self-supervised representation autoencoder point-cloud
Early lameness detection in dairy cattle based on wearable gait analysis using semi-supervised LSTM-Autoencoder
一区top Computers and Electronics in Agriculture 题目：“基于半监督 LSTM-自动编码器可穿戴步态分析的奶牛早期跛行检测” (Zhang 等, 2023, p. 1) (pdf) “Early lameness detection in dairy ca ......
[论文阅读] Self-conditioned Image Generation via Generating Representations
Pre title: Self-conditioned Image Generation via Generating Representations accepted: arXiv 2023 paper: https://arxiv.org/abs/2312.03701 code: https:/ ......
Cold Brew: Distilling Graph Node Representations with Incomplete or Missing Neighborhoods
目录概符号说明Cold Brew代码 Zheng W., Huang E. W., Rao N., Katariya S., Wang Z., Subbian K. Cold brew: Distilling graph node representations with incomplete or ......
FLAC: Federated Learning with Autoencoder Compression and Convergence Guarantee-2022
目的：减少通信量(成本)，例如VGGNet架构具有大约1.38亿个参数（4264 Mb） 方法：具有自动编码器压缩（Autoencoder Compression）且具有收敛保证（Convergence Guarantee）；利用冗余信息（the redundant information）和FL的 ......
[论文阅读] Learning Component-Level and Inter-Class Glyph Representation for few-shot Font Generation
Pre title: Learning Component-Level and Inter-Class Glyph Representation for few-shot Font Generation accepted: ICME 2023 paper: https://ieeexplore.ie ......
论文阅读-Self-supervised and Interpretable Data Cleaning with Sequence Generative Adversarial Networks
1. GARF 简介 代码地址：https://github.com/PJinfeng/Garf-master 基于 SeqGAN 提出了一种自监督、数据驱动的数据清洗框架——GARF。 GARF 的数据清洗分为两个步骤： 规则生成 (Rule generation with SeqGAN)：利用 ......
Segmentation Transformer: Object-Contextual Representations for Semantic Segmentation；OCRNet
Segmentation Transformer: Object-Contextual Representations for Semantic Segmentation * Authors: [[Yuhui Yuan]], [[Xiaokang Chen]], [[Xilin Chen]], [[ ......
Drug response prediction using graph representation learning and Laplacian feature selection
Drug response prediction using graph representation learning and Laplacian feature selection Minzhu Xie 1 2, Xiaowen Lei 3, Jianchen Zhong 3, Jianxing ......
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier.
LDAEXC: LncRNA-Disease Associations Prediction with Deep Autoencoder and XGBoost Classifier. 作者: Lu Cuihong; Xie Minzhu 作者背景: College of Information S ......
DeepWalk Online Learning of Social Representations
目录概符号说明DeepWalk代码 Perozzi B., AI-Rfou R. and Skiena S. DeepWalk: Online learning of social representations. KDD, 2014. 概 经典的 graph embedding 学习方法. 符号说 ......
【今日收获】Representation Collapse
在深度学习中，对预训练模型进行 fine-tuning 可能会引发一种称为 "Representation Collapse" 的现象。Representation Collapse 指的是模型在 fine-tuning 过程中失去了原始预训练模型所具有的多样性和丰富性的特征表示，导致最终模型的表示 ......
BMR论文阅读笔记（Bootstrapping Multi-view Representations for Fake News Detection）
以往的多媒体假新闻检测研究包括一系列复杂的特征提取和融合网络，从新闻中收集有用的信息。然而，跨模态一致性如何影响新闻的保真度以及不同模态的特征如何影响决策仍然是一个悬而未决的问题。本文提出了一种基于自举多视图表示(BMR)的假新闻检测方案。对于一篇多模态新闻，我们分别从文本、图像模式和图像语义的角度... ......
[论文速览] Randomized Quantization@ A Generic Augmentation for Data Agnostic Self-supervised Learning
Pre title: Randomized Quantization: A Generic Augmentation for Data Agnostic Self-supervised Learning accepted: ICCV 2023 paper: https://arxiv.org/abs ......
2023ICCV_Feature Modulation Transformer: Cross-Refinement of Global Representation via High-Frequency Prior for Image Super-Resolution
一. Motivation 1. transformer的工作主要集中在设计transformer块以获得全局信息，而忽略了合并高频先验的潜力 2. 关于频率对性能的影响的详细分析有限（Additionally, there is limited detailed analysis of the i ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
自动编码器（Autoencoders）和序列到序列（Sequence-to-Sequence）模型区别
核心区别 应用范围：自动编码器主要用于数据的压缩、重建和特征提取，而序列到序列模型用于处理序列数据，特别是在输入和输出都是长度可变的序列的情况下。 数据处理方式：自动编码器处理固定大小的输入和输出，而序列到序列模型处理的输入和输出通常是长度可变的序列。 任务类型：自动编码器更多用于无监督学习任务，而 ......
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 ......
基于时间频率一致性对时间序列进行自监督对比预训练《Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency》(时序、时频一致性、对比学习)
2023年11月10日，今天看一篇论文，现在17:34，说实话，想摆烂休息，不想看，可还是要看，拴Q。 论文：Self-Supervised Contrastive Pre-Training for Time Series via Time-Frequency Consistency 或者是：Sel ......
Variational Autoencoders for Collaborative Filtering论文阅读笔记
摘要 将VAE扩展到具有隐式反馈的协同过滤，这样能够超越线性因子模型。提出了一个具有多项式条件似然的神经生成模型。目前推荐系统用的比较多的是rank指标，这里本文也说明了为什么多项似然非常适合隐式反馈数据建模。相对于高斯函数和逻辑函数更加接近rank损失 马上提出了一个比较有意思的观点，虽然推荐被认 ......
AutoRec Autoencoders Meet Collaborative Filtering 论文阅读笔记
这个是第一篇将自编码器应用到推荐系统中的论文，也是将深度学习应用到推荐系统中的论文。比较老，主要学习它的思想，对输入的编码与重建。这篇文章提出了基于AutoEncoder的协同过滤方法来解决评分预测问题 我们的目标就是设计一个基于项目或者用户的自动编码器，它可以将每个部分观察到的\(r^u(r^i) ......
doris FE启动异常：org.yaml.snakeyaml.representer.Representer: method <init>()V not found
doris FF启动异常，异常信息如下： 2023-11-01 09:53:22,691 INFO (main|1) [PaloFe.start():124] Palo FE starting... 2023-11-01 09:53:22,699 INFO (main|1) [FrontendOpt ......
Variational Autoencoders（VAE）
在过去的几年中，基于深度学习的生成模型越来越受到关注，一方面这是因为该领域产生了一些惊人改进，另一方面受到关注也暗示着该领域进展迅猛。 依靠大量数据，精心设计的网络体系结构和智能培训技术，深入的生成模型已经显示出了令人难以置信的能力，可以生成各种高度逼真的各种内容，例如图像，文本和声音。 在这些深层 ......
【图形学笔记】Lecture09-Mesh Representation &Geometry Processing-网格表示与几何处理
Lecture09-Mesh Representation &Geometry Processing-网格表示与几何处理 目录Lecture09-Mesh Representation &Geometry Processing-网格表示与几何处理Mesh Presentation网格表示Smooth ......
ST-SSL: 用于交通流量预测的时空自监督学习《Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction》(交通流量预测、自监督)
2023年10月23日，继续论文，好困，想发疯。 论文：Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction Github：https://github.com/Echo-Ji/ST-SSL AAAI 2023的论文 ......
Robust Graph Representation Learning via Neural Sparsification
目录概符号说明NeuralSparse Zheng C., Zong B., Cheng W., Song D., Ni J., Yu W., Chen H. and Wang W. Robust graph representation learning via neural sparsifica ......
Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation
Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation 关键词：GRU、Encoder-Decoder 📜 研究主题 提出了Encoder-Decoder结构，采用两 ......
Non-terminating decimal expansion; no exact representable decimal result.
上网查了一下这个异常的，找到了原因所在：通过BigDecimal的divide方法进行除法时当不整除，出现无限循环小数时，就会抛异常：java.lang.ArithmeticException: Non-terminating decimal expansion; no exact represen ......
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 ......
音频数据的自定义DataLoader及其AutoEncoder降噪算法
DataLoader要求每一个Batch里面的数据的 shape 都一样，但是语音数据显然不可能都是等长的，因为每一条语音长度都不一样，因此在定制DataLoader的时候还要对每一个 batch 的数据进行剪裁（crop）或者填充（padding）处理。 这里采用 padding来对齐数据，方法采 ......
手写数字数据集AutoEncoder降噪算法
对训练数据加噪声的方法，在训练里面对 x 做如下处理，添加椒盐噪声： bs, ch, h, w = x.shape x = x.reshape(bs, ch, h*w) + 0.2*np.random.normal(size=28*28) x = x.to(torch.float32) 数据集里面的 ......