engineering thinking teaching learning
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 ......
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 ......
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 ......
webman:用think-validate做验证器(v1.5.7)
一，官方文档地址: https://www.workerman.net/doc/webman/components/validation.html 二，安装组件： 1,安装 liuhongdi@lhdpc:/data/webman/imageadmin$ composer require topth ......
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 ......
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 ......
[Lua][Love Engine] 有效碰撞处理の类别与位掩码 | fixture:setFilterData
如果物理实体有很多，那每个实体都要判断和其他实体是否发生碰撞。有没有比较简便的方法呢，可以使用二进制与位掩码，设置实体的类别，然后用位掩码计算来得到两者是否发生碰撞的结果。另外LOVE还提供了一个组别的功能，可以直接跳过计算结果，强制两者发生碰撞和强制不发生碰撞 ......
[Lua][Love Engine] 打砖块游戏实现过程与知识点
本文旨在根据LOVE2D官方文档和教程实现打砖块的游戏，记录部分实现过程和重要知识点 - 目标摧毁所有砖块 - 玩家控制球拍左右滑动反弹小球 - 小球摧毁砖块 - 小球保持在屏幕内 - 小球碰到屏幕底部，GAME OVER ## 引擎配置 ```lua -- conf.lua love.conf = ......
Python game engine framework All In One
Python game engine framework All In One
Ren'Py 视觉小说引擎是一款开放源代码的自由软件引擎，用来创作透过电脑叙述故事的视觉小说。
Ren'Py之名是Ren'ai与Python两词混合而成。
Ren'ai 为日文，意指“恋爱”，而 Python 是 Ren... ......
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 ......
Think it over... (好好想想……)
Think it over... (好好想想……) Today we have higher buildings and wider highways, but shorter temperaments and narrower points of view; 今天我们拥有了更高层的楼宇以及更宽阔的 ......
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 ......
EE，Electric Engineer.
肯定是EE，Electric Engineer.太全能了我们！！！ 基础知识必备有模电，数电，C语言，熟悉各个厂家的芯片如TI、maxim、NXP、ADI、飞思卡尔、三星、TDK、东芝、摩托罗拉等等。电容电阻三极管二极管多大，封装什么样都得了如指掌。还有价格、生产厂商、供货商、生产进度把控等等，总结 ......
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 ......
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 ......
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 ......
Learning Transferable Visual Models From Natural Language Supervision
Learning Transferable Visual Models From Natural Language Supervision 作者：Alec Radford *1 Jong Wook Kim *1 Chris Hallacy 1 Aditya Ramesh 1 Gabriel Goh ......
【RL】L7-Temporal-difference learning
## TD learning of state values The data/experience required by the algorithm: - $\left(s_0, r_1, s_1, \ldots, s_t, r_{t+1}, s_{t+1}, \ldots\right)$ or ......