。这些结论为图像自我监督学习领域带来了重要进展,可能改变对图像自我监督学习的理解和应用。

相关推荐 去reddit讨论

DABS-LS:基于区域水平集自监督的深度基于图谱的分割

发表于:

通过使用基于深度图谱的内部听道分割网络(DABS-LS)进行 Cochlear Implants(CIs)研究,我们提出了一种自我监督培训方案,准确推定听觉神经纤维的位置,并可改进 CI 编程。验证结果表明,DABS-LS 优于现有方法,对 IAC 分割的准确性得到了显著提高。

相关推荐 去reddit讨论

DocGraphLM: 信息提取的文档图谱语言模型

发表于:

该研究论文介绍了一种名为 DocGraphLM 的新型框架,它结合了预训练语言模型和图形语义,通过使用联合编码器架构来表示文档,并采用一种新颖的链接预测方法来重构文档图。DocGraphLM 通过采用图形特征,在信息提取和问答任务中持续改善了目标性能,并且提供了在训练过程中加速收敛的优点。

相关推荐 去reddit讨论

无监督特征相关性模型预测乳房异常变异图谱的纵向乳房 X 光检查

原文约400字,阅读约需1分钟。发表于:

针对乳腺异常的早期检测和准确诊断进行研究,通过使用长期观察的二维乳房 X 射线照片预测乳房异常变异,提出了一种新型的无监督特征相关网络模型,通过重建当前年份和前一年份的乳房 X 射线照片提取不同区域的组织并分析其差异,从而识别可能表明癌症存在的异常变异。该模型利用特征相关模块、注意力抑制门和乳房异常检测模块共同改善预测的准确性,不仅提供乳房异常变异图,还能区分正常和癌症乳房 X...

该研究提出了一种新型的无监督特征相关网络模型,用于预测乳腺异常变异。该模型通过重建乳房 X 射线照片并分析差异,识别可能表明癌症存在的异常变异。在准确性、灵敏度、特异度、Dice 得分和癌症检测率方面,该模型优于基准模型。

相关推荐 去reddit讨论

人口图谱构建方法与脑龄回归的图神经网络的比较研究

原文约200字,阅读约需1分钟。发表于:

推断脑龄估计中的群体图结构对图神经网络的影响。

本文研究了具有协方差矩阵的图形卷积神经网络在脑成像数据分析中的应用,证明了其比传统 PCA 方法更具实用性,并验证了其对于阿尔茨海默病的优势与解释性。

相关推荐 去reddit讨论

高赞推荐!《后端架构师技术图谱》:成为架构师的必经之路

发表于:

《后端架构师技术图谱》 推荐: 《Java技术书籍大全》 - awesome-java-books 从初级开发者到资深架构师,看这些书就够了 数据结构 队列 集合 链表、数组 字典、关联数组 栈 树 二叉树 完全二叉树 平衡二叉树 二叉查找树(BST) 红黑树 B,B+,B*树 LSM...

相关推荐 去reddit讨论

Text2Cypher:大语言模型驱动的图谱查询生成

原文英文,约600词,阅读约需3分钟。发表于:

从 GPT-3 开始展现出超出预期的”理解能力“开始,我们一直在做 Graph + LLM 技术组合、互补的研究、探索和阜分享,截止到现在 NebulaGraph 已经在 LlamaIndex 与 Langchain...

本文介绍了基于GPT-3的Text2Cypher技术,即将自然语言文本转换为Cypher查询语句。作者利用GPT-3帮助写复杂的Cypher查询语句,并开发了ngql-GPT项目。使用LlamaIndex和Langchain可以快速构建大语言模型应用,避免从头实现通用的脚手架代码。作者展示了一个Demo,演示了如何利用LLM从维基百科抽取知识并存储到NebulaGraph中,并通过Cypher查询和Text2Cypher实现自然语言查询图谱的功能。未来还将展示更多知识图谱和图数据库为大语言模型生态带来的变革。

Text2Cypher:大语言模型驱动的图谱查询生成
相关推荐 去reddit讨论

智能与人文跨学科合作探索汉籍流传图谱

原文约3100字,阅读约需8分钟。发表于:

近日,北京大学智能学院袁晓如课题组和中文系杨海峥课题组取得重要跨学科合作研究进展 …继续阅读 »

北京大学智能学院和中文系合作研究中国古籍在日本的传播路径,通过可视化分析系统展示了汉籍在不同地点和机构间的流传分布。该研究为海外汉籍研究提供了新的方法和工具,推动了海外汉学研究的发展。

智能与人文跨学科合作探索汉籍流传图谱
相关推荐 去reddit讨论

图谱驱动的大语言模型 Llama Index

原文约5200字,阅读约需13分钟。发表于:

如何利用图谱构建更好的 In-context Learning 大语言模型应用。 English version 注:本文是我最初以英文撰写的,然后麻烦 ChatGPT 帮我翻译成了英文,翻译的 prompt 是: 1 In this thread, you are a Chinese Tech blogger to help translate my blog in...

本文介绍了如何利用图谱构建更好的In-context Learning大语言模型应用。通过嵌入和向量搜索,可以在文档中获取与特定任务相关的信息。然而,嵌入和向量搜索可能会丢失全局上下文,因此可以使用知识图谱来解决这个问题。通过将知识图谱与嵌入结合使用,可以更好地搜索需要全局上下文的查询。最近,Llama Index引入了GraphStore存储上下文,可以从现有的知识图谱中进行上下文学习,并与其他索引结合使用。未来,作者将更新有关Llama Index中知识图谱相关工作的内容,并分享演示项目和教程。

图谱驱动的大语言模型 Llama Index
相关推荐 去reddit讨论

知识就是力量,图谱路在何方 | ChatGPT冲击下,招商银行如何“抢救”知识图谱?

发表于:

联邦式知识图谱是知识图谱与开放生态的组合。知识图谱用图的形式表示知识,基于联邦式知识图谱,实现各个图谱知识之间的互联互通,从而实现图谱全局的推理和预测。在底层数据的应用上,将各类业务文档、规章制度、专业知识、问答知识、资讯、内部论坛等数据统一在招行知识中心通过数据库、图谱等形式进行存储,在上层能力上,业务可以通过知识拆解、知识编辑、知识授权、知识搜索、场景部门个性化知识推荐等形式,通过招行各...

相关推荐 去reddit讨论