反事实公平 该存储库具有本文的R和Stan代码： Matt J.Kusner *，Joshua R.Loftus *，Chris Russell *，Ricardo Silva 神经信息处理系统（NIPS），2017年* =作者均分 跑步 安装： 下载：

Revisiting Graph Contrastive Learning from the Perspective of Graph Spectrum----NeurIPS 2022

NIPS-2017-attention-is-all-you-need-Paper 中文翻译版 有导航目录，看起来很方便

NIPS的论文，喜欢下载吧！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

单纯形算法matlab代码通过（d + 1）-局部图的Kantorovich-Wasserstein距离 该存储库包含该论文的其他材料： 根纳罗·奥里基奥（Nennaro Auricchio），费德里科·巴塞蒂（Federico Bassetti），斯特凡诺·瓜兰迪（Stefano Gualandi），马可·韦内罗尼（Marco Veneroni）。 。 在加拿大蒙特利尔Proc NeurIPS 2018中。 该存储库的组织方式如下： 将在会议期间进行介绍 比较中使用的Sinkhorn算法的实现 （ops ...正在进行中，代码正在开发中...）我们的求解器（d + 1） -partite公式。 我们的实施依赖于

这是一篇NIPS 2017年的论文作者演讲的ppt，TernGrad是一种梯度量化方法，将浮点梯度随机量化到{-1,0,+1}，在保证识别率的情况下，大大降低梯度通信量.这篇文章降低了通讯量，可以应用在很多应用上。作者的视频讲解链接：https://www.youtube.com/watch?v=WWWQXTb_69c&feature=youtu.be&t=20s

NIPS'14-SSL 使用深度生成模型重现我们的 NIPS 2014 论文关于半监督学习 (SSL) 的一些关键结果的代码。 DP Kingma、DJ Rezende、S. Mohamed、M. Welling 具有深度生成模型的半监督学习神经信息处理系统的进展 27 ( NIPS 2014 )，蒙特利尔 使用此代码进行研究时，请引用本文。 警告：此代码远未完全注释。 对于问题和错误报告，请发送电子邮件至dpkingma[at]gmail.com 。 先决条件 确保安装了以下最新版本： Python（2.7 或更高版本） Numpy（例如pip install numpy ） Theano（例如pip install Theano ） 在 Theano 配置的[global]部分（通常是~/.theanorc ）中设置floatX = float32 。 或者，您可以在

NeurIPS 2020已经开完会，本文发现元学习（Meta Learning）相关的接受paper不少，元学习在CV、NLP等各个领域的应用也比较火热，值得研究者们细心学习。

arxiv样式：用于纸预印本的Latex样式和模板（基于NIPS样式）

本文转自『深度强化学习实验室』 NeurIPS（前称NIPS）可谓人工智能年度最大盛会。每年全球的人工智能爱好者和科学家都会在这里聚集，发布最新研究，并进行热烈探讨，大会的技术往往这未来几年就会演变成真正的研究甚至应用成果。NIPS2019大会将在12月8日-14日在加拿大温哥华举行，据官方统计消息，NeurIPS今年共收到投稿6743篇，再次打破了历年来的接收记录。其中接收论文1429篇。论文发表机构统计 Google共179篇 其中Deepmind-53篇 Google-Brain-Research-126篇  NVIDIA上榜9篇 斯坦福上榜79篇 MIT上榜77篇 卡耐基梅隆上榜75篇