#深度学习#今日 Paper | 空间注意力网络；深度信念网络；GhostNet；位置预测等( 二 ) |算法|照相机|国创上头条|

3 研究意义
1）此方法帮助选择一个最优子蛋白序列，并实现了90%的准确度，此结果超越了针对阿尔兹海默症诊断的传统方法2）在识别蛋白组危险标记和加强新陈代谢危险因子和阿尔兹海默症之间联系的同时，本文同时还指出脂联素连接的途径可能是药物治疗的靶点。

本文插图
分层时空LSTM在位置预测中的应用
论文名称：HST-LSTM: A Hierarchical Spatial-Temporal Long-Short Term Memory Network for Location Prediction
作者：Dejiang Kong
发表时间：2018/12/5
论文链接：https://paper.yanxishe.com/review/13552?from=leiphonecolumn_paperreview0330
推荐原因
针对目前学术界研究的位置轨迹定位问题，本文提出了一种新颖的时空LSTM模型进行研究。与以往的研究方法相比，作者采用ST-LSTM模型，将时空因素引入门控机制从而缓解数据的稀疏性问题。除此之外，作者采用分层架构结合利用上下文历史访问信息来提高位置预测的准确性。通过实验验证，证明了该方法的有效性。

本文插图

本文插图
GhostNet：廉价运营带来的更多功能
论文名称：GhostNet: More Features from Cheap Operations
作者：Kai Han1
发表时间：2020/1/15
论文链接：https://paper.yanxishe.com/review/13546?from=leiphonecolumn_paperreview0330
推荐原因
本文提出了一种新颖的Ghost模块，通过廉价的操作就可以生成更多的功能图，这些功能图可用于构建有效的神经体系结构。其中，本文提出的Ghost模块，它是将原始的卷积神经网络（CNN）中的卷积层分为两部分，通过使用较少的过滤器生成了新的固有特征图。然后，通过一定数量的廉价转化操作，进一步应用于有效生成幻影特征图。最后作者在数据集上进行实验，实验表明，该方法将原始模型在保持可比性能的同时转换为紧凑型的即插即用模块，除此之外，新模块构建的GhostNet在结构率和准确性方面均优于传统的神经网络。

本文插图

本文插图
【#深度学习#今日 Paper | 空间注意力网络；深度信念网络；GhostNet；位置预测等】雷锋网雷锋网雷锋网