발표 자료 A Neural Autoregressive Approach to Collaborative Filtering (CF-NADE)
이 자료는 외부 논문 Zheng et al., "A Neural Autoregressive Approach to Collaborative Filtering" (ICML 2016) 를 제가 정리해 발표한 리뷰입니다.
슬라이드를 불러오는 중
슬라이드를 불러오지 못했습니다.
PDF 새 탭으로 열기추천 글
-
발표 Why Biased Matrix Factorization Works Well?
행렬 분해에서 bias 항이 왜 성능에 기여하는지를 여러 외부 연구를 정리해 KAIST 기계학습 연구실 세미나에서 발표한 자료입니다. 각 bias의 역할과 정규화와의 관계를 수식과 실험으로 설명합니다.
-
발표 Mixture-Rank Matrix Approximation for Collaborative Filtering
Li et al.의 'Mixture-Rank Matrix Approximation for Collaborative Filtering' (NIPS 2017) 논문을 정리해 KAIST ML Lab Internal Seminar에서 발표한 논문 리뷰입니다.
-
발표 Exact Matrix Completion via Convex Optimization
Candès and Recht의 'Exact Matrix Completion via Convex Optimization' (2009) 논문을 정리해 KAIST CS592 (Spring 2018)에서 발표한 논문 리뷰입니다.
