self-supervised representation autoencoder point-cloud
[NIPS 2021]Do Transformers Really Perform Bad for Graph Representation
[NIPS 2021]Do Transformers Really Perform Bad for Graph Representation 微软提出的graph transformer，名叫Graphormer Transformer 通常，transformer layer有一个self-att ......
基于Autoencoder自编码的64QAM星座图整形调制解调通信系统性能matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 自编码器（Autoencoder）是一种深度学习模型，可以通过无监督学习的方式来学习数据的低维表示。64QAM星座图整形调制解调通信系统是一种数字通信系统，可以在有限的带宽资源下实现高速数据传输。 4.4 实现过 ......
基于AutoEncoder自编码器的人脸识别matlab仿真
1.算法理论概述 人脸识别是计算机视觉领域的重要研究方向，其目标是从图像或视频中准确地识别和识别人脸。传统的人脸识别方法通常基于特征提取和分类器，但面临特征选择和计算复杂度等问题。近年来，深度学习技术的发展为人脸识别带来了新的突破。本文介绍一种基于AutoEncoder自编码器的人脸识别算法，该算法 ......
Learning Continuous Image Representation with Local Implicit Image Function
Learning Continuous Image Representation with Local Implicit Image Function（阅读笔记）11.03 局部隐式图像函数（LIIF）表示连续中的图像，可以以任意高分辨率表示。 摘要：如何表示图像？当视觉世界以连续的方式呈现时，机器 ......
Unsupervised Degradation Representation Learning f
Unsupervised Degradation Representation Learning for Blind Super-Resolution文献阅读 (2022.09.28)盲超分辨率的退化表征（向量）学习 摘要：大多数基于CNN的SR都是基于退化固定且可知这一假设。但是实际退化和假设不一 ......
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models 阅读笔记（11.2） 摘要：优化MSE指标通常会导致模糊，特别是在高方差(详细)区域。我们提出了一种基于创建正确降尺度的 ......
基于AutoEncoder自编码器的MNIST手写数字数据库识别matlab仿真
1.算法理论概述 MNIST手写数字数据库是机器学习中常用的数据集，包含了0到9这10个数字的手写图片。本文介绍一种基于AutoEncoder自编码器的MNIST手写数字识别算法，通过训练自编码器对MNIST数据集进行特征提取和降维，对提取的特征进行分类识别。该算法在MNIST数据集上表现良好，并且 ......
EVA: Visual Representation Fantasies from BAAI
本文做个简单总结，博主不是做自监督领域的，如果错误，欢迎指正。 链接 Code： Official：baaivision/EVA MMpretrain：open-mmlab/mmpretrain/tree/main/configs/eva02 Paper： EVA01：EVA: Explorin ......
[论文阅读] Momentum contrast for unsupervised visual representation learning
# Momentum contrast for unsupervised visual representation learning ## Introduction 我们提出了动量对比（MoCo）作为一种构建具有对比损失的无监督学习的大型一致字典的方法（图1）。 我们将字典维护为数据样本队列：当前 ......
论文解读（WDGRL）《Wasserstein Distance Guided Representation Learning for Domain Adaptation》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Wasserstein Distance Guided Representation Learning for Domain Adaptation论文作者：Jian Shen、Yanru Qu、Weinan ......
论文解读（TAMEPT）《A Two-Stage Framework with Self-Supervised Distillation For Cross-Domain Text Classification》
论文信息 论文标题：A Two-Stage Framework with Self-Supervised Distillation For Cross-Domain Text Classification论文作者：Yunlong Feng, Bohan Li, Libo Qin, Xiao Xu, ......
bert，Bidirectional Encoder Representation from Transformers
BERT的全称是Bidirectional Encoder Representation from Transformers，是Google2018年提出的预训练模型，即双向Transformer的Encoder，因为decoder是不能获要预测的信息的。模型的主要创新点都在pre-train方法上 ......
Bidirectional Encoder Representations from Transformers
BERT（Bidirectional Encoder Representations from Transformers）是由Google在2018年提出的自然语言处理（NLP）模型。它是一个基于Transformer架构的预训练模型，通过无监督学习从大量的文本数据中学习通用的语言表示，从而能够更好... ......
[AAAI 2023]Self-Supervised Bidirectional Learning for Graph Matching
# Self-Supervised Bidirectional Learning for Graph Matching ## 动机 Graph Matching（GM）是个NP难问题。随着机器学习的兴起，该问题也有望被更高效地解决。然而，现有的监督学习仍然需要为了训练去计算大量的ground tru ......
[论文速览] A Closer Look at Self-supervised Lightweight Vision Transformers
## Pre title: A Closer Look at Self-supervised Lightweight Vision Transformers accepted: ICML 2023 paper: https://arxiv.org/abs/2205.14443 code: https ......
RESTful API（Representational State Transfer API）是一种设计和构建网络应用程序的软件架构风格。它是一种基于HTTP协议的API设计理念，旨在实现系统的可伸缩性、简洁性、可靠性和可扩展性。
RESTful API（Representational State Transfer API）是一种设计和构建网络应用程序的软件架构风格。它是一种基于HTTP协议的API设计理念，旨在实现系统的可伸缩性、简洁性、可靠性和可扩展性。 RESTful API 的设计原则可以概括为以下几点： **资源* ......
Self-attention with Functional Time Representation Learning
[TOC] > [Xu D., Ruan C., Kumar S., Korpeoglu E. and Achan K. Self-attention with functional time representation learning. NIPS, 2019.](http://arxiv.or ......
论文阅读 | Soteria: Provable Defense against Privacy Leakage in Federated Learning from Representation Perspective
Soteria:基于表示的联邦学习中可证明的隐私泄露防御https://ieeexplore.ieee.org/document/9578192 # 3 FL隐私泄露的根本原因 ## 3.1 FL中的表示层信息泄露 **问题设置** 在FL中，有多个设备和一个中央服务器。服务器协调FL进程，其中每个 ......
Graph Masked Autoencoder for Sequential Recommendation
[TOC] > [Ye Y., Xia L. and Huang C. Graph masked autoencoder for sequential recommendation. SIGIR, 2023.](http://arxiv.org/abs/2305.04619) ## 概 图 + MA ......
【论文阅读】Masked Autoencoders Are Scalable Vision Learners
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间：2023.6.10 > - ⏰最近更新时间：2023.6.10 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果 ......
Contrastive Learning for Representation Degeneration Problem in Sequential Recommendation
[TOC] > [Qiu R., Huang Z., Ying H. and Wang Z. Contrastive learning for representation degeneration problem in sequential recommendation. WSDM, 2022.] ......
Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Wang Q., Cui L and Zhang X. Self-supervised hypergraph convolutional networks for session-based recommendation. AAAI, ......
Self-Supervised Graph Co-Training for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Shao Y. and Cui L. Self-supervised graph co-training for session-based recommendation. CIKM, 2021.](http://arxiv.org/a ......
ARC060D - Best Representation
诈骗题。给了个模数但是答案根本达不到那个级别。 先提前给出一个引理，如果长度为 $2n$ 的 $s$ 有 $s[1,n]=s[n+1,2n]$ 并且 $s[1,m]=s[m+1,2m](mn-x$，那么就有最左边和最右边的 $n-border$ 串相等。两个拼起来，根据引理就有更小的循环节，这是不被 ......
[论文速览] MAGE@MAsked Generative Encoder to Unify Representation Learning and Image Synthesis
## Pre title: MAGE: MAsked Generative Encoder to Unify Representation Learning and Image Synthesis accepted: CVPR2023 paper: https://arxiv.org/abs/221 ......
Uncovering the Representation of Spiking Neural Networks Trained with Surrogate Gradient
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Published in Transactions on Machine Learning Research (04/2023) ......
Oceans on a Shoestring: Shape Representation, Meshing and Shading(低成本的海洋：形状表示、网格划分和着色)-2013年
作者：Huw Bowles 单位：Studio Gobo Introduction(简介)：Studio Gobo is a small team of talented developers based in Brighton / UK The Crew(成员)：Ben Andrews, Paul ......
CLIP-S^4：Language-Guided Self-Supervised Semantic Segmentation论文阅读笔记
## 摘要 作者提出了CLIP-S4，借助自监督像素表示学习和V-L模型实现各种语义分割任务，不需要使用任何像素级别标注以及未知类的信息。作者首先通过对图像的不同增强视角进行像素-分割对比学习来学习像素嵌入。之后，为进一步改善像素嵌入并实现基于自然语言的语义分割，作者设计了由V-L模型指导的嵌入一致 ......
生成中间代码IR（intermediate representation）
完成以上步骤后就开始生成中间代码IR了，代码生成器（Code Generation）会将语法树自顶向下遍历逐步翻译成LLVM IR。OC代码在这一步会进行runtime的桥接，比如property合成、ARC处理等。 IR的基本语法 @ 全局标识 % 局部标识 alloca 开辟空间 align 内 ......
Do Transformers Really Perform Badly for Graph Representation
Ying C., Cai T., Luo S., Zheng S., Ke D., Shen Y. and Liu T. Do transformers really perform badly for graph representation? NIPS, 2021. 概 本文提出了一种基于图的 ......