self-training adaptation training domain
本地套接字domain的使用
socket API原本是为网络通讯设计的，但后来在socket的框架上发展出一种IPC机制，就是UNIX Domain Socket。虽然网络socket也可用于同一台主机的进程间通讯（通过loopback地址127.0.0.1），但是UNIX Domain Socket用于IPC更有效率：不需要 ......
Leveraging Pre-trained Large Language Models to Construct and UtilizeWorld Models for Model-based Task Planning
0 Abstract 将LLM直接作为planner的方法实用性不足的几个原因：plan的正确率有限，严重依赖于feedback（与sim或者真实环境的交互），利用人类feedback的效率低下。 作者在两个IPC域和一个Household域证实了GPT-4可以用来生成高质量的PDDL模型（执行超过 ......
Misc_XCTF_WriteUp | Training-Stegano-1
题目 提示：这是我能想到的最基础的图片隐写术 题目： 分析 文件属性没有特别的东西。 这么小的图片用 StegSolve 也看不见啥，用 010 editor 打开看看： 有一段文本，大意是：“看看十六进制编辑显示了什么:passwd:steganoI” 将 steganoI 作为 flag 提交， ......
TensorFlow-深度学习预训练模型的使用方法讲解（TensorFlow-Explanation on how to use deep learning pre-trained models）
在运用深度学习模型时，掌握运用预训练模型的方法是必不可少的一步。为什么要使用与训练的模型，原因归纳如下： （1）使用大量高质量的数据（如 ImageNet 是普林斯顿大学与斯坦福大学所主导的项目）又加上设计较复杂的模型结构（如ResNet模型高达150层）设计出来的模型，准确率会大大提高。 （2）可 ......
Java 中的 domain 、 persistent 、Data Access 用法示例
很多开发者 不遵从开发规范 甚至搞不清楚 各种对象之间关系 先说分层 领域层 domain DO 持久层 persistent PO 数据访问 data Access ADO 业务层 business BO 转换层 transfer TO 视图层 view VO 从数据库获取数据 domain 对应 ......
Web_XCTF_WriteUp | Training-WWW-Robots
题目 分析 标题大致翻译： 训练 WWW 网络爬虫。 场景内部文段大致翻译： 在这个小小的训练挑战中，您将学习 Robots_exclusion_standard（网络爬虫排除标准）。 robots.txt 文件用于网络爬虫检查它们是否被允许抓取和索引您的网站或仅部分网站。 有时，这些文件揭示了目录 ......
ElasticSearch之cat trained model API
命令样例如下： curl -X GET "https://localhost:9200/_cat/ml/trained_models?v=true&pretty" --cacert $ES_HOME/config/certs/http_ca.crt -u "elastic:ohCxPH=QBE+s5 ......
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 ......
Video教程的Domain设计
Domain设计 下面将介绍Video的表设计，和模型定义。 表设计 Videos设计 /// <summary> /// 视频聚合 /// </summary> public class Video : FullAggregateRoot<long, long> { /// <summary> / ......
How Can South Asia Adapt Integrated River Basin Management to Its Soil Erosion
Due to the instability of the monsoon, floods and droughts are frequent in South Asia, resulting in severe soil erosion. Every year, South Asia suffer ......
Adaptive Sparse Pairwise Loss for Object Re-Identification
https://blog.csdn.net/amusi1994/article/details/130037400 triplet loss中需要计算每个样本之间的距离，从而计算出loss，作者认为同一类的某些样本可能存在有害的信息，所以不应该将所有样本都用于计算loss。作者提出的SP loss中 ......
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： ......
浅谈DDD(Domain-Driven Design)领域驱动设计思想
当提到领域驱动设计（Domain-Driven Design，DDD）时，我们指的是一种软件开发方法，它强调通过深入理解业务领域来指导软件的设计和开发。DDD的核心思想是将业务领域的知识融入到软件模型中，以便更好地满足业务需求。 以下是DDD的一些关键概念和思想： 1. 领域模型： 核心思想： 领域 ......
【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 ......
【略读论文|时序知识图谱补全】Adaptive Path-Memory Network for Temporal Knowledge Graph Reasoning
会议：IJCAI，时间：2023，学校：1 中国科学院计算机网络信息中心，北京 2中国科学院大学，北京 3 澳门大学智慧城市物联网国家重点实验室，澳门 4 香港科技大学(广州)，广州 5 佛罗里达大学计算机科学系，奥兰多 摘要： 提出一种新的具有TKG关联特征的体系结构建模方法，即自适应路径-记忆网 ......
【论文阅读】Improving language understanding by generative pre-training
原始题目：Improving language understanding by generative pre-training 中文翻译：通过生成预训练提高语言理解能力 发表时间：2018年 平台：Preprint 文章链接：https://www.mikecaptain.com/resource ......
[ARC123E] Training
多测，求值 \[\sum_{i=1}^{n}\Big[a+\lfloor\frac{i}{b}\rfloor=c+\lfloor\frac{i}{d}\rfloor\Big] \]\(1\le T\le 2\times 10^5\)，\(1\le n\le 10^9\)，\(1\le a,b,c,d ......
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 ......
train.cs.nctu.edu.tw: ret2libc
来源 本题来自ctf wiki中ret2libc后的一道练习题 检查保护 只开启了 NX 保护 ida查看 跟前面的shellcode的课后练习类似，泄露了/bin/sh地址和puts函数的地址 gdb调试 断点下在main，结合ida中 v4 = esp+1ch 得到偏移 为 1ch exp fr ......
rasa train nlu详解：1.1-train_nlu()函数
本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子，主要详解介绍train_nlu()函数中变量的具体值。 一.rasa/model_training.py/train_nlu()函数 train_nlu()函数实现，如下所示： def train_nlu( confi ......
rasa train nlu详解：1.2-_train_graph()函数
本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子，主要详解介绍_train_graph()函数中变量的具体值。 一.rasa/model_training.py/_train_graph()函数 _train_graph()函数实现，如下所示： def _train_ ......
train_logReg_param.o:train_logReg_param.cc:(.text+0x3407): more undefined references to `std::__throw_out_of_range_fmt(char const*, ...)' follow
001、make 编译 报错：train_logReg_param.o:train_logReg_param.cc:(.text+0x3407): more undefined references to `std::__throw_out_of_range_fmt(char const*, ... ......
canal-adapter 1.1.7构建镜像
canal-adapter 1.1.7构建镜像 canal-adapter 可以实现mysql表数据同步到ES的适配器，官方没有提供docker镜像，可自行构建镜像简单几步即可实现。 准备安装包 官网地址： https://github.com/alibaba/canal https://githu ......
Domain Drive Design
Domain-driven (DDD) is a business-oriented modeling method or architecture method. Traditional data drivers are generally MVC architecture, which is a ......
2023CVPR_Efficient Frequency Domain-based Transformers for High-Quality Image Deblurring
一. Motivation 1. Transformer在解决全局表现很好，但是复杂度很高，主要体现在QK的乘积: (We note that the scaled dot-product attention computation is actually to estimate the corre ......
机器学习从入门到放弃：硬train一发手写数字识别
一、前言 前面我们了解了关于机器学习使用到的数学基础和内部原理，这一次就来动手使用 pytorch 来实现一个简单的神经网络工程，用来识别手写数字的项目。自己动手后会发现，框架里已经帮你实现了大部分的数学底层逻辑，例如数据集的预处理，梯度下降等等，所以只要你有足够棒的idea，你大部分都能相对轻松去 ......
Please take a look at the provided example service unit files in this directory, and adapt and install them. Sorry!
安装Redis，执行 install_server.s 脚本时，出现如下报错： 解决方案，注释掉 install_server.sh 中的部分代码，注释代码详情如下： 再次执行 install_server.sh 脚本，结果如下： ......
Graph Neural Networks with Adaptive Residual
目录概符号说明AirGNN代码 Liu X., Ding J., Jin W., Xu H., Ma Y., Liu Z. and Tang J. Graph neural networks with adaptive residual. NIPS, 2021. 概 基于 UGNN 框架的一个更加鲁 ......
ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding
abstruct \(\quad\) 受能量压缩表现的启发，提出了不均匀通道情况自适应编码.结合不均匀分组模型和现有上下文模型，获得一种空间通道上下文自适应模型，来提高编码性能，而不影响其运行时间。 \(\quad\)这种模型支持预览解码和渐进解码。 introduction 学习图像压缩中最重要的 ......