heterogeneous federated learning yourself
Learning Blender: A Hands-On Guide to Creating 3D Animation(2nd Edition)
参考1：https://www.doc88.com/p-9975664843996.html（书） 参考2：https://www.bilibili.com/video/BV1wW411i7nY（视频） ......
P6146 [USACO20FEB]Help Yourself G 题解
题目链接 先按左端点从小到大排序。 设 $f(i)$ 表示前 $i$ 条线段的所有子集的复杂度之和。 考虑从 $f(i-1)$ 转移到 $f(i)$，即考虑新加进来第 $i$ 条线段的过程。第 $i$ 条线段加进来所新产生的贡献分两种： 设除了第 $i$ 条线段选中的线段集合为 $S$，则若 $S$ ......
mini spring learning
https://www.pexels.com/zh-cn/photo/768089/ http://www.implements.fun:8080/tag/minispring package com.minis.beans.factory; import com.minis.beans.Beans ......
About Interviews and Learning------Learning journals 5
This week, we produced a group assignment, an interview video on cultural appropriation and appreciation, from which we can always learn something use ......
learn C++ for infrastructure software
To learn C++ for infrastructure software, you can follow these steps: Learn the basics of C++: Start by learning the basics of C++ programming languag ......
计算机视觉中的主动学习（Active Learning）介绍
前言 Active Learning主动学习是机器学习 (ML) 的一个研究领域，旨在通过以智能方式查询管道的下一个数据来降低构建新机器学习解决方案的成本和时间。在开发新的 AI 解决方案和处理图像、音频或文本等非结构化数据时，我们通常需要人工对数据进行注释，然后才能使用它们来训练我们的模型。这个数 ......
Sample-Based Learning and Search with Permanent and Transient Memories
**发表时间：**2008（ICML 2008） **文章要点：**这篇文章提出Dyna-2算法，把sample-based learning and sample-based search结合起来，并在Go上进行测试。作者认为，search算法是一种transient的算法，就是短期记忆用了就忘了 ......
Learning Objectives COMP 250
Assignment 3 COMP 250 Winter 2023 posted: Thursday, March 23, 2023 due: Thursday, April 6, 2023 at 11:59m Learning Objectives By the end of this assig ......
COMP4318 COMP4318 – Machine Learning
OMP5318/COMP4318 – Machine Learning and Data Mining Semester 1, 2023Page 1 of 7Assignment 1: ClassificationKey informationDeadlinesSubmission: 11:59pm ......
Learning model-based planning from scratch
**发表时间：**2017 **文章要点：**这篇文章想说，之前的文章去做planning的时候，都会去设计一个planning的方法。这篇文章提出了一个端到端的方法，Imagination-based Planner，不去设计planning的方式，做到全部的端对端训练，agent会决定什么时候去 ......
sqlalchemy_learn_sqlite
/Users/song/codelearn/sqlalchemy_learn/init_test_data.py #!/usr/bin/env python3 # -*- coding: utf-8 -*- import asyncio import random from faker import ......
module Federation 简介与应用
什么是 module Federation module Federation(下面简称 MF) 是 webpack5 推出的最新的概念 有用过 webpack 的小伙伴都知道, 在我们打包时, 都会对资源进行分包, 或者使用异步加载路由的方案, 这样打出来的包(也叫 chunk), 在我们使用时, ......
去中心化组件共享方案 —— Webpack Module Federation（模块联邦）
在大型应用中， 我们可能会对其进行拆分，分成容器、主应用和多个子应用，使拆分后的应用独立开发与部署，更加容易维护。但无论是微应用、公共模块应用，都需要放到容器中才能使用。 如果多个应用之间希望资源共享，除了使用 npm 包的形式，基于Webpack 5 Module Federation（模块联邦） ......
Appropriation and Appreciation------learning journals 4
There are many cultures in this world, but some cultures are rarely known, even if they are known to a certain extent, leading to the existence of ste ......
learn to js
Certainly! Here are some book and video recommendations to help you learn JavaScript: "JavaScript: The Good Parts" by Douglas Crockford - This book is ......
迁移学习（PCL）《PCL: Proxy-based Contrastive Learning for Domain Generalization》
论文信息 论文标题：PCL: Proxy-based Contrastive Learning for Domain Generalization论文作者：论文来源：论文地址：download 论文代码：download引用次数： 1 前言 域泛化是指从一组不同的源域中训练一个模型，可以直接推广到不 ......
Deep Transfer Learning综述阅读笔记
这是一篇linkedin发表的深度迁移学习综述, 里面讲了一些对于search/recommend system中的迁移学习应用. 有不少指导性的方法, 看完后摘录出来 对于ranking方向的TL, 主要有两种transfer方式: Model transfer 对于参数量非常大的预训练模型, F ......
how to learn C++?
Here are some steps to learn C++: Learn the basics: Start with the basics of C++, including variables, data types, control structures, loops, and func ......
指针常量和常量指针_C++_Learning1
怎么读？ 遇到 "*" 读指针，遇到 "const" 读常量 一、指针常量 //指针常量——指针(也就是它存储的地址)是一个常量，所以其值不能修改，但指向的内容可以修改 int a = 10, b = 20; int* const ch = &a; //ch = &b; //其值不能修改 *ch = ......
Learning Action Completeness from Points for Weakly-supervised Temporal Action Localization概述
1.针对的问题 在弱监督时序动作定位领域提出了一些帧监督的方法，但是由于标签稀疏性，现有的工作无法学习动作的完整性，动作预测零碎，导致在高IoU阈值的情况下表现较差。作者试图通过生成密集的伪标签，为模型提供完整性指导。 2.主要贡献 •引入了一个新的框架，其中生成了密集的最优序列，以在点监督设置下为 ......
CVPR论文解读《Learning To Count Everything》
密集场景下的目标检测与计数 ———CVPR论文解读《Learning To Count Everything》 计数是我们经常会碰到的问题，使用最贴近我们生活实际的情景举例。例如统计上课已到教室的人数，或者统计货架上的物品数量、统计书架上的书本数。在比较密集的情况下，通过人工计数是非常麻烦的，但如果 ......
02.Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities
Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities 量化交易的深度强化学习：挑战与机遇 IEEE 背景 量化交易：量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资 ......
tv pine learning type system
类型系统分类 form type The form expresses when a value is known. The type denotes the nature of a value. form 要表达的是当值是知道的（比如常量，或者用户输入决定，而且后续就不变了） type 强调的是值 ......
Learning with Mini-Batch
在机器学习中，学习的目标是选择期望风险$R_{exp}$(expected loss)最小的模型，但在实际情况下，我们不知道数据的真实分布（包含已知样本和训练样本），仅知道训练集上的数据分布。因此，我们的目标转化为最小化训练集上的平均损失，这也被称为经验风险$R_{emp}$(empirical l ......
Debiased Contrastive Learning of Unsupervised Sentence Representations 论文精读
ACL2022-long paper 原文地址 1. 介绍(Introduction) 问题: 由PLM编码得到的句子表示在方向上分布不均匀, 在向量空间中占据一个狭窄的锥形区域, 这在很大程度上限制了它们的表达能力. 已有的解决办法: 对比学习. 对于一个原句, 构造他的正例(语义相似的句子)和负 ......
论文翻译：2023_THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement
论文地址：THLNet: 用于单耳语音增强的两级异构轻量级网络 代码：https://github.com/dangf15/THLNet 引用格式：Dang F, Hu Q, Zhang P. THLNet: two-stage heterogeneous lightweight network f ......
迁移学习（MixMatch）《MixMatch: A Holistic Approach to Semi-Supervised Learning》
论文信息 论文标题：MixMatch: A Holistic Approach to Semi-Supervised Learning论文作者：David Berthelot, Nicholas Carlini, Ian Goodfellow, Nicolas Papernot, Avital Ol ......
迁移学习（JDDA） 《Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation》
论文信息 论文标题：Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation论文作者：Chao Chen , Zhihong Chen , Boyuan Jia ......
【Surface Detection】Segmentation-Based Deep-Learning Approach for Surface-Defect Detection
物体表面缺陷检测现状 传统机器学习局限性 传统机器学习方法对于特定的算法只能解决特定的问题，不够灵活，无法快速适应新产品； 不同的问题有不同的特征，当需要解决新问题时，需要重新设计特征，开发周期长； 深度学习遇到的问题 训练数据数量需求大； 标注精度、耗时需求严格； 计算能力需求高。 该篇paper ......
Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Completion 小样本知识图谱补全论文解读
小样本知识图补全——关系学习。论文利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT（图注意力神经网络）、TransH、SLTM、Model-Agnostic Meta-Learning (MAML)。 论文地址：https://arxiv.org ......