526互联

gnn-learning-notes learning notes gnn

Teachable Reinforcement Learning via Advice Distillation

**发表时间：**2021 (NeurIPS 2021) **文章要点：**这篇文章提出了一种学习policy的监督范式，大概思路就是先结构化advice，然后先学习解释advice，再从advice中学policy。这个advice来自于外部的teacher，相当于一种human-in-the-l ......
Reinforcement Distillation Teachable Learning Advice

【论文翻译】COGMEN：基于上下文化GNN的多模态情感识别

摘要 情感是人类互动的固有组成部分，因此，开发能够理解和识别人类情感的人工智能系统势在必行。在涉及不同人的谈话中，一个人的情绪受到另一个说话人的语句和自己对语句的情绪状态的影响。在本文中，我们提出了基于上下文化图神经网络的多模态情感识别(COGMEN)系统，该系统利用了局部信息(即说话者之间的相互/ ......
模态 论文翻译 上下 情感 COGMEN

April_Note

tea,xtea,xxtea 在逆向过程中，常常会遇到tea加密，本文将系统地总结一下tea,xtea,xxtea tea 简介 TEA加密算法是一种分组密码算法，其明文密文块为64比特，密钥长度为128比特。TEA算法利用不断增加的Delta(黄金分割率)值作为变化，使得每轮的加密是不同，该加密算 ......
April_Note April Note

论文阅读-sparse gpu kernels for deep learning

论文地址：https://ieeexplore.ieee.org/document/9355309 源码地址：https://github.com/google-research/sputnik 背景 深度神经网络由大量的矩阵乘法运算和卷积运算组成，这些运算中使用的矩阵可以转化成稀疏矩阵，同时不损失 ......
learning kernels sparse 论文 deep

Credit note or Credit memo

A credit note or credit memo is a commercial document issued by a seller to a buyer. Credit notes act as a source document for the sales return journa ......
Credit note memo or

Deep Dynamics Models for Learning Dexterous Manipulation

**发表时间：**2019 (CoRL 2019) **文章要点：**文章提出了一个online planning with deep dynamics models (PDDM)的算法来学习Dexterous multi-fingered hands，大概意思就是学习拟人的灵活的手指操控技巧。大概 ......
Manipulation Dexterous Dynamics Learning Models

2、题目：The Informed Design Teaching and Learning Matrix

期刊信息 （1）作者：Crismond, David P. （2）期刊：Journal of Engineering Education, 2012, 101(4): 738–797 （3）DOI：10.1002/j.2168-9830.2012.tb01127.x （4）ISSN：10694730 ......
Informed Teaching Learning 题目 Design

论文阅读笔记《Residual Physics Learning and System Identification for Sim to real Transfer of Policies on Buoyancy Assisted Legged Robots》

Residual Physics Learning and System Identification for Sim to real Transfer of Policies on Buoyancy Assisted Legged Robots 发表于2023年。论文较新，未找到发表期刊。 基于浮 ......
Identification Residual Learning Buoyancy Assisted

论文阅读笔记《Stochastic Grounded Action Transformation for Robot Learning in Simulation》

Stochastic Grounded Action Transformation for Robot Learning in Simulation 发表于IROS 2020(CCF C) 模拟中机器人学习的随机接地动作转换 Desai S, Karnan H, Hanna J P, et al. ......
Transformation Stochastic Simulation Grounded Learning

论文阅读笔记《Grounded Action Transformation for Robot Learning in Simulation》

Grounded Action Transformation for Robot Learning in Simulation 发表于AAAI 2017 仿真机器人学习中的接地动作变换 Hanna J, Stone P. Grounded action transformation for robo ......
Transformation Simulation Grounded Learning 笔记

ZGCTF_note

这是一道很简单的的题，甚至都说不出来它有什么考点，如果非要说的话，可能需要对ida、gdb、栈不那么陌生吧。 ......
ZGCTF_note ZGCTF note

Representation Learning for Attributed Multiplex Heterogeneous Network

Cen Y., Zou X., Zhang J., Yang H., Zhou J. and Tang J. Representation learning for attributed multiplex heterogeneous network. KDD, 2019. 概 本文在 Attrib ......
Representation Heterogeneous Attributed Multiplex Learning

git_note

git常用操作命令： 1.创建本地仓库，首先点进一个仓库文件夹，右键 Git Bash Here 2. git init 进入初始化，自动创建 .git隐藏文件夹 3. git add . 意思是将文件夹里的所有文件放入暂存区 4. git commit -m"阿巴阿巴" 意思是进行提交，引号里的部 ......
git_note note git

TF-GNN踩坑记录(四)

#引言 由于图数据结构问题，直接使用Tensorflow的一些层是无法直接处理图数据的，需要借用TF-GNN框架下的MapFeatures对图数据中的节点特征或是边特征进行变换。 题外话(MapFeatures使用) 节点特征变换 from tensorflow.keras.layers impor ......
TF-GNN GNN TF

2022AAAI_Semantically Contrastive Learning for Low-light Image Enhancement(SCL_LLE)

1. motivation 利用语义对比学习 2. network (1) 输入的是低光图像首先经过图像增强的网络（Zero-DCE), 再将它传入语义分割网络中 （2）语义分割网络用的是DeepLabv3+ ......
AAAI_Semantically Semantically Contrastive Enhancement Low-light

MEMORY REPLAY WITH DATA COMPRESSION FOR CONTINUAL LEARNING--阅读笔记

MEMORY REPLAY WITH DATA COMPRESSION FOR CONTINUAL LEARNING--阅读笔记 摘要： 在这项工作中，我们提出了使用数据压缩（MRDC）的内存重放，以降低旧的训练样本的存储成本，从而增加它们可以存储在内存缓冲区中的数量。观察到压缩数据的质量和数量之间 ......
COMPRESSION CONTINUAL LEARNING 笔记 MEMORY

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

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

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

Numerical Approximation Chapter 6 Notes

Weierstrass theorem approximation之间也有高低，所以我们在compact subset里面会有best approximation. 但是以polynomial interpolation为例，随着不断选更多的Chebyshev interpolation point ......
Approximation Numerical Chapter Notes

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

「Note」trick（持续更新）

cc0000想获得一些智慧！ cc0000想记住更多的trick 人家想让你查合法的排列数量时： 考虑在状态里设计“总共已经放了i个数，最后一个数在当前状态下的排名”（人在飞机上，例题忘了） 考虑在一个n x n 的网格图上，横行代表数字大小，纵列代表排名，那么就相当于在这张图里放n个车（中国象棋吧 ......
trick Note

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

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
共630篇  :18/21页 首页上一页18下一页尾页