learning summary fourth the
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 ......
Codeforces Round 857 (Div. 2) C-The Very Beautiful Blanket
题目地址 题意：构造一个二维数组，使得任意一个4*4的子矩阵满足： A11⊕A12⊕A21⊕A22=A33⊕A34⊕A43⊕A44 A13⊕A14⊕A23⊕A24=A31⊕A32⊕A41⊕A42 Solution(思路来源：知乎xioachou) 对于4个数来说，任意一个二进制位上的1和0都为偶数， ......
【Python】Jupyter Notebook：IOPub message rate exceeded. The notebook server will temporarily stop sending output to the client in order to avoid crashing it..解决方案
✨报错提示 IOPub message rate exceeded. The notebook server will temporarily stop sending output to the client in order to avoid crashing it. To change thi ......
Logstash could not be started because there is already another instance using the configured data directory
#执行报错[root@logstash-95 ~]# logstash -f /etc/logstash/conf.d/stdin-test.conf Using bundled JDK: /usr/share/logstash/jdk OpenJDK 64-Bit Server VM warnin ......
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 ......
Going the distance with Babylon.js
作者：Josh Elster 前言：David Catuhe, creator and leader of the Babylon.js open source project 前言：如果在当时你告诉我，有一天有人会有足够的动力来写一本关于它的书，我会笑得无法自拔。而现在，我们依然这样想。当乔希告诉 ......
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 ......
图解 paxos 论文《The Part-Time Parliament》
本文以图文并茂的方式重新演绎 Paxos 开山之作 《The Part-Time Parliament》[1]，并尝试解释原论文中语焉不详的地方。 背景 在 Paxos 小岛上，施行着一种 Parliament(议会) 政治。小岛上执行的所有 decree(法令) 都需要先由 Parliament ......
【原创】项目六 Load Of The Root
实战流程 新创建文件夹，在这个文件夹里进行操作 nmap扫描下网段 根据nmap逐个排查，发现目标主机，但只有22端口 因此进一步扫描22端口的具体信息，没有扫出很有用的信息 发现靶场又提示一个用户，因此直接通过用户名来ssh，发现需要敲击三次端口（就是端口试探） 端口试探是啥？ 端口试探（port ......
论文翻译：2022_Phase-Aware Deep Speech Enhancement: It's All About The Frame Length
论文地址：相位感知深度语音增强:这完全取决于帧长 引用格式：Peer T, Gerkmann T. Phase-aware deep speech enhancement: It's all about the frame length[J]. JASA Express Letters, 2022, ......
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 ......
【机器学习】李宏毅——Unsupervised Learning
读这篇文章之间欢迎各位先阅读我之前写过的线性降维的文章。这篇文章应该也是属于Unsupervised Learning的内容的。 Neighbor Embedding Manifold Learning（流形学习） 在实际的数据中，很可能会存在这一种分布： 左边这个分布可以看成原先在二维平面上的分布 ......
论文解读（PCL）《Probabilistic Contrastive Learning for Domain Adaptation》
论文信息 论文标题：Probabilistic Contrastive Learning for Domain Adaptation论文作者：Junjie Li, Yixin Zhang, Zilei Wang, Keyu Tu论文来源：aRxiv 2022论文地址：download 论文代码：do ......