526互联

engineering thinking teaching learning

Deep-Learning-Based Spatio-Temporal-Spectral Integrated Fusion of Heterogeneous Remote Sensing Images

Deep-Learning-Based Spatio-Temporal-Spectral Integrated Fusion of Heterogeneous Remote Sensing Images abstract 为了解决STF中的生成heterogeneous images问题: 为此，本 ......
Spatio-Temporal-Spectral Deep-Learning-Based Heterogeneous Integrated Learning

【论文笔记】A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT 使用ChatGPT增强提示工程的提示模式目录

简介 论文原文 https://arxiv.org/pdf/2302.11382.pdf 参考笔记 https://qiita.com/sonesuke/items/981925cfcc610a602e94 16种prompt模式并附例 prompt patterns是什么 A prompt is ......
ChatGPT Prompt Engineering Pattern Catalog

Medicine River-------------Learning Journals 8

htttp://www.enotes.com ......
Medicine Learning Journals River

Node.js Event Loop & V8 engine & libuv All In One

Node.js Event Loop & V8 engine & libuv All In One 事件循环 ......
amp engine Event libuv Node

Adversarial Robust Deep Reinforcement Learning Requires Redefining Robustness

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ ......
Reinforcement Adversarial Redefining Robustness Learning

Learning Off-Policy with Online Planning

**发表时间：**2021（CoRL 2021） **文章要点：**这篇文章提出Off-Policy with Online Planning (LOOP)算法，将H-step lookahead with a learned model和terminal value function learne ......
Off-Policy Learning Planning Policy Online

论文解读（VAT）《Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning》

论文信息 论文标题：Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者：Takeru Miyato, S. Maeda, Masanori Koya ......
Supervised Semi-Supervised Regularization Adversarial Training

论文解读（PGD）《Towards deep learning models resistant to adversarial attacks》

论文信息 论文标题：Towards deep learning models resistant to adversarial attacks论文作者：Aleksander Madry, Aleksandar Makelov, Ludwig Schmidt, Dimitris Tsipras, Ad ......
adversarial resistant learning Towards attacks

基于RL(Q-Learning)的迷宫寻路算法

强化学习是一种机器学习方法，旨在通过智能体在与环境交互的过程中不断优化其行动策略来实现特定目标。与其他机器学习方法不同，强化学习涉及到智能体对环境的观测、选择行动并接收奖励或惩罚。因此，强化学习适用于那些需要自主决策的复杂问题，比如游戏、机器人控制、自动驾驶等。强化学习可以分为基于价值的方法和基于策 ......
迷宫 算法 Q-Learning Learning RL

1、题目：Engineering Design Thinking, Teaching, and Learning

期刊信息 （1）作者：Dym，Clive L.，Agogino，Alice M.，Eris，Ozgur，Frey，Daniel D.，Leifer，Larry J. （2）期刊：Journal of Engineering Education：94-1-103-120，01/2005 （3）DOI： ......
Engineering Thinking Teaching Learning 题目

M3AE: Multimodal Representation Learning for Brain Tumor Segmentation with Missing Modalities

摘要 提出SimCLR，用于视觉表征的对比学习，简化了最近提出的对比自监督学习算法，为了理解是什么使对比预测任务能够学习有用的表示，系统研究了提出框架的主要组成部分，发现： （1）数据增强的组成在定义有效的预测任务中起着关键的作用 （2）在表示和对比损失之间引入一个可学习的非线性变换，大大提高了已学 ......
Representation Segmentation Multimodal Modalities Learning

阅读文献《SCNet：Deep Learning-Based Downlink Channel Prediction for FDD Massive MIMO System》

该文献的作者是清华大学的高飞飞老师，于2019年11月发表在IEEE COMMUNICATIONS LETTERS上。 文章给出了当用户位置到信道的映射是双射时上行到下行的确定映射函数；还提出了一个**稀疏复值神经网络( sparse complex-valued neural network，SC ......
Learning-Based Prediction 文献 Learning Downlink

文献阅读《AcsiNet: Attention-Based Deep Learning Network for CSI Prediction in FDD MIMO Systems》

这篇文献的作者是南华大学的林文斌老师，于2023年3月3日发表在IEEE WIRELESS COMMUNICATIONS LETTERS。 文章直接对上行 CSI 矩阵使用离散傅里叶逆变换进行压缩，然后将其输入一个基于注意力（attention-based）的深度学习网络，该网络可以专注于关键的 C ......
Attention-Based Prediction Attention 文献 Learning

update_engine简介

AB升级（谷歌官网叫 无缝更新）是自android7.0开始新增的一种android设备升级方式，这种方式对设备存储要求高 简而言之：系统同时存在两套system分区，一套处于休眠状态不可使用，一套处于使用状态，两者通过slot的概念来做区分，在设备启动引导阶段通过特殊标记位确定启动哪个system ......
update_engine 简介 update engine

执行Django 的迁移命令报错[1193, "Unknown system variable default_storage_engine]

在学习“”编写你的第一个 Django 应用程序，第2部分”时候，遇到一个问题。 执行迁移命令 python manage.py makemigrations polls 后，报错： migrations.py:109: RuntimeWarning: Got an error checking a ......
default_storage_engine variable 命令 Unknown default

Train the Tesseract OCR engine[how to do]

Training the Tesseract OCR engine is a complex and time-consuming process that involves several steps. Here is an overview of the process: Prepare you ......
Tesseract engine Train OCR the

vite vue使用pont-engine

pont-engine 是一款阿里的api生成工具！ 安装依赖即可 yarn add --dev pont-engine 然后即可使用 pont start 问题 但是因为默认生成的代码 包含cjs的模块语法，所以vite无法识别。 另外生成代码前最好把旧的生成目录删除！ 解决办法 因此我做了如下优 ......
pont-engine engine vite pont vue

GCR Gradient Coreset based Replay Buffer Selection for Continual Learning

GCR: Gradient Coreset based Replay Buffer Selection for Continual Learning 摘要：本文提出了一种创新的重放缓冲区选择和更新策略，梯度核心集重放（GCR），使用一种设计优化标准。 该方法选择和维持一个“coreset” ，它非常 ......
Continual Selection Gradient Learning Coreset

论文解读《Automatically discovering and learning new visual categories with ranking statistics》

论文信息 论文标题：Automatically discovering and learning new visual categories with ranking statistics论文作者：K. Han, Sylvestre-Alvise Rebuffi, Sébastien Ehrhard ......
Automatically discovering categories statistics learning

五天学会Deep Learning

五天学完deep learning。。。。。。是时候来证明chatGPT和new bing的能力了。。。。。。 DAY1 Sigmoid function Sigmoid 函数是一种常用的激活函数，它将输入值映射到 0 和 1 之间。它的公式为 f(x) = 1 / (1 + e^-x)。Sigmo ......
Learning Deep

论文解读（PAWS）《Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples》

论文信息 论文标题：Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples论文作者：Mahmoud Assran, Mathi ......
Non-Parametrically Semi-Supervised Parametrically Assignments Predicting

迁移学习（CLDA）《CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation》

论文信息 论文标题：CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation论文作者：Ankit Singh论文来源：NeurIPS 2021论文地址：download 论文代码：download视屏讲解：click 1 简介 ......
CLDA Semi-Supervised Contrastive Adaptation Supervised

Vuforia Engine AR配置教程（适配2023年最新版本unity）

先下载一个unity hub 接着会自动叫你配置客户端 自动配置完成后： 第一步创建第一个项目 记住这里不要勾选这个版本管理 选上这个会下载一个非常鸡肋的代码托管工具 进入正式插件配置 点开后发现里面并没有下载入口，笔者从网上搜到的结果都是有这个入口的，应该利益问题分道扬镳了，从官方商店中移除了， ......
Vuforia 版本 教程 Engine unity

FastGCN Fast Learning with Graph Convolutional Networks via Importance Sampling

Chen J., Ma T. and Xiao C. FastGCN: fast learning with graph convolutional networks via importance sampling. ICLR, 2018. 概 一般的 GCN 每层通常需要经过所有的结点的 prop ......
Convolutional Importance Learning Networks Sampling

Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning

Li Q., Han Z. and Wu X. Deeper insights into graph convolutional networks for semi-supervised learning. AAAI, 2018. 概 本文分析了 GCN 的实际上就是一种 Smoothing, 但是 ......
Semi-Supervised Convolutional Supervised Insights Networks

ELEC3115 ENGINEERING

ELEC3115 – ELECTROMAGNETICENGINEERINGPart B assignment – T1 2023Due Date: 23:59 pm, Monday 24th April 2020 (Week 11)Assignments submitted after the Du ......
ENGINEERING ELEC 3115

Pytorch深度学习全流程代码框架——Base Codes for Deep Learning Using Pytorch

# 导入必要的库 import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset # 定义超参数 epochs = 10 # 训练轮数 lr ......
Pytorch 框架 深度 Learning 流程

scikit-learn 中 Boston Housing 数据集问题解决方案

scikit-learn 中 Boston Housing 数据集问题解决方案 在部分旧教程或教材中是 sklearn，现在【2023】已经变更为 scikit-learn 作用：开源机器学习库，支持有监督和无监督学习。它还提供了用于模型拟合、数据预处理、模型选择、模型评估和许多其他实用程序的各种工 ......
scikit-learn 解决方案 Housing 方案 数据

基于强化学习（Q-learning算法）的需求响应动态定价研究

代码关键词：需求响应 强化学习 动态定价 编程语言：python平台 主题：16、基于强化学习（Q-learning算法）的需求响应动态定价研究 代码内容： 代码提出了一种考虑服务提供商（SP）利润和客户（CUs）成本的分层电力市场能源管理动态定价DR算法。 用强化学习（RL）描述了动态定价问题为离 ......
算法 Q-learning learning 需求 动态

记首次用Cheat Engine修改游戏内存

记得第一次见到ce修改器还是因为听闻ce修改器可以修改百度网盘下载速度，但是测试了一下发现确实可行（虽然不知道现在修复了没）。最近想起来得好好研究它的功能。 最后我发现了了一片讲的很细的[CE修改器教程入门篇](https://bbs.kanxue.com/thread-276049.htm)，作者 ......
内存 Engine Cheat
共586篇  :17/20页 首页上一页17下一页尾页