原文地址论文：https://arxiv.org/pdf/1812.11703.pdf程序：https://github.com/PengBoXiangShang/SiamRPN_plus_plus_PyTorch摘要基于孪生网络的跟踪器将跟踪表述为目标模板和搜索区域之间的卷积特征互相关。然而孪生网络的算法不能利用来自深层网络（如resnet-50或更深层）的特征，与先进的算法相比仍然有差距。在文章中我们证明了核心原因是孪生网络缺乏严格的平移不变性。我们突破了这一限制，通过一个简单而有效的空间感知采样策略，成功地训练了一个具有显著性能提升的基于ResNet网络的孪生跟踪器。此外，我们还提出了一
GraphNeuralTransportNetworkswithNon-localAttentionsforRecommenderSystems用于推荐系统的非局部注意的图神经传输网络来源：WWW2022摘要：通常，GNN通过在本地邻居之间传播和聚合消息来生成用户/项的嵌入。因此，GNN捕获远程依赖关系的能力在很大程度上取决于它们的深度。然而，简单地训练深度gnn会产生瓶颈效应，例如过拟合和过平滑等，无法得到较好的训练效果。为了解决这个问题，作者提出了图最优传输网络(GOTNet)来捕获在不增加GNN深度的情况下的长期依赖关系。GOTNet能够只使用浅层GNN来同时捕获图中的本地和非本地消息，
GraphNeuralTransportNetworkswithNon-localAttentionsforRecommenderSystems用于推荐系统的非局部注意的图神经传输网络来源：WWW2022摘要：通常，GNN通过在本地邻居之间传播和聚合消息来生成用户/项的嵌入。因此，GNN捕获远程依赖关系的能力在很大程度上取决于它们的深度。然而，简单地训练深度gnn会产生瓶颈效应，例如过拟合和过平滑等，无法得到较好的训练效果。为了解决这个问题，作者提出了图最优传输网络(GOTNet)来捕获在不增加GNN深度的情况下的长期依赖关系。GOTNet能够只使用浅层GNN来同时捕获图中的本地和非本地消息，
论文链接：https://arxiv.org/pdf/2002.01680.pdf代码：https://github.com/cynricfu/MAGNN摘要：大量现实世界的图或网络本质上是异构的，其中包含了多种类型的节点和连边关系。异构图嵌入是将异构图中丰富的结构和语义信息嵌入到网络节点的低维向量表示中。现有模型通常采用定义多个元路径的方式来捕捉其中的复合关系，并以此来指导邻居节点的选择。然而这些模型要么忽略了节点的内容特征（或属性特征），要么只考虑了元路径两端节点而舍弃了元路径内部节点信息，要么只依赖于单个元路径，从而导致其他元路径信息的丢失。为解决上述问题，我们提出了一个名为MAGNN的
论文链接：https://arxiv.org/pdf/2002.01680.pdf代码：https://github.com/cynricfu/MAGNN摘要：大量现实世界的图或网络本质上是异构的，其中包含了多种类型的节点和连边关系。异构图嵌入是将异构图中丰富的结构和语义信息嵌入到网络节点的低维向量表示中。现有模型通常采用定义多个元路径的方式来捕捉其中的复合关系，并以此来指导邻居节点的选择。然而这些模型要么忽略了节点的内容特征（或属性特征），要么只考虑了元路径两端节点而舍弃了元路径内部节点信息，要么只依赖于单个元路径，从而导致其他元路径信息的丢失。为解决上述问题，我们提出了一个名为MAGNN的
为什么引入Flow？Flow是介于LiveData与RxJava之间的一个解决方案，它有以下特点：Flow支持线程切换、背压；简单的数据转换与操作符；冷数据流，不消费则不生产数据，这一点与LiveData不同，LiveData的发送端并不依赖于接收端；属于kotlin协程的一部分，可以很好的与协程基础设施结合。Flow是冷流，什么是冷流？只有订阅者订阅时，才开始发射数据流。并且冷流和订阅者只能是一对一的关系，当有多个不同的订阅者时，消息是重新完整发送的。也就是说对冷流而言，有多个订阅者的时候，他们各自的事件是独立的。热流：无论有没有订阅者订阅，事件始终都会发生。当热流有多个订阅者时，热流与订阅
为什么引入Flow？Flow是介于LiveData与RxJava之间的一个解决方案，它有以下特点：Flow支持线程切换、背压；简单的数据转换与操作符；冷数据流，不消费则不生产数据，这一点与LiveData不同，LiveData的发送端并不依赖于接收端；属于kotlin协程的一部分，可以很好的与协程基础设施结合。Flow是冷流，什么是冷流？只有订阅者订阅时，才开始发射数据流。并且冷流和订阅者只能是一对一的关系，当有多个不同的订阅者时，消息是重新完整发送的。也就是说对冷流而言，有多个订阅者的时候，他们各自的事件是独立的。热流：无论有没有订阅者订阅，事件始终都会发生。当热流有多个订阅者时，热流与订阅
前言：Flow是kotlin提供的一个重要的异步工具，类似于RxJava的响应式编程框架，使用协程封装成生产者-消费者模式，上流来负责生产，下流来接收消耗。关于这个项目：如果您想开始使用KotlinFlow，那么这个项目就是为您准备的。本项目已实现Android中KotlinFlow的常见用例。这是您学习KotlinFlowforAndroid开发的一站式解决方案。通过该项目中的示例学习KotlinFlow的步骤首先，要学习KotlinFlow的概念了解KotlinFlow中的终端运算符。在Kotlin中使用FlowBuilder创建流。KotlinFlow中的异常处理。Kotlin中的Sta
前言：Flow是kotlin提供的一个重要的异步工具，类似于RxJava的响应式编程框架，使用协程封装成生产者-消费者模式，上流来负责生产，下流来接收消耗。关于这个项目：如果您想开始使用KotlinFlow，那么这个项目就是为您准备的。本项目已实现Android中KotlinFlow的常见用例。这是您学习KotlinFlowforAndroid开发的一站式解决方案。通过该项目中的示例学习KotlinFlow的步骤首先，要学习KotlinFlow的概念了解KotlinFlow中的终端运算符。在Kotlin中使用FlowBuilder创建流。KotlinFlow中的异常处理。Kotlin中的Sta
[转]官方推荐Flow取代LiveData,有必要吗?更加详细的文章：不做跟风党，LiveData，StateFlow，SharedFlow的使用场景对比前言打开Android架构组件页面,我们可以发现一些最新发布的jetpack组件，如Room，DataStore,Paging3,DataBinding等都支持了FlowGoogle开发者账号最近也发布了几篇使用Flow的文章，比如：从LiveData迁移到Kotlin数据流看起来官方在大力推荐使用Flow取代LiveData，那么问题来了,有必要吗？我LiveData用得好好的，有必要再学Flow吗?本文主要回答这个问题,具体包括以下内容1
