速率 网路learning神经
论文解读（FixMatch）《FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence论文作者：论文来源：2020 aRxiv论文地址： ......
Learn Git in 30 days——第 18 天：修正 commit 过的版本历史记录 Part 1
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 当你使用 Git 进行版本控制时，我们会利用 git commit 建立许多版本，由于 Git 属分布式版本控制 ......
神经网络中，为什么使用正则化减少泛化误差？
第一、为什么使用正则化？ 简答的说，正则化就是将n向量转换为一个标量的过程。 第二、正则化的背后是拉格朗日求极值。 函数f(x,y)在约束条件下的极值，转换在神经网络中求极值，即求损失函数的最小值。那么，为了防止权重值过大，引起的泛化误差过大的缘故，所以引入了范数。 在这里，将范数比作是一个极大的雨 ......
聊聊神经网络的基础知识
来自《深度学习入门:基于Python的理论与实现》 张量 Numpy、TensorFlow、Pytorch等框架主要是为了计算张量或是基于张量计算。 标量：0阶张量；12,4,3, 向量：一阶张量；[12,4,3] 矩阵：二阶张量；[ [12,4,3], [11,2,3] ] 多阶张量：多维数组； ......
Learn Git in 30 days——第 17 天：关于合并的基本观念与使用方式
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我曾在【第 08 天：关于分支的基本观念与使用方式】提过关于「分支」的基本观念与用法，现在则要来讲「合并」如何进 ......
Learning Continuous Image Representation with Local Implicit Image Function
Learning Continuous Image Representation with Local Implicit Image Function（阅读笔记）11.03 局部隐式图像函数（LIIF）表示连续中的图像，可以以任意高分辨率表示。 摘要：如何表示图像？当视觉世界以连续的方式呈现时，机器 ......
Unsupervised Degradation Representation Learning f
Unsupervised Degradation Representation Learning for Blind Super-Resolution文献阅读 (2022.09.28)盲超分辨率的退化表征（向量）学习 摘要：大多数基于CNN的SR都是基于退化固定且可知这一假设。但是实际退化和假设不一 ......
Learn Git in 30 days——第 16 天：善用版本日志 git reflog 追踪变更轨迹
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 其实学习 Git 版本控制的指令操作并不难，但要弄清楚 Git 到底对我的仓库做了什么事，还真不太容易。当你一步 ......
Learn Git in 30 days——第 15 天：标签 - 标记版本控制过程中的重要事件
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在使用 Git 版本控制的过程中，会产生大量的版本，随着寒暑易节、物换星移，在这众多的版本之中，一定会有一些值得 ......
SpringBoot-Learning系列之Kafka整合
SpringBoot-Learning系列之Kafka整合 本系列是一个独立的SpringBoot学习系列，本着 What Why How 的思想去整合Java开发领域各种组件。 消息系统 主要应用场景 流量消峰(秒杀 抢购)、应用解耦（核心业务与非核心业务之间的解耦） 异步处理、顺序处理 实时数据 ......
图神经网络-可以用于图结构的网络
参考资料： https://www.bilibili.com/video/BV1qj411m7GR/?p=4&spm_id_from=pageDriver&vd_source=ff67b6021530e369d0f531501fbc5a75 https://zhuanlan.zhihu.com/p/ ......
Graph Construction and b-Matching for Semi-Supervised Learning
目录概符号说明图的构建Graph Sparsification\(\epsilon\)-neighborhood graph\(k\)NN graph\(b\)-MatchingGraph Edge Re-Weighting Jebara T., Wang J. and Chang S. Graph ......
机器学习算法原理实现——神经网络反向传播，链式求导核心
记得先看之前的梯度下降文章！ 链式求导的核心来了，就高中数学知识： 代码实现： import numpy as np import matplotlib.pyplot as plt # Sigmoid 激活函数及其导数 def sigmoid(z): return 1 / (1 + np.exp(- ......
m基于CNN卷积神经网络的口罩识别系统matlab仿真,带GUI操作界面,可以检测图片和视频,统计人数
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 CNN 由许多神经网络层组成。卷积和池化这两种不同类型的层通常是交替的。网络中每个滤波器的深度从左到右增加。最后通常由一个或多个全连接的层组成。 Convnets 背后有三个关键动机：局部感受野、共享权重和池化。 （1 ......
循环神经网络(GRU)
import torch from torch import nn from d2l import torch as d2l batch_size, num_steps = 32, 35 train_iter, vocab = d2l.load_data_time_machine(batch_siz ......
论文解读（LR2E）《Learning to Reweight Examples for Robust Deep Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Learning to Reweight Examples for Robust Deep Learning论文作者：Mengye Ren、Wenyuan Zeng、Bin Yang、Raquel Urta ......
Proj CDeepFuzz Paper Reading: Metamorphic Testing of Deep Learning Compilers
## Abstract 背景：Compiling DNN models into high-efficiency executables is not easy: the compilation procedure often involves converting high-level model ......
Machine learning note(1)
注：本笔记不给出完整解释 ## 正规方程 设$z=\theta^{T}x$ 设损失函数为$J(\theta)$，求令$\frac{\partial J}{\partial \theta}=0$的$\theta$ 由此得出最优的$\theta$ ## 牛顿迭代 回顾一下梯度下降：$\theta'=\t ......
Learn Git in 30 days——第 14 天： Git for Windows 选项设定
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 使用 Git for Windows 指令列工具绝对比通过 GUI 工具操作来的有效率，原因就在于你可以把许多重 ......
Proj CDeepFuzz Paper Reading: A Comprehensive Study of Deep Learning Compiler Bugs
## Abstract 背景：深度学习编译器处理的深度学习模型与命令式程序有根本的不同，因为深度学习模型中的程序逻辑是隐式的。（the DL models processed by DL compilers differ fundamentally from imperative programs ......
Proj CDeepFuzz Paper Reading: DeepMutation: Mutation Testing of Deep Learning Systems
## Abstract 本文：DeepMutation Github: https://github.com/berkuva/mutation-testing-for-DNNs Task: mutation testing framework specialized for DL systems t ......
Proj CDeepFuzz Paper Reading: TensorFlow: a system for Large-Scale machine learning
## Abstract 本文:Tensorflow Github: https://github.com/tensorflow/tensorflow Task: Detail on Tensorflow dataflow model 特点: 1. operates at large scale an ......
Proj CDeepFuzz Paper Reading: PyTorch: an imperative style, high-performance deep learning library
## Abstract 本文： PyTorch Task: detail the implementation and architecture of PyTorch Github: https://github.com/pytorch/pytorch 特点： 1. PyTorch同时关注可用性和速 ......
Learn Git in 30 days——第 13 天：暂存工作目录与索引的变更状态
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 有没有遇过这种情境，某个系统开发写到一半，结果被老板或客戶「插单」，被要求紧急修正一个现有系统的 Bug 或添加 ......
Proj CDeepFuzz Paper Reading: PELICAN: Exploiting Backdoors of Naturally Trained Deep Learning Models In Binary Code Analysis
## Abstract 背景： 1. 本文研究的不是被恶意植入的后门，而是products of defects in training 2. 攻击模式: injecting some small fixed input pattern(backdoor) to induce misclassifi ......
Proj CDeepFuzz Paper Reading: Balancing Effectiveness and Flakiness of Non-Deterministic Machine Learning Tests
## Abstract 背景：In fact, some of the latest findings suggest that the existence of adversarial attacks may be an inherent weakness of deep learning mod ......
bp(Back Propagation)神经网络
https://blog.csdn.net/u010858605/article/details/69857957 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的 ......
Proj CDeepFuzz Paper Reading: COMET: Coverage-guided Model Generation For Deep Learning Library Testing
## Abstract 背景：已有的方法(Muffin, Lemon, Cradle) can cover at most 34.1% layer inputs, 25.9% layer parameter values, and 15.6% layer sequences. 本文：COMET Gi ......
Proj CDeepFuzz Paper Reading: IvySyn: Automated Vulnerability Discovery in Deep Learning Frameworks
## Abstract 本文：IvySyn Task: discover memory error vulnerabilities in DL frameworks BugType: memory safety errors, fatal runtime errors Method: 1. 利用na ......