526互联

convolutional importance learning networks

[论文阅读] PCL: Proxy-based Contrastive Learning for Domain Generalization

PCL: Proxy-based Contrastive Learning for Domain Generalization abstract 领域泛化是指从不同源领域的集合中训练模型，该模型可以直接泛化到未见过的目标领域的问题。一种有前途的解决方案是对比学习，它试图通过利用不同领域之间的样本对之 ......
Generalization Contrastive Proxy-based Learning Domain

GraphPrompt: Unifying Pre-Training and Downstream Tasks for Graph Neural Networks

目录概符号说明GraphPrompt代码 Liu Z., Yu X., Fang Y. and Zhang X. GraphPrompt: Unifying pre-training and downstream tasks for graph neural networks. WWW, 2023. ......
Pre-Training GraphPrompt Downstream Unifying Networks

2023ACMMM_Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing

一. Motivation 之前网络存在的缺点： 1. 使用的有限的频域信息 2. 不充足的信息交互 ： (1) 第一阶段的输出直接作为第二阶段的输入，忽略了中间特征从早期到后期的传播 (2) 在编码器解码器结构同尺度之间进行特征融合，忽略了阶段内和跨阶段的跨尺度信息交换 3. 严重的特征冗余：中间 ......
Information-driven ACMMM_Mutual Information Interaction Efficient

论文：Going Deeper with Convolutions-GoogleNet

论文名： Going Deeper with Convolutions 深入了解卷积 了解GoogleNet 研究问题： 研究方法: 主要结论： 模型: 问题： 行文结构梳理： ......
Convolutions-GoogleNet Convolutions GoogleNet Deeper 论文

深度学习调参手册（Deep Learning Tuning Playbook）

google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models. (github.com) dkhonker/tuning_playbo ......
深度 Learning Playbook 手册 Tuning

GPT-GNN: Generative Pre-Training of Graph Neural Networks

目录概符号说明GPT-GNN代码 Hu Z., Dong Y., Wang K., Chang K. and Sun Y. GPT-GNN: Generative pre-training of graph neural networks. KDD, 2020. 概 比较早的一篇图预训练模型. 符号 ......
Pre-Training Generative Networks Training GPT-GNN

ST-SSL: 用于交通流量预测的时空自监督学习《Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction》(交通流量预测、自监督)

2023年10月23日，继续论文，好困，想发疯。 论文：Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction Github：https://github.com/Echo-Ji/ST-SSL AAAI 2023的论文 ......
流量 交通 Spatio-Temporal Self-Supervised Prediction

2023ICLR_SFNet: Selective frequency network for image restoration

1. 在运行SFNet代码时，前后代码保持不变，运行两次结果发生变化, 把下面这段代码注掉就可以保持前后两次运行结果一致，不确定是否是nn.BatchNorm2d计算均值和方差导致 class dynamic_filter(nn.Module): def __init__(self, inchann ......
restoration ICLR_SFNet Selective frequency network

ModuleNotFoundError: No module named 'yellowbrick.features.importances'

报错：ModuleNotFoundError: No module named 'yellowbrick.features.importances' 改为： from yellowbrick.features import FeatureImportances from sklearn.ensemb ......
ModuleNotFoundError importances yellowbrick features module

[论文速览] SimCSE@ Simple Contrastive Learning of Sentence Embeddings

Pre title: SimCSE: Simple Contrastive Learning of Sentence Embeddings accepted: EMNLP 2021 paper: https://arxiv.org/abs/2104.08821 code: https://githu ......
Contrastive Embeddings Learning Sentence SimCSE

Matching Network算法概述

什么是Matching Network 1. 论文地址：Matching Networks for One Shot Learning 2. 简介：基于Metric Learning部分思想，使用外部记忆来增强网络，提高网络的学习能力。 3. 创新点 借鉴了注意力和外部记忆方面的经验来搭建网络 基于 ......
算法 Matching Network

Scikit-learn 的 preprocessing.LabelEncoder函数：标签编码

参考文档：https://pythonjishu.com/sklearn-preprocessing-labelencoder/ 转换类别数据为整数：LabelEncoder 可以将字符串或其他类别型数据转换为整数。例如，如果你有一个特征包含类别 "红色"、"绿色" 和 "蓝色"，LabelEnco ......
preprocessing Scikit-learn LabelEncoder 函数 编码

【论文阅读】DeepAR Probabilistic forecasting with autoregressive recurrent networks

原始题目：DeepAR: Probabilistic forecasting with autoregressive recurrent networks 中文翻译：DeepAR:自回归递归网络的概率预测 发表时间：2020年07月 平台：International Journal of Forec ......
autoregressive Probabilistic forecasting recurrent networks

Paper Reading: Sample and feature selecting based ensemble learning for imbalanced problems

为了克服现有集成方法的缺点，本文提出一种新的混合集成策略——样本和特征选择混合集成学习 SFSHEL。SFSHEL 考虑基于聚类的分层对大多数样本进行欠采样，并采用滑动窗口机制同时生成多样性的特征子集。然后将经过验证训练的权重分配给不同的基学习器，最后 SFSHEL 通过加权投票进行预测。SFSHE... ......
imbalanced selecting ensemble learning problems

强化学习Q-Learning和DQN算法

1 Q-Learning 强化学习中有state和action的两个重要概念。而Q-Learning算法就是用来得到在state上执行action的未来预期奖励。具体的算法流程如下： 初始化一个Q-table。 在当前状态\(s\)选择一个动作\(a\)。 执行动作\(a\)，转移到新的状态\(s' ......
算法 Q-Learning Learning DQN

centos7 执行 systemctl restart network 报错解决

问题描述： 安装虚拟机器-->安装centos7 x64,使用MobaXterm_Personal_23.2.exe 连接centos, 报错如下图： Job for network.service failed because the control process exited with err ......
systemctl centos7 restart network centos

课程一第四周：Deep L-layer neural network

Deep L-layer neural network What is a deep neural network? 深层的神经网络就是包含了更多隐藏层的神经网络。 从某种意义上来说，logistic regression可以称为一层的神经网络“1 layer NN”。当计算神经网络的层数，通常将输 ......
L-layer network 课程 neural layer

import { useRouter } from 'next/router'; 在非hooks 文件或组件中使用

将 import { useRouter } from 'next/router'; 改为 import Router from "next/router"; 使用： Router.push('/'); 原来使用 import { useRouter } from 'next/router'; 会导 ......
组件 useRouter 文件 import router

Learn Git in 30 days—— 第 30 天：分享工作中几个好用的 Git 操作技巧

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 终于来到了最后一天，这篇文章将分享几个好用的 Git 操作技巧，或许可以节省你不少 Git 版控过程的时间。 如 ......
Git 技巧 Learn 30 days

Robust Graph Representation Learning via Neural Sparsification

目录概符号说明NeuralSparse Zheng C., Zong B., Cheng W., Song D., Ni J., Yu W., Chen H. and Wang W. Robust graph representation learning via neural sparsifica ......
Representation Sparsification Learning Robust Neural

论文阅读 Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection

原始题目：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 中文翻译：Generalized Focal Loss：学习用于密集目标检测的 Qual ......
Generalized Distributed Detection Qualified Bounding

CentOS7 虚拟机 ping network is unreachable

ping 指令提示network is unreachable 重启网络报错 尝试禁用重启网络的方式无效 直接dhclient -v指令解决。。。 ......
unreachable CentOS7 network CentOS ping

Meta Learning概述

Meta Learning概述（一） 回顾Machine Learning 定义一个function（神经网络等），该function上有很多参数，参数统一定义为θ，对于一个猫狗分类器来说，当猫狗的图片经过f(θ)时，函数会输出一个猫或狗的结果 定义一个Loss function，L(θ) 使用优化 ......
Learning Meta

《Deep Residual Learning for Image Recognition》阅读笔记

论文标题 《Deep Residual Learning for Image Recognition》 撑起CV界半边天的论文 Residual ：主要思想，残差。 作者 何恺明，超级大佬。微软亚研院属实是人才辈出的地方。 初读 摘要 提问题： 更深层次的神经网络更难训练。 提方案： 提出了残差网络 ......
Recognition Residual Learning 笔记 Image

: Only one usage of each socket address (protocol/network address/port) is normally permitted.

2023/10/16 19:07:45 tick2023/10/16 19:07:46 dial tcp 7.11.12.26:3309: connectex: Only one usage of each socket address (protocol/network address/port) ......
address permitted normally protocol network

论文阅读（四）—— Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition

![image](https://img2023.cnblogs.com/blog/3279428/202310/3279428-20231016232154691-2008412580.png) ![image](https://img2023.cnblogs.com/blog/3279428/2... ......
Skeleton-Based Convolutional Recognition Networks Skeleton

Sequence to Sequence Learning with Neural Networks

Sequence to Sequence Learning with Neural Networks 关键词：LSTM，Seq2Seq 📜 研究主题 采用深度神经网络DNN 使用LSTM，并翻转输入句子顺序提升性能 ✨创新点： 更换seq2seq中RNN单元为LSTM，有提升对长句子训练速度的可能 ......
Sequence Learning Networks Neural with

Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation

Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation 关键词：GRU、Encoder-Decoder 📜 研究主题 提出了Encoder-Decoder结构，采用两 ......
Encoder-Decoder Representations Statistical Translation Learning

论文：Very deep convolutional networks for large-scale image recognition-VGG

论文名： Very deep convolutional networks for large-scale image recognition "用于大规模图像识别的深度卷积网络" 了解VGG模型 研究问题： 研究方法: 主要结论： 模型: 问题： 行文结构梳理： ......
recognition-VGG convolutional large-scale recognition networks

论文阅读（三）——Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition

代码 实验 python main.py --config config/nturgbd-cross-subject/default.yaml --work-dir work_dir/ntu/csub/ctrgcn --device 0 --num-worker 0 综述 ......
Skeleton-Based Channel-wise Convolution Recognition Refinement
共1080篇  :10/36页 首页上一页10下一页尾页