gnn-learning-notes learning notes gnn
Deep Learning —— 异步优化器 —— RMSpropAsync —— 异步RMSprop
代码地址： https://github.com/chainer/chainerrl/blob/master/chainerrl/optimizers/rmsprop_async.py def update_core_cpu(self, param): grad = param.grad if gr ......
[论文精读][基于点云的蛋白-配体亲和力]A Point Cloud-Based Deep Learning Strategy for Protein-Ligand Binding Affinity Prediction
我需要的信息 代码，论文 不考虑共价键，每个点包括了六种原子信息，包括xyz坐标，范德华半径，原子重量以及来源（1是蛋白质，-1是配体）。原子坐标被标准化，其它参数也被标准化。对不足1024个原子的的复合体，补0到1024。 增加考虑的原子从1024到2048，没有提升，增加原子信息通道，没有提升（ ......
Fi-GNN: Modeling Feature Interactions via Graph Neural Networks for CTR Prediction
目录概Fi-GNN代码 Li Z., Cui Z., Wu S., Zhang X. and Wang L. Fi-GNN: Modeling feature interactions via graph neural networks for ctr prediction. CIKM, 2019. ......
机器学习经典教材《模式识别与机器学习》，Pattern Recognition and Machine Learning，PRML官方开放免费下载
微软剑桥研究院实验室主任Christopher Bishop的经典著作《模式识别与机器学习》，Pattern Recognition and Machine Learning，简称PRML，被微软“开源”了。 本书介绍&下载页：（书的介绍页面） https://www.microsoft.com/e ......
Graph Laplacian for Semi-Supervised Learning
目录概符号说明Graph-Laplacian for SSL Streicher O. and Gilboa G. Graph laplacian for semi-supervised learning. arXiv preprint arXiv:2301.04956, 2023. 概 标题取得有 ......
A Lightweight Method for Modeling Confidence in Recommendations with Learned Beta Distributions论文阅读笔记
A Lightweight Method for Modeling Confidence in Recommendations with Learned Beta Distributions论文阅读笔记 摘要 大多数推荐系统并不提供对其决策信心的指示。因此，他们不区分确定的建议和不确定的建议。现 ......
【论文笔记】A theory of learning from different domains
防盗 https://www.cnblogs.com/setdong/p/17756127.html domain adaptation 领域理论方向的重要论文. 这篇笔记主要是推导文章中的定理, 还有分析定理的直观解释. 笔记中的章节号与论文中的保持一致. 1. Introduction doma ......
Prom Learn
官方文档参考连接：https://prometheus.io/docs/prometheus/latest/querying/basics/ 表达式和数据类型 Instant vector Range vector Scalar String 1. 瞬时变量vs范围变量 Instan Vector允 ......
Learn Git in 30 days—— 第 29 天：如何将 Subversion 项目汇入到 Git 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 当你越来越了解 Git 版本控制，一定会越来越想把手边的 Subversion ( 简称 SVN ) 项目改用 ......
Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读
2023 ICCV Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读，思想很妙，该笔记非常简要 ......
Learn Git in 30 days—— 第 28 天：了解 GitHub 的 fork 与 pull request 版控流程
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 Git 仓库并没有什么「权限控制」的概念，因为他是分散式的版本控制系统，当你执行 git clone ......
note 信竞中的数学
1.质数和约数 质数： 若一个正整数无法被除了 \(1\) 和它本身之外的任何自然数整除，则称该数为质数。 质数的判定： 试除法 Miller-Robbin Eratosthenes筛法 每个合数 \(a\) 一定可以写成 \(p\times x\) 的形式，其中 \(p\) 是素数，\(x\) 是 ......
(2023年新疆大学、中科院等点云分类最新综述) Deep learning-based 3D point cloud classification: A systematic survey and outlook
目录1、引言2 、3D数据2.1、3D数据表示形式2.2、点云数据存储格式2.3、3D点云公共数据集3 、基于深度学习的点云分类方法3.1、基于多视角的方法3.2、基于体素的方法3.3 、基于点云的方法3.3.1局部特征聚合3.3.1.1基于逐点处理的方法3.3.1.2基于卷积的方法3.3.1.3基 ......
notes-at-the-autumnal-equinox
秋分小记 Created: 2023-09-26T09:17+08:00 Published: 2023-10-08T19:41+08:00 Categories: Fragment Tags: Diary 目录秋天的树如果你冷Say Goodbye如此爱你姊妹日记一则（有删改）你们能做得比 Sta ......
浅谈在Q-learning中加入nn网络
现在想实现一个基础的强化学习CartPole。我要使用c语言完成整个项目，方便后续部署到开发板(也许方便吧)。 现在已经完成： 模拟cart(车)和pole(杆)的运动部分，根据位置,速度,角度,角速度四个特征量来动态更新，使用静态结构体变量在程序中全局的共享和访问这些值。 可视化部分，选用2D游戏 ......
Reinforcement Learning 学习笔记 1
什么是强化学习（reinforcement learning）? 假设一个场景，一个智能体(agent) 和环境（env）交互，智能体基于当前环境\(S_t\)每产生一个动作\(A_t\)，环境便给它一个反馈，也被称为奖励(reward)\(R_{t+1}\), 随后，智能体的状态变为\(S_{t+ ......
Learn Git in 30 days—— 第 27 天：通过分支在同一个远端仓库中进行版控
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 如果在公司内部只有一个共用的 Git 远端仓库，大家都有存取权限的情況下，可能会遇到一些协同作业上的问题，那就是 ......
JavaScript Note
\[Notes \; of \; JavaScript \; Handbook \]Brief Syntax Introduction JS 是解释型语言。 解释型语言 与 编译型语言： 解释型：一行一行看，容易出错但方便，可以及时方便地找到出错位置以及出错原因，容易跨平台（可以嵌入到其他软件）。 ......
The Road to learn React
React基础 组件内部状态 组件内部状态也称之为局部状态，允许保存、修改和删除存储在组件内部的属性 使用ES6类组件可以在构造函数种初始化组件的状态，构造函数只会在组件初始化的时候调用一次 const list = [ { title: 'React', url: 'https://faceboo ......
Paper Reading: Learning from Weak-Label Data: A Deep Forest Expedition
目录研究动机文章贡献本文方法标签补码结构标签频率估计与补码标志机制LCForest 整体框架实验结果实验设置基因功能分析任务实验文本分类任务实验场景分类任务实验医学自然语言处理实验优点和创新点 Paper Reading 是从个人角度进行的一些总结分享，受到个人关注点的侧重和实力所限，可能有理解不到 ......
Learning Hard C# 学习笔记: 8.C#中的特性 - 委托
介绍了委托的调用和它引入的原因，之后从IL的角度揭秘了委托的本质。最后介绍了委托链的概念：我们可以使用“+”运算符把一个委托添加到委托链实例中，也可以使用“-”运算符把委托实例从委托链中移除。 ......
Learning Hard C# 学习笔记: 6.C#中的接口
本章主要介绍了接口的定义、实现以及对其方法的调用；分析了隐式接口实现与显式接口实现间的区别，总结了两种实现使用的一般场景；最后分析了抽象类与接口之间的差异，给出了它们在面向对象编程中的应用。 ......
Learning Hard C# 学习笔记: 5.C#中的面向对象编程
本章详细介绍了C#中面向对象的3个特性——封装、继承和多态。通过这些内容，我们了解了将字段定义为私有的原因，学习了如何去继承一个类，以及如何去覆写和隐藏基类成员。最后，本章还简单地介绍了.NET中所有类的父类——System.Object 。 ......
Learning Hard C# 学习笔记: 4.C#中的类
类是面向对象语言都有的一种数据类型, 它的存在在于将现实中的概念抽象概括为代码中的数据类型. 4.1 什么是类? 以人类这个概念为例, 人类就可以作为一个类, 人类是一个种群, 这个种群中包包含许多个体, 这些个体可以当作一个对象. 比如说小明就是人类中的一个个体, 他是人类这个概念具体化之后推导而 ......
Learning Hard C# 学习笔记: 3.C#语言基础
前言 由于最近工作开始重新使用了C#, 框架也是.Net4.5, 看了下, 这本书是比较合适的, 所以就重新学习了下, 由于之前本人已有C#相关基础, 所以不会所有内容都做笔记, 只会对不熟悉或者比较重要的内容做笔记. 3.2 基础数据类型 3.2.4 枚举类型 枚举类型属于值类型, 用于定义一组命 ......
note 线段树
适用场景：不断区间修改、区间询问。 假设我们要区间求和，\(tree\) 的含义：区间的和，其两个子节点为这个区间分为两半的和。 我们把一个数组 \(a\) 看作一颗树 \(tree\)，例： 1 1 2 3 3 3 对应的 \(tree\)（\(()\)里是编号，\([]\)里是对应的区间）： ( ......
note 糖水不等式
什么是糖水不等式？ \[\frac{a}{b}\lt \frac{a+m}{b+m} \ \ \ (m>0) \]凭直觉这个不等式当然是成立的，但数学这么严谨的东西你直觉算个姬直觉是不可靠的，那我们证明一下： 我们用改变后的浓度减去初始浓度： \[\frac{a+m}{b+m}-\frac{a}{b ......
note ODT
（珂朵莉图压压惊） 适用场景：不断区间修改、区间询问，数据随机 ODT：old driver tree（老司机树），又名珂朵莉树，是一个骗分的好东西。其内部是基于 std::set 实现的，而 std::set 是基于红黑树实现的，所以我觉得应该是算法，但是对于ODT究竟是算法还是数据结构有争议。 ......
Deep Learning入门
深度学习入门(更新中) 概述 前置知识: 线性代数 微积分 概率论 python基础语法(包含面向对象的知识) 深度学习框架pytorch的基本api调用 学习资料: PyTorch深度学习快速入门教程 跟李沐学AI 《动手学深度学习》 — 动手学深度学习 2.0.0 documentation ( ......