learn
指针常量和常量指针_C++_Learning1
怎么读？ 遇到 "*" 读指针，遇到 "const" 读常量 一、指针常量 //指针常量——指针(也就是它存储的地址)是一个常量，所以其值不能修改，但指向的内容可以修改 int a = 10, b = 20; int* const ch = &a; //ch = &b; //其值不能修改 *ch = ......
Learning Action Completeness from Points for Weakly-supervised Temporal Action Localization概述
1.针对的问题 在弱监督时序动作定位领域提出了一些帧监督的方法，但是由于标签稀疏性，现有的工作无法学习动作的完整性，动作预测零碎，导致在高IoU阈值的情况下表现较差。作者试图通过生成密集的伪标签，为模型提供完整性指导。 2.主要贡献 •引入了一个新的框架，其中生成了密集的最优序列，以在点监督设置下为 ......
CVPR论文解读《Learning To Count Everything》
密集场景下的目标检测与计数 ———CVPR论文解读《Learning To Count Everything》 计数是我们经常会碰到的问题，使用最贴近我们生活实际的情景举例。例如统计上课已到教室的人数，或者统计货架上的物品数量、统计书架上的书本数。在比较密集的情况下，通过人工计数是非常麻烦的，但如果 ......
02.Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities
Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities 量化交易的深度强化学习：挑战与机遇 IEEE 背景 量化交易：量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资 ......
tv pine learning type system
类型系统分类 form type The form expresses when a value is known. The type denotes the nature of a value. form 要表达的是当值是知道的（比如常量，或者用户输入决定，而且后续就不变了） type 强调的是值 ......
Learning with Mini-Batch
在机器学习中，学习的目标是选择期望风险$R_{exp}$(expected loss)最小的模型，但在实际情况下，我们不知道数据的真实分布（包含已知样本和训练样本），仅知道训练集上的数据分布。因此，我们的目标转化为最小化训练集上的平均损失，这也被称为经验风险$R_{emp}$(empirical l ......
Debiased Contrastive Learning of Unsupervised Sentence Representations 论文精读
ACL2022-long paper 原文地址 1. 介绍(Introduction) 问题: 由PLM编码得到的句子表示在方向上分布不均匀, 在向量空间中占据一个狭窄的锥形区域, 这在很大程度上限制了它们的表达能力. 已有的解决办法: 对比学习. 对于一个原句, 构造他的正例(语义相似的句子)和负 ......
迁移学习（MixMatch）《MixMatch: A Holistic Approach to Semi-Supervised Learning》
论文信息 论文标题：MixMatch: A Holistic Approach to Semi-Supervised Learning论文作者：David Berthelot, Nicholas Carlini, Ian Goodfellow, Nicolas Papernot, Avital Ol ......
迁移学习（JDDA） 《Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation》
论文信息 论文标题：Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation论文作者：Chao Chen , Zhihong Chen , Boyuan Jia ......
【Surface Detection】Segmentation-Based Deep-Learning Approach for Surface-Defect Detection
物体表面缺陷检测现状 传统机器学习局限性 传统机器学习方法对于特定的算法只能解决特定的问题，不够灵活，无法快速适应新产品； 不同的问题有不同的特征，当需要解决新问题时，需要重新设计特征，开发周期长； 深度学习遇到的问题 训练数据数量需求大； 标注精度、耗时需求严格； 计算能力需求高。 该篇paper ......
Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Completion 小样本知识图谱补全论文解读
小样本知识图补全——关系学习。论文利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT（图注意力神经网络）、TransH、SLTM、Model-Agnostic Meta-Learning (MAML)。 论文地址：https://arxiv.org ......
【机器学习】李宏毅——Unsupervised Learning
读这篇文章之间欢迎各位先阅读我之前写过的线性降维的文章。这篇文章应该也是属于Unsupervised Learning的内容的。 Neighbor Embedding Manifold Learning（流形学习） 在实际的数据中，很可能会存在这一种分布： 左边这个分布可以看成原先在二维平面上的分布 ......
论文解读（PCL）《Probabilistic Contrastive Learning for Domain Adaptation》
论文信息 论文标题：Probabilistic Contrastive Learning for Domain Adaptation论文作者：Junjie Li, Yixin Zhang, Zilei Wang, Keyu Tu论文来源：aRxiv 2022论文地址：download 论文代码：do ......