cross-domain sentiment analysis learning
【五期邹昱夫】CCF-A（TIFS'23）SAFELearning: Secure Aggregation in Federated Learning with Backdoor Detectability
> "Zhang, Zhuosheng, et al. "SAFELearning: Secure Aggregation in Federated Learning with Backdoor Detectability." IEEE Transactions on Information For ......
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 ......
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (2)
Feature backbone采用DLA,输入维度为3×H×W的RGB图,得到维度D×h×w的特征图F,然后将特征图送入几个轻量级regression heads,2D bouding boxes的中心特征图用下面的模块得到: 其中AN是Attentive Normalization.用公式表示: ......
【五期邹昱夫】CCF-A（SP'23）3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning
> "Li, Haoyang, et al. "3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning." 2023 IEEE Symposium on Security an ......
机器学习 -> Machine Learning (II)
> 这次来学习深度学习吧! # 1 训练前 ## 1.1 神经元与神经网络 神经元是神经网络的基本单位, 模拟了生物神经元的工作机制. 每个神经元接受一组输入, 将这些输入与其权重相乘, 然后对所有的乘积求和, 并加上一个偏置. 最后, 将得到的结果传递给激活函数. 神经网络由多个神经元组成, 这些 ......
jts learning
JTS简介 JTS提供了一套操作几何向量的java类库。早期版本 com.vividsolutions，已废弃不在维护。现在版本 com.locationtech.jts 由eclipse开源基金会托管 使用说明 入门指导 GIS开发入门指导 jts-core 核心库使用说明 jts-core核心类 ......
Proj CDeepFuzz Paper Reading: Deepxplore: Automated whitebox testing of deep learning systems
## Abstract 背景：现有的深度学习测试在很⼤程度上依赖于⼿动标记的数据，因此通常⽆法暴露罕⻅输⼊的错误⾏为。 本文：DeepXplore Task: a white-box framework to test DL Models 方法： 1. neuron coverage 2. diff ......
论文阅读 《Pingmesh: A Large-Scale System for Data Center Network Latency Measurement and Analysis》
背景 在我们内部产品中，一直有关于网络性能数据监控需求，我们之前是直接使用 ping 命令收集结果，每台服务器去 ping (N-1) 台，也就是 N^2 的复杂度，稳定性和性能都存在一些问题，最近打算对这部分进行重写，在重新调研期间看到了 Pingmesh 这篇论文，Pingmesh 是微软用来监 ......
基于方面的情感分析的深度上下文和关系感知学习 Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis （ACL2021）
论文对方面级情感分析的三个任务提出了一个解决方案，三个任务共享编码层，通过简单的全连接层进行方面词和观点词的提取，情感分析任务首先做一个自注意力，之后分别与方面词和观点词提取的特征向量做互注意力，通过全连接层进行情感分类。另外，模型还设计了两个子任务，第一个将句子中的词屏蔽，预测这个词属于方面词、观 ......
Structural Bias for Aspect Sentiment Triplet Extraction(COLING 2022)
摘要 即使使用了大规模预训练模型，结构偏差仍然是有必要的 在本文中，我们希望从两个角度回答这个问题：1）在参数和延迟效率方面，结构偏差是否可以以灵活的方式纳入PLM；以及2）结构偏差是否可以增强ASTE的额PLM。 相比之下，我们建议使用结构化的注意力图，而不是引入精心设计的插件，从而在自我注意力中 ......
Learn Git in 30 days——第 08 天：关于分支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 在 Git 里面 分支 (Branch) 是个非常重要的机制，使用上也必须特别小心，因为项目总不能无限制的「分支 ......
Learn Git in 30 days——第 07 天：解析 Git 资料结构 - 索引结构
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 我们知道在 Git 里两个重要的资料结构，分別是「物件」与「索引」，这篇文章主要用来解说「索引」的细节。使用 G ......
机器学习 -> Machine Learning (I)
# 1 机器学习概述 ## 1.1 定义及应用领域 机器学习是一种让计算机通过经验学习并对输入数据做出决策或预测的方法. 它是人工智能的一个重要分支, 已广泛应用于各种领域, 如自然语言处理, 计算机视觉, 推荐系统, 医疗诊断, 金融风险预测等. ## 1.2 机器学习与人工智能, 深度学习的关系 ......
论文解读（TAMEPT）《A Two-Stage Framework with Self-Supervised Distillation For Cross-Domain Text Classification》
论文信息 论文标题：A Two-Stage Framework with Self-Supervised Distillation For Cross-Domain Text Classification论文作者：Yunlong Feng, Bohan Li, Libo Qin, Xiao Xu, ......
Learn Git in 30 days——第 06 天：解析 Git 资料结构 - 物件结构
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 Git 的资料结构中，「物件」是一种「不可变的」 (immutable) 文件类型，所有储存在「物件储存区」 ......
[论文理解] HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation
# HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation 上科大发布的头和脖子精细建模的参数化模型HACK。 ## 纹理转化 由于HACK没有开源纹理基，我将FLAME开源的纹理基迁移到了HACK上，代 ......
论文解读（MetaAdapt）《MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning论文作者：Zhenrui Yue、Huimin Z ......
Learn Git in 30 days——第 05 天：了解仓库、工作目录、物件与索引之间的关系
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，有些很基本的观念必须被建立，这样才能更有效率也更有意义的学下去。有清楚且正确的 ......
论文解读（CTDA）《Contrastive transformer based domain adaptation for multi-source cross-domain sentiment classification》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Contrastive transformer based domain adaptation for multi-source cross-domain sentiment classification论 ......
Learn Git in 30 days——第 04 天：常用的 Git 版本控制指令
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 本篇文章将带大家学会几个最重要也最基本的版控工作，其中将包含基本的文件操作如新增、删除、重新命名文件，提交变更 ......
论文解读（CBL）《CNN-Based Broad Learning for Cross-Domain Emotion Classification》
Note：[ wechat：Y466551 | 付费咨询，非诚勿扰 ] 论文信息 论文标题：CNN-Based Broad Learning for Cross-Domain Emotion Classification论文作者：Rong Zeng, Hongzhan Liu , Sancheng ......
Learn Git in 30 days——第 03 天：建立仓库
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 要开始使用 Git 最重要的就是要先有一份 Git 仓库 (Git Repository) 才行，但是，这份仓库 ......
Learn Git in 30 days——第 02 天：在 Windows 平台必装的三套 Git 工具
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 要开始使用 Git 版本控制，首先要安装适当的 Git 工具，这个系列的文章主要还是以 Windows 平台为主 ......
论文解读（SentiX）《SentiX: A Sentiment-Aware Pre-Trained Model 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：SentiX: A Sentiment-Aware Pre-Trained Model for Cross-Domain Sentiment Analysis论文作者：Jie Zhou, Junfeng T ......
CLIP: Learning Transferable Visual Models From Natural Language Supervision
## CLIP: Learning Transferable Visual Models From Natural Language Supervision 论文链接： https://arxiv.org/pdf/2103.00020.pdf 代码链接：https://github.com/open ......
Convolutional neural network (CNN)–extreme learning machine (ELM)
1. 介绍 论文：(2020)Neural networks for facial age estimation: a survey on recent advances. 地址： http://link.springer.com/article/10.1007/s10462-019-09765-w ......
GPT-RK3588 `DTS` code of `csi2` snippets analysis
## RK3588 `DTS` code of `csi2` snippets A `dts` file is a device tree source file that describes the hardware configuration of a system. A `dtsi` file ......
NEW learning : Regular Expression
STEP 1 : The primary formula in the RE code base : result =re.match(pattern, str) #pattern 为要校验的规则 #str 为要进行校验的字符串 >>> import re >>> print(re.match('w ......
Learn Git in 30 days——第 01 天：认识 Git 版本控制
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 笔者使用 Subversion (SVN) 已经将近 10 年，从来都不觉得有任何必要换成其他版本控制平台，直到 ......
机器学习machine learning
机器学习 朴素贝叶斯的优点： 对小规模的数据表现很好，适合多分类任务，适合增量式训练。 缺点： 对输入数据的表达形式很敏感。 决策树的优点： 计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征； 缺点： 容易过拟合（后续出现了随机森林，减小了过拟合现象）； Logistic ......