residual network simple cnn
A novel essential protein identification method based on PPI networks and gene expression data
A novel essential protein identification method based on PPI networks and gene expression data Jiancheng Zhong 1 2, Chao Tang 1, Wei Peng 3, Minzhu Xi ......
A Novel Approach Based on Bipartite Network Recommendation and KATZ Model to Predict Potential Micro-Disease Associations
A Novel Approach Based on Bipartite Network Recommendation and KATZ Model to Predict Potential Micro-Disease Associations Shiru Li 1, Minzhu Xie 1, Xi ......
Predicting gene expression from histone modifications with self-attention based neural networks and transfer learning
Predicting gene expression from histone modifications with self-attention based neural networks and transfer learning Yuchi Chen 1, Minzhu Xie 1, Jie ......
Erasing, Transforming, and Noising Defense Network for Occluded Person Re-Identification
三个分支：擦除、转换、噪声 用来生成对抗性表征，模拟遮挡问题 对应信息丢失、位置错位和噪声信息 对抗性防御：思路是GAN网络，以对抗性的方式优化生成器和判别器 ......
go network poller 一
网络基础 协议架构 tcp链接 假如需要开发者去实现一套新的网络协议(例如 redis 的resp), 是基于TCP的, 那tcp这层的协议,是否需要开发者自己去实现? 这层如果自己实现, 其实很复杂, 会涉及很多算法相关. 因此, 出现了 socket 对传输层进行了抽象, 开发者不需要关注传输层 ......
神经网络入门篇：详解搭建神经网络块（Building blocks of deep neural networks）
搭建神经网络块 这是一个层数较少的神经网络，选择其中一层（方框部分），从这一层的计算着手。在第\(l\)层有参数\(W^{[l]}\)和\(b^{[l]}\)，正向传播里有输入的激活函数，输入是前一层\(a^{[l-1]}\)，输出是\(a^{[l]}\)，之前讲过\(z^{[l]} =W^{[l] ......
Graph Neural Networks with Learnable and Optimal Polynomial Bases
目录概符号说明MotivationFavardGNN代码 Guo Y. and Wei Z. Graph neural networks with learnable and optimal polynomial bases. ICML, 2023. 概 自动学多项式基的谱图神经网络. 符号说明 \ ......
[论文速览] R-Drop@ Regularized Dropout for Neural Networks
Pre title: R-Drop: Regularized Dropout for Neural Networks accepted: NeurIPS 2021 paper: https://arxiv.org/abs/2106.14448 code: https://github.com/dro ......
qoj3542 Very Simple Sum 题解
题目链接 点击打开链接 题目解法 首先不知道 \(a_x+a_y+a_z+a_w\) 和 \(b_x\oplus b_y\oplus b_z\oplus b_w\) 肯定没法做，所以考虑求出和为 \(i\)，异或和为 \(j\) 的方案数 考虑 \(x,y,z,w\) 都是在 \([1,n]\) 的 ......
机器学习中的典型算法——卷积神经网络（CNN）
1.机器学习的定位 AI，是我们当今这个时代的热门话题，那AI到底是啥？ 通过翻译可知：人工智能，而人工智能的四个核心要素： -数据 -算法 -算力 -场景 然后机器学习是人工智能的一部分，机器学习里面又有新的特例：深度学习。 通俗来说机器学习即使用机器去学习一部分数据，然后去预测新的数据所属的某一 ......
聊聊卷积神经网络CNN
卷积神经网络（Convolutional Neural Network，CNN）是一种被广泛应用于图像识别、语音识别和自然语言处理等领域的深度学习模型。与RNN、Transformer模型组成AI的三大基石。 在卷积神经网络中，相比较普通的神经网络，增加了卷积层(Convolution)和池化层(P ......
神经网络入门篇：详解深层网络中的前向传播（Forward propagation in a Deep Network）
深层网络中的前向传播 先说对其中一个训练样本\(x\)如何应用前向传播，之后讨论向量化的版本。 第一层需要计算\({{z}^{[1]}}={{w}^{[1]}}x+{{b}^{[1]}}\)，\({{a}^{[1]}}={{g}^{[1]}} {({z}^{[1]})}\)（\(x\)可以看做\({ ......
Web_XCTF_WriteUp | simple_js
题目 提示： 小宁发现了一个网页，但却一直输不对密码。(Flag格式为 Cyberpeace{xxxxxxxxx} ) 题目： 分析 F12 打开查看器找到一串 JS 代码： 分析一下大致意思： function dechiffre(pass_enc){ var pass = "70,65,85,8 ......
CF1843F1 Omsk Metro (simple version) 题解
题意： 维护一棵树，初始有一个编号为 $ 1 $ ，点权为 $ 1 $ 的根节点，后续进行 $ n $ 次操作，操作分为两种： $ + $ $ v_i $ $ x_i $ ：表示添加一个点权为 $ x_i $ $ (x_i \in $ { $ -1，1 $ } $ ) $ 的节点，并使其与点 $ v ......
论文：Predicting the performance of green stormwater infrastructure using multivariate long short-term memory (LSTM) neural network
题目“Predicting the performance of green stormwater infrastructure using multivariate long short-term memory (LSTM) neural network” (Al Mehedi 等, 2023, ......
NS-3源码学习（四）wifi-ent-network.cc
NS-3源码学习（四）wifi-ent-network.cc 设定的参数 bool udp{true};udp/tcp 通信选择 bool downlink{true};AP -> STA : downlink = true / STA -> AP : downlink = false 数据发送方向 ......
论文：FEED-FORWARD NETWORKS WITH ATTENTION CAN SOLVE SOME LONG-TERM MEMORY PROBLEMS
题目：FEED-FORWARD NETWORKS WITH ATTENTION CAN SOLVE SOME LONG-TERM MEMORY PROBLEMS” (Raffel 和 Ellis, 2016, p. 1) “带有注意力的前馈网络可以解决一些长期记忆问题” (Raffel 和 Elli ......
20231128 - 重启Centos后无法远程连接，重启网络服务报错：Error:Failed to start LSB: Bring up/down networking
1.https://blog.csdn.net/m0_74953387/article/details/132914306 2.https://blog.csdn.net/weixin_45894220/article/details/130487066 ......
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 ......
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 ......
【?】Web_XCTF_WriteUp | simple_php
题目 提示： 小宁听说php是最好的语言,于是她简单学习之后写了几行php代码。 题目： 分析 读代码： <?php // php脚本的开始部分 show_source(__FILE__); // 对当前文件进行php语法高亮显示 include("config.php"); // 引用confi ......
论文阅读13-SCGC:Simple Contrastive Graph Clustering
论文阅读13-SCGC:Simple Contrastive Graph Clustering 存在的问题 由于对比学习的发展，设计了更加一致和有辨别力的对比损失函数来取代网络训练的聚类引导损失函数。结果，缓解了手动试错问题，并提高了聚类性能。然而，复杂的数据增强和耗时的图卷积操作降低了这些方法的效 ......
CrossEntropyLoss: RuntimeError: expected scalar type Float but found Long neural network
错误分析 这个错误通常指的是期望接受的参数类型是Float， 但是程序员传入的是Int 。 通常会需要我们去检查传入的 input 和 target 的数据类型有没有匹配。在传入的数据中，通常 input 希望是 Float 类型，target 是 Int 类型。 但是通常也许会发现传入的参数是符合 ......
Graph Neural Networks with Diverse Spectral Filtering
目录概符号说明DSF代码 Guo J., Huang K, Yi X. and Zhang R. Graph neural networks with diverse spectral filtering. WWW, 2023. 概 为每个结点赋予不同的多项式系数. 符号说明 \(\mathcal{ ......
文本识别之R-CNN
免责声明：文章转载https://zhuanlan.zhihu.com/p/42731634，作为自己的学习笔记之用 文章源自论文：Rich feature hierarchies for accurate object detection and semantic segmentation。 论文 ......
Firefox developer tools truncates long network response, Chrome does not show
Firefox developer tools truncates long network response, Chrome does not show Firefox dev tools network inspector still truncates responses to 1MB by ......
Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
目录概符号说明MotivationChebNetII代码 He M., Wei Z. and Wen J. Convolutional neural networks on graphs with chebyshev approximation, revisited. NIPS, 2022. 概 作 ......
如何给vite代理的network中显示代理地址
vite 代理的项目，一般看不到代理的目标地址 如图： 如果要查看代理的目标地址，本文提供两种方式 1，configure配置 如图，通过configure，我们可以拿到proxy代理实例，通过注册on事件，可以在回调函数里面拿到目标地址和请求的路径，从而设置header 2， bypass配置 其 ......
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： ......