526互联

learning instruction in-content指示

The Hello World of Deep Learning with Neural Networks

The Hello World of Deep Learning with Neural Networks dlaicourse/Course 1 - Part 2 - Lesson 2 - Notebook.ipynb at master · lmoroney/dlaicourse (github ......
Learning Networks Neural Hello World

《Visual Analytics for RNN-Based Deep Reinforcement Learning》

摘要 准备开题报告，整理一篇 2022 年TOP 论文。 论文介绍 该论文是一篇 2022 年，有关可视化分析基于RNN 的深度强化学习训练过程的文章。一作是 Junpeng Wang ，作者主要研究领域就是：visualization, visual analytics, explainable ......
Reinforcement Analytics RNN-Based Learning Visual

Can Pre-Trained Text-to-Image Models Generate Visual Goals for Reinforcement Learning

概述 Learning form the Void (LfVoid) 根据给定的language instruction对observation进行appearance-based and structure-based修改得到goal images，为RL提供奖励信号。提升了example-bas ......
Text-to-Image Reinforcement Pre-Trained Generate Learning

Computer vision: models, learning and inference

http://www.computervisionmodels.com/ 13.2.3 SIFT detector SIFT 尺度不变特征转换 s a second method for identifying interest points 一个尺度和对应兴趣点定位 14 15 16 ......
inference Computer learning vision models

Learn DevOps 第二章：Start DevOps with Docker（一）

一、Introduction and installation 这一张让我们来看一些让开发运维变得非常简单的东西：Containerization。 我们身处微服务的世界，有数百个微服务，一些用Java构建，一些用python构建，还有一些可能是用Javascript构建的。这三种语言的应用程序所需 ......
DevOps 第二章 Docker Learn Start

Federated Learning005

联邦学习——笔记005 2023.11.27周一，最近支原体肺炎高发。研一上课结了一部分，赶紧看论文。 时隔大半年，今天开始学习联邦学习的大综述————Advances and Open Problems in Federated Learning（联邦学习中的最新进展和开放问题） Introduc ......
Federated Learning 005

offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据

① 使用 VAE 建模 offline dataset 的 π(a|s)，② 添加一个可以学习的 action 扰动 ξ，③ 用 (s, a=π(s)+ξ, r, s') 做 Q-learning。 ......
offline learning dataset 数据 BCQ

Java learning Day2 常量 变量 运算符 Scanner 方法 数组

常量 ： 字面值常量（直接写值的常量）+自定义常量 变量： long型变量后必须加L; 小数字面值常量默认double 若用float需加F； 变量强转：小的会自动转成大的 float虽然只有4个字节 但是比所有整型的取值范围都大 浮点型有精度问题 表达式类型提升： 如果表达式当中存在多种数据类型 ......
运算符 常量 数组 变量 learning

Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (5)

Qualitative Results如下图所示: ......
Monocular Auxiliary Detection Learning Contexts

Learning Graph Filters for Spectral GNNs via Newton Interpolation

目录概符号说明MotivationNewtonNet代码 Xu J., Dai E., Luo D>, Zhang X. and Wang S. Learning graph filters for spectral gnns via newton interpolation. 2023. 概 令谱 ......
Interpolation Learning Spectral Filters Newton

Java Learning Day1 关键字、标识符、注释、变量

其实之前也学习过两个月的JAVA，跟着淘宝上买的王道Java课，每天看了1day，整个过程下来感觉什么都没有掌握，所以现在就打算重新学一次，从最开始的关键字开始，也就开通了博客，希望这次学习可以多多掌握一些吧。 关键字：小写、含有特殊含义的单词 标识符：方法名、类名、参数名、变量名（英文、不用拼音） ......
标识符 注释 变量 标识 Learning

Joint Autoregressive and Hierarchical Priors for Learned Image Compression

abstruct 最近的图像压缩模型基于自编码器，学习近似可逆的映射（从像素到量化的可逆表示），这些与熵模型（潜在表示的先验）结合，可以与标准算术编码算法一起使用产生压缩比特流。与简单的全因子先验相比，分层熵模型可以利用更多潜变量中的结构，从而在保存端到端优化的同时提高压缩性能。众所周知，自回归模型 ......
Autoregressive Hierarchical Compression Learned Priors

【略读论文|时序知识图谱补全】Learn from Relational Correlations and Periodic Events for Temporal Knowledge Graph Reasoning

会议：SIGIR，时间：2023，学校：国防科技大学 摘要： 之前模型存在的问题：未能利用快照内结构信息的关系之间的语义相关性与快照间时间交互沿时间轴的周期性时间模式。 本文的工作：提出了一种新的推理模型（RPC）；它通过两个新的通信单元，即关系通信单元(RCU)和周期通信单元(PCU)，充分挖掘关 ......
时序 图谱 Correlations Relational Knowledge

论文阅读笔记：Revisiting Prototypical Network for Cross Domain Few-Shot Learning

标题：重新审视用于跨领域少样本学习的原型网络 研究背景： 问题背景：原型网络是一种流行的小样本学习方法， 其网络简单而直观，对于小样本学习问题有着较好的表现，尤其是在图像分类等领域。 存在问题：然而，当推广到跨领域的少样本分类任务时，其性能出现了大幅度下降，这严重限制了原型网络的实用性。 研究动机： ......
Prototypical Revisiting Few-Shot Learning Network

【略读论文|时序知识图谱补全】DREAM: Adaptive Reinforcement Learning based on Attention Mechanism for Temporal Knowledge Graph Reasoning

会议：SIGIR，时间：2023，学校：苏州大学计算机科学与技术学院，澳大利亚昆士兰布里斯班大学信息技术与电气工程学院，Griffith大学金海岸信息通信技术学院 摘要： 原因：现在的时序知识图谱推理方法无法生成显式推理路径，缺乏可解释性。 方法迁移：由于强化学习 (RL) 用于传统知识图谱上的多跳 ......
时序 图谱 Reinforcement Attention Knowledge

初中英语优秀范文100篇-003 My ways of learning English

记忆树 1 As we all know, English is one of the most important languages in the world. 翻译 众所周知，英语是世界上最重要的语言之一 简化记忆 最重要的语言 句子结构 "as we all know"是一个引导从句的短语， ......
范文 learning 初中 English ways

【略读论文|时序知识图谱补全】Temporal Knowledge Graph Reasoning with Historical Contrastive Learning

会议：AAAI，时间：2023，学校：上海交通大学 摘要： 大多数时序知识图谱的推理方法高度依赖于事件的递归或周期性，这给推断与缺乏历史交互的实体相关的未来事件带来了挑战。本文提出一种新的基于历史对比学习训练框架的对比事件网络（CENET）的新事件预测模型。 1.CENET 学习历史和非历史依赖来区 ......
时序 图谱 Contrastive Historical Knowledge

Learning to rank: from pairwise approach to listwise approach

目录概ListNetPermutation ProbabilityTop-k Probability Cao Z., Qin T., Liu T., Tsai M. and Li H. Learning to rank: from pairwise approach to listwise appr ......
approach Learning pairwise listwise to

《Fine-Grained Image Analysis with Deep Learning: A Survey》阅读笔记

论文标题 《Fine-Grained Image Analysis with Deep Learning: A Survey》 作者 魏秀参，南京理工大学 初读 摘要 与上篇综述相同： 细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。 细粒度性质引起的类间小变化和类内大变化使其成为一个具有 ......
Fine-Grained Analysis Learning Grained 笔记

《Deep learning for fine-grained image analysis: A survey》阅读笔记

论文标题 《Deep learning for fine-grained image analysis: A survey》 作者 魏秀参，旷世研究院 初读 摘要 细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。 细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。 本文旨 ......
fine-grained learning analysis grained 笔记

Literature Survey Slides of Paper Learning Dexterous In-Hand Manipulation

This is the tutorial slides about a literature survey of paper Learning Dexterous In-Hand Manipulation. ......
Manipulation Literature Dexterous Learning In-Hand

《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》阅读笔记

论文标题 《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》 基于深度学习的细粒度对象分类和语义分割的综述 为什么是 “Object” 而不是 “image” 作 ......
Classification Learning-based Fine-grained Segmentation Learning

Natural Image Reconstruction from fMRI using Deep Learning: A Survey

Natural Image Reconstruction from fMRI using Deep Learning: A Survey Zarina Rakhimberdina 1,3, Quentin Jodelet 1,3, Xin Liu 2,3,∗, Tsuyoshi Murata 1,3 ......
Reconstruction Learning Natural Survey Image

Dynamic Client Association for Energy-Aware Hierarchical Federated Learning

1 简单说明 这个文章是讲基于能量意识的动态用户选择， 在hfl的框架下。 因为边缘服务器到客户端这个层级存在着一些选择的关系。 发表在wcnc，一个c类会议上。 2 摘要 Abstract-Federated learning (FL) has become a promising solutio ......
Energy-Aware Hierarchical Association Federated Learning

通过时序和上下文对比学习时间序列表征《Time-Series Representation Learning via Temporal and Contextual Contrasting》(时间序列、时序表征、时态和上下文对比、对比学习、自监督学习、半监督学习)

现在是2023年11月14日的22:15，肝不动了，要不先回寝室吧，明天把这篇看了，然后把文档写了。OK，明天的To Do List. 现在是2023年11月15日的10:35，继续。 论文：Time-Series Representation Learning via Temporal and C ......
时间序列 时序 上下文 序列 上下

浅谈JVM Instruction Set (Opcode)

浅谈JVM Instruction Set (Opcode) 1. 背景 日常开发中，遇到一个潜藏bug的java代码，借此简单回顾一下JVM Instruction Set (Opcode)知识。 问题demo代码如下： public class BugDemo { public static v ......
Instruction Opcode JVM Set

Reinforcement Learning Chapter 1

本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton. 强化学习是什么 传统机器学习方法可分为有监督与无监督两类； 有监督学习 > 任务驱动 无监督学习 > 数据驱动 强化学习则可看作机器学习的“第三范式” > 模拟驱动，具体 ......
Reinforcement Learning Chapter

RLHF · PBRL | 发现部分 D4RL tasks 不适合做 offline reward learning 的 benchmark

发现对于很多任务，（只要给出专家轨迹），将 reward 设为 0 或随机数，也能学出很好 policy，证明这些任务不适合用来评测 reward learning 的性能好坏。 ......
benchmark learning offline 部分 reward

TRL(Transformer Reinforcement Learning) PPO Trainer 学习笔记

(1) PPO Trainer TRL支持PPO Trainer通过RL训练语言模型上的任何奖励信号。奖励信号可以来自手工制作的规则、指标或使用奖励模型的偏好数据。要获得完整的示例，请查看examples/notebooks/gpt2-sentiment.ipynb。Trainer很大程度上受到了原 ......
Reinforcement Transformer Learning Trainer 笔记

A Learning Method for Feature Correspondence with Outliers读书笔记

A Learning Method for Feature Correspondence with Outliers 2022年 论文地址：A Learning Method for Feature Correspondence with Outliers | IEEE Conference Pub ......
Correspondence Learning Outliers Feature 笔记
共518篇  :4/18页 首页上一页4下一页尾页