DGCNN: A convolutional neural network over large-scale labeled graphs
PulseAugur coverage of DGCNN: A convolutional neural network over large-scale labeled graphs — every cluster mentioning DGCNN: A convolutional neural network over large-scale labeled graphs across labs, papers, and developer communities, ranked by signal.
-
脑电图情绪识别：协议影响与人工智能生成建筑见解
两篇研究论文探讨了使用脑电图（EEG）数据进行情绪识别的细微差别。第一篇论文侧重于脑电图情绪识别中评估协议和跨主体泛化的关键重要性，强调了不同方法可能产生截然不同的准确性结果。第二篇论文专门研究了对人工智能生成的生物数字建筑图像做出反应的基于脑电图的情绪识别，确定了与敬畏等积极情绪相关的特定视觉元素，如绿化和不均匀的粒度。
-
FusionNet 使用感知物理的深度学习进行工业监控
研究人员开发了 FusionNet，一个新颖的深度学习框架，旨在利用多光谱和热数据改进水泥生产设施的监控。这种物理信息方法集成了短波红外 (SWIR) 和热红外 (TIR) 数据，将其信号处理先验嵌入其架构中。FusionNet 在 SWIR 比率数据上达到了 90.6% 的准确率，优于现有方法，并证明了将感知物理的特征选择与先进的深度学习相结合在工业基础设施监控方面的有效性。
-
3DTeethLand挑战赛推动AI在牙科地标检测方面取得进展
在MICCAI 2024上举行的3DTeethLand挑战赛旨在推进从口内3D扫描中检测牙科地标的深度学习技术。该挑战赛提供了一个包含340个扫描件的新数据集，用于对这一正畸关键任务的算法进行基准测试。四十九支队伍参赛，排名第一的队伍使用一种新颖的两阶段Transformer方法取得了0.91的得分。