Learning
Proj CDeepFuzz Paper Reading: Combinatorial Testing for Deep Learning Systems
## Abstract 本文：DeepCT Task: Testing DL Models with Combinatorial Testing Method: 1. 将输出值的空间离散化为区间，以便覆盖每个区间,对不同层内的神经元交互进⾏采样，并减少必须执⾏的测试输⼊的数量。 2. a set o ......
机器学习 -> Machine Learning (III)
> 来做一些入门题吧. 以下大多是 kaggle 环境. **Q1 Titanic** https://www.kaggle.com/competitions/titanic import ``` # This Python 3 environment comes with many helpful ......
Meta-Learning, A Survey
## 一、概述 通常在机器学习里，我们需要用大量的数据来训练一个模型；当场景发生改变时，模型就需要重新训练。这显然提升了成本，而人类学习方式与此不同，一个小孩子在学习动物的过程中，学习了很多动物的名称，当某次给他看一些没有见过的动物时，他总能很快的将新动物和别的动物区分开。Meta learning ......
aarch64/arm_v8 环境下编译Arcade-Learning-Environment —— ale-py
conda install g++=12 cmake ../ -DCMAKE_BUILD_TYPE=Release -DPYTHON_INCLUDE_DIR=/home/share/xxx/home/software/anaconda3/include -DPYTHON_LIBRARY=/home/ ......
论文解读（SPGJL）《Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Soft Prompt Guided Joint Learning for Cross-Domain Sentiment Analysis论文作者：Jingli Shi、Weihua Li、Quan Bai ......
Q-learning and RL implementation
Aim: Train a model to properly play vintage video games... Deep Q-learning Algo~ Very short Brief of Notations: {A,pi(Policy),Q(quality of action-at a ......
Proj CDeepFuzz Paper Reading: ACETest: Automated Constraint Extraction for Testing Deep Learning Operators
## Abstract Github: https://github.com/shijy16/ACETest 背景： 1. DL operators 用来计算多维tensors，很重要 本文：ACETest Task: automatically extract input validation c ......
[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 ......
【五期邹昱夫】CCF-A（TIFS'23）SAFELearning: Secure Aggregation in Federated Learning with Backdoor Detectability
> "Zhang, Zhuosheng, et al. "SAFELearning: Secure Aggregation in Federated Learning with Backdoor Detectability." IEEE Transactions on Information For ......
Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (2)
Feature backbone采用DLA,输入维度为3×H×W的RGB图,得到维度D×h×w的特征图F,然后将特征图送入几个轻量级regression heads,2D bouding boxes的中心特征图用下面的模块得到: 其中AN是Attentive Normalization.用公式表示: ......
【五期邹昱夫】CCF-A（SP'23）3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning
> "Li, Haoyang, et al. "3DFed: Adaptive and Extensible Framework for Covert Backdoor Attack in Federated Learning." 2023 IEEE Symposium on Security an ......
机器学习 -> Machine Learning (II)
> 这次来学习深度学习吧! # 1 训练前 ## 1.1 神经元与神经网络 神经元是神经网络的基本单位, 模拟了生物神经元的工作机制. 每个神经元接受一组输入, 将这些输入与其权重相乘, 然后对所有的乘积求和, 并加上一个偏置. 最后, 将得到的结果传递给激活函数. 神经网络由多个神经元组成, 这些 ......
jts learning
JTS简介 JTS提供了一套操作几何向量的java类库。早期版本 com.vividsolutions，已废弃不在维护。现在版本 com.locationtech.jts 由eclipse开源基金会托管 使用说明 入门指导 GIS开发入门指导 jts-core 核心库使用说明 jts-core核心类 ......
Proj CDeepFuzz Paper Reading: Deepxplore: Automated whitebox testing of deep learning systems
## Abstract 背景：现有的深度学习测试在很⼤程度上依赖于⼿动标记的数据，因此通常⽆法暴露罕⻅输⼊的错误⾏为。 本文：DeepXplore Task: a white-box framework to test DL Models 方法： 1. neuron coverage 2. diff ......
基于方面的情感分析的深度上下文和关系感知学习 Deep Context- and Relation-Aware Learning for Aspect-based Sentiment Analysis （ACL2021）
论文对方面级情感分析的三个任务提出了一个解决方案，三个任务共享编码层，通过简单的全连接层进行方面词和观点词的提取，情感分析任务首先做一个自注意力，之后分别与方面词和观点词提取的特征向量做互注意力，通过全连接层进行情感分类。另外，模型还设计了两个子任务，第一个将句子中的词屏蔽，预测这个词属于方面词、观 ......
机器学习 -> Machine Learning (I)
# 1 机器学习概述 ## 1.1 定义及应用领域 机器学习是一种让计算机通过经验学习并对输入数据做出决策或预测的方法. 它是人工智能的一个重要分支, 已广泛应用于各种领域, 如自然语言处理, 计算机视觉, 推荐系统, 医疗诊断, 金融风险预测等. ## 1.2 机器学习与人工智能, 深度学习的关系 ......
[论文理解] HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation
# HACK: Learning a Parametric Head and Neck Model for High-fidelity Animation 上科大发布的头和脖子精细建模的参数化模型HACK。 ## 纹理转化 由于HACK没有开源纹理基，我将FLAME开源的纹理基迁移到了HACK上，代 ......
论文解读（MetaAdapt）《MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：MetaAdapt: Domain Adaptive Few-Shot Misinformation Detection via Meta Learning论文作者：Zhenrui Yue、Huimin Z ......
论文解读（CBL）《CNN-Based Broad Learning for Cross-Domain Emotion Classification》
Note：[ wechat：Y466551 | 付费咨询，非诚勿扰 ] 论文信息 论文标题：CNN-Based Broad Learning for Cross-Domain Emotion Classification论文作者：Rong Zeng, Hongzhan Liu , Sancheng ......
CLIP: Learning Transferable Visual Models From Natural Language Supervision
## CLIP: Learning Transferable Visual Models From Natural Language Supervision 论文链接： https://arxiv.org/pdf/2103.00020.pdf 代码链接：https://github.com/open ......
Convolutional neural network (CNN)–extreme learning machine (ELM)
1. 介绍 论文：(2020)Neural networks for facial age estimation: a survey on recent advances. 地址： http://link.springer.com/article/10.1007/s10462-019-09765-w ......
NEW learning : Regular Expression
STEP 1 : The primary formula in the RE code base : result =re.match(pattern, str) #pattern 为要校验的规则 #str 为要进行校验的字符串 >>> import re >>> print(re.match('w ......
机器学习machine learning
机器学习 朴素贝叶斯的优点： 对小规模的数据表现很好，适合多分类任务，适合增量式训练。 缺点： 对输入数据的表达形式很敏感。 决策树的优点： 计算量简单，可解释性强，比较适合处理有缺失属性值的样本，能够处理不相关的特征； 缺点： 容易过拟合（后续出现了随机森林，减小了过拟合现象）； Logistic ......
Learning Transferable Visual Models From Natural Language Supervision
Learning Transferable Visual Models From Natural Language Supervision 作者：Alec Radford *1 Jong Wook Kim *1 Chris Hallacy 1 Aditya Ramesh 1 Gabriel Goh ......
【RL】L7-Temporal-difference learning
## TD learning of state values The data/experience required by the algorithm: - $\left(s_0, r_1, s_1, \ldots, s_t, r_{t+1}, s_{t+1}, \ldots\right)$ or ......
基于时态差分法的强化学习：Sarsa和Q-learning
时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。 下面是最简单的T ......
论文解读（SimGCL）《Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation论文作者：Junliang Yu ......
Paper Reading: Multitree Genetic Programming With New Operators for Transfer Learning in Symbolic Regression With Incomplete Data
针对数据集存在缺失值的问题，本文提出了一种基于多树 GP(MTGP) 的迁移学习方法 pMTGPDA，用于将知识从完整的源域转移到不完整的目标域中。首先在源域的数据集上训练多个 SR 模型，通过模型中的训练细节计算源域的特征和实例的权重作为先验知识。然后将提取的权重知识用于基于 MTGP 的转换，构... ......
论文阅读 | Layer-wised Model Aggregation for Personalized Federated Learning
面向个性化联合学习的分层模型聚合 ==在本文中，我们提出了一种新的pFedLA训练框架，该框架能够区分不同客户端的每一层的重要性，从而能够优化具有异构数据的客户端的个性化模型聚合。==具体来说，我们在服务器端为每个客户端使用一个专用的超网络，它被训练来识别层粒度上的相互贡献因素。同时，引入参数化机制 ......