본문 바로가기
반응형

graph3

[논문 리뷰] Session-based Recommendation with Graph Neural Networks, 2018 https://arxiv.org/pdf/1811.00855.pdf 0. Abstract session-based 추천시스템의 문제는 익명 세션을 기반으로한 사용자의 action을 예측하는 것에 초점을 맞춘다는 것이다. 이전 방법들은 session을 sequence로 모델링하고, recommendation을 만들기 위해 사용자의 representation을 추정한다. 이러한 방법이 좋은 결과를 내었음에도 아직 session에서 정확한 user vector를 얻기에는 충분하지 않고, item 사이의 복잡한 transition을 무시한다. 정확한 item embedding을 얻고, item의 복잡한 transition들은 고려하기 위해, 저자는 Session-based Recommendation with Gr.. 2023. 2. 1.
[SLAM] Hierarchical Pose Graphs for SLAM 본 글은 SLAM 한국어 강의 https://www.youtube.com/c/SLAMKR Cyrill Stachniss 교수님 https://www.youtube.com/playlist?list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN_ 강의를 듣고 개인적으로 정리한 글입니다. Hierarchical Approach Motivation Back-End에서 graph optimization을 할 때, 실시간으로 정보가 들어오게 되므로, 진행할 수록 로봇의 pose들이 쌓여가므로 Graph가 점점 커지게 된다. 이 경우 optimization을 수행할 때 필요한 연산량이 계속해서 증가하게 되는데, 이는 수행 속도를 느리게 하는 단점을 가지고 있다. 이렇게 해서 생겨난 방법이 Hierarc.. 2022. 7. 31.
[SLAM] Graph-Based SLAM 본 글은 SLAM 한국어 강의 https://www.youtube.com/c/SLAMKR Cyrill Stachniss 교수님 https://www.youtube.com/playlist?list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN_ 강의를 듣고 개인적으로 정리한 글입니다. Graph-Based SLAM 용어정리를 먼저하자면 GRAPH : 풀어야하는 문제를 나타냄 NODE : mapping 하는 중인 robot의 pose(로봇의 위치)과 landmark의 위치를 나타냄 EDGE : 두 노드 사이의 공간적인 constraints(sensor의 측정값 + landmark의 관측값) Graph를 만들고, constraints에 의해 발생하는 error들을 최소화 할 수 있는 노드를 찾는.. 2022. 7. 31.
반응형