cross-domain adversarial sentiment analysis
Early lameness detection in dairy cattle based on wearable gait analysis using semi-supervised LSTM-Autoencoder
一区top Computers and Electronics in Agriculture 题目：“基于半监督 LSTM-自动编码器可穿戴步态分析的奶牛早期跛行检测” (Zhang 等, 2023, p. 1) (pdf) “Early lameness detection in dairy ca ......
Understanding q-value and FDR in Differential Expression Analysis
Understanding q-value and FDR in Differential Expression Analysis Daqian Introduction to q-value and FDR In differential gene expression analysis, res ......
BigDataAIML-Kaggle-How to Calculate Principal Component Analysis (PCA) from Scratch in Python
How to Calculate Principal Component Analysis (PCA) from Scratch in Python https://www.kaggle.com/code/aurbcd/pca-using-numpy-from-scratch PCA using N ......
SR Algorithm Analysis（1）——ZSSR
SR Algorithm Analysis（1）——ZSSR CVPR 2017 《“Zero-Shot” Super-Resolution using Deep Internal Learning》 目录SR Algorithm Analysis（1）——ZSSRInnovations：Backg ......
PCA(Principal Components Analysis)主成分分析: 一维列向量坐标的变换是左乘变换矩阵 而 一维行向量的坐标系基元的变换 是 右乘变换矩阵
总结： 一维列向量的 坐标变换是 左乘变换矩阵； 一维行向量的 坐标系基元变换 是 右乘变换矩阵； 坐标变换 坐标变换定义：把一个向量(或一个点)从一个高维(或3D)坐标系，转换到另一个高维(或3D)坐标系去。 举个栗子：东北天坐标系上的点A坐标为 (1, 2, 3)，通过坐标变换到北西天坐标系，点 ......
论文阅读-Self-supervised and Interpretable Data Cleaning with Sequence Generative Adversarial Networks
1. GARF 简介 代码地址：https://github.com/PJinfeng/Garf-master 基于 SeqGAN 提出了一种自监督、数据驱动的数据清洗框架——GARF。 GARF 的数据清洗分为两个步骤： 规则生成 (Rule generation with SeqGAN)：利用 ......
sans sec 565 Red Team Operations and Adversary Emulation - 红队运营和对手仿真 之 565.1 Lab 1.4：奖金！用户名枚举和密码喷射
565.1 Lab 1.4：用户名枚举和密码喷射 目标 用户名枚举以发现其他有效用户 使用已知密码对新发现的账户进行喷洒 本实验室模拟的 TTP T1594 - Search Victim-Owned Websites T1078 - Valid Accounts T1087.003 - Accou ......
sans sec 565 Red Team Operations and Adversary Emulation - 红队运营和对手仿真 之 565.1 Lab 1.3：侦察和密码攻击
sans sec 565 Red Team Operations and Adversary Emulation - 红队运营和对手仿真 之 565.1 Lab 1.3：侦察和密码攻击 目标 通过分析 Draconem.io 网站进行侦察 确定密码攻击的目标对象 通过收集电子邮件地址发现有效的用户名 ......
sans sec 564 Red Team Operations and Adversary Emulation - 红队运营和对手仿真
564.1 红队演习介绍与规划 混乱的术语定义： 不需要知道这些词语的分别含义，只需要知道你在搞渗透 • Ethical Hacking • Vulnerability Scanning • Vulnerability Assessment（SEC460: Enterprise Threat and ......
Overview of Machine Learning Methods for Genome-Wide Association Analysis
Overview of Machine Learning Methods for Genome-Wide Association Analysis BIBE2021: The Fifth International Conference on Biological Information and B ......
Detecting Unknown Encrypted Malicious Traffic in Real Time via Flow Interaction Graph Analysis
1 前言 1.1 标题 Detecting Unknown Encrypted Malicious Traffic in Real Time via Flow Interaction Graph Analysis 1.2 摘要 为了保护网络的机密性和隐私性，目前互联网上的流量被广泛地加密。然而，流量 ......
PCA (principal component analysis)算法
一、 PCA算法 PCA(principal component analysis)是一种应用广泛的降维算法，其基本思想是想通过找到一个低维的“最具有代表性”的方向，并将原数据映射到这个低维空间中去，从而实现数据的降维。 1. 算法原理 我们先从二维数据简单说明，假设我们有n个二维数据组成的数据集\ ......
Probabilistic principal component analysis-based anomaly detection for structures with missing data（概率主成分分析PPCA）
SHM can provide a large amount of data that can reveal the variation in the structure condition什么是压缩传感，数据重构，研究背景与意义，怎么用 基于模型的方法不可避免的缺点是模型的不确定性，因为很难创建能 ......
《Fine-Grained Image Analysis with Deep Learning: A Survey》阅读笔记
论文标题 《Fine-Grained Image Analysis with Deep Learning: A Survey》 作者 魏秀参，南京理工大学 初读 摘要 与上篇综述相同： 细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。 细粒度性质引起的类间小变化和类内大变化使其成为一个具有 ......
(段设期中复习) Great Ideas in Algorithm Analysis: Midterm Review
Distance Algorithms Basic sampling lemma: Let \(S_1,\dots,S_n \subset [n]\) be sets of size at least \(D\), then randomly choose \(c (n/D) \log n\) el ......
《Deep learning for fine-grained image analysis: A survey》阅读笔记
论文标题 《Deep learning for fine-grained image analysis: A survey》 作者 魏秀参，旷世研究院 初读 摘要 细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。 细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。 本文旨 ......
study of 'Missing data imputation framework for bridge structural health monitoring based on slim generative adversarial networks'
the Stochastic Gradient Descent (SGD):为了提高鲁棒性，SGAIN框架的优化器采用了随机梯度下降（SGD） 一，SGAIN框架有两个重要目的：鉴别器D的目的是最大化正确预测M矩阵的概率；生成器的目的是最小化D预测M矩阵的概率。此外，利用反向传播算法对发生器和鉴别器 ......
城市时空预测的统一数据管理和综合性能评估 [实验、分析和基准]《Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark]》
2023年11月1日，还有两个月，2023年就要结束了，希望在结束之前我能有所收获和进步，冲呀，老咸鱼。 摘要 解决了访问和利用不同来源、不同格式存储的不同城市时空数据集，以及确定有效的模型结构和组件。 1.为城市时空大数据设计的统一存储格式“原子文件”，并在40个不同的数据集上验证了其有效性，简化 ......
Proj CDeepFuzz Paper Reading: POLYCRUISE: A Cross-Language Dynamic Information Flow Analysis
Abstract 本文： PolyCruise Method: 跨编程语言的holistic dynamic information flow analysis(DIFA) use a light language-specific analysis和language-agnostic online ......
Linux Performance Analysis
Linux Performance Analysis 如何在 30s 内定位系统出现的问题，可以使用如下 10 个命令： uptime dmesg | tail vmstat 1 mpstat -P ALL 1 pidstat 1 iostat -xz 1 free -m sar -n DEV 1 ......
【PRC】鲁棒跨域伪标记和对比学习的无监督域自适应NIR-VIS人脸识别 Robust Cross-Domain Pseudo-Labeling and Contrastive Learning for Unsupervised Domain Adaptation NIR-VIS Face Recognition
【该文章为杨学长的文章，膜拜】 探索跨领域数据中的内在关系并学习领域不变表示 由于需要在低光照条件下实现24h的人脸识别，近红外加可见光的(NIR-VIS)人脸识别受到了更多的关注。但是数据标注是一个难点。该文章提出了Robust crossdomain Pseudo-labeling and Co ......
ST12 Trace – Step by step instruction on how to use it for analysis
ST12介绍 ST12性能分析工具的使用分如下三个步骤： 设置跟踪参数 开始跟踪收集跟踪数据 分析跟踪数据 跟踪参数分类： 跟踪对象（Trace For） 跟踪类型（Type of Trace） 跟踪对象 ST12可以捕获4种类型的数据 “User/Tasks”, “Work Process”, “ ......
GAN（生成对抗网络，Generative Adversarial Network）
生成对抗网络（GAN）是一种深度学习模型架构，由生成器（Generator）和判别器（Discriminator）两个神经网络组成。这两个网络之间进行博弈式训练。 生成器（Generator）：生成器是一个神经网络模型，它接收一个随机噪声向量作为输入，并试图生成与训练数据相似的新数据样本。生成器的目 ......
基因挖掘之BSA (Bulk segregation analysis)
目录BSA的发展BSA分析框架BSA流程及影响因素BSA的群体BSA的算法BSA的软件BSA遗传群体、算法和软件的对应关系 BSA作为基因组学中基因挖掘的三板斧之一，最大优点是高效、经济、简便。通过选择双亲群体分离后代中具有极端表型的个体进行混样，然后比较不同极端混样池之间的多态性并结合表型进行目标 ......
SAP ABAP Dump Analysis(ST22) 工具的使用和背景介绍
笔者在 SAP 中国研究院 16年的工作生涯里，曾经在多个产品开发和产品支持团队工作过。产品支持(Product Support)团队的职责就是分析和处理 SAP 客户提交的 Incident. 不少客户提交的 Incident 只能在客户的生产系统上重现，而我们 SAP Support 工程师是不 ......
功耗分析 Powerplay power analysis tool
generate the vcd file for the Powerplay power analysis tool Powerplay 使用方法 Assignments-->Settings-->Simulation，勾选生成VCD文件，并且需要填写仿真文件所例子化的顶层名称 继续点击 More ......
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 ......
A Challenge Dataset and Effective Models for Aspect-Based Sentiment Analysis
摘要 基于方面的情感分析（ABSA）由于其广泛的应用，近年来受到了越来越多的关注。在现有的ABSA数据集中，大多数句子只包含一个或多个具有相同情感极性的方面，这使得ABSA任务退化为句子级情感分析。在本文中，我们提出了一个新的大规模多方面多情感（MAMS）数据集，其中每个句子至少包含两个具有不同情感 ......
论文解读（SPGJL）《Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis论文作者：Jingli Shi、Weihua Li、Quan Bai ......
论文解读（AdSPT）《Adversarial Soft Prompt Tuning for Cross-Domain Sentiment Analysis》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Adversarial Soft Prompt Tuning for Cross-Domain Sentiment Analysis论文作者：Hui Wu、Xiaodong Shi论文来源：2022 ACL ......