engineering thinking teaching learning
AR Engine毫秒级平面检测，带来更准确的呈现效果
近年来，AR版块成为时下大热，这是一种将现实环境中不存在的虚拟物体融合到真实环境里的技术，用户借助显示设备可以拥有真实的感官体验。AR的应用场景十分广泛，涉及娱乐、社交、广告、购物、教育等领域：AR可以让游戏更具互动性；商品通过AR展示更真实；使用AR进行教育教学让抽象事物更形象等，可以说AR技术已 ......
【Machine Teaching】An Overview of Machine Teaching
Machine Teaching 1 Introduction :one: 什么是 Machine Teaching？ searching the optimal (usually minimal) teaching set given a target model and a specific l ......
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 ......
如何优化大场景实时渲染？HMS Core 3D Engine这么做
在先前举办的华为开发者大会2022（HDC）上，华为通过3D数字溪村展示了自有3D引擎“HMS Core 3D Engine”（以下简称3D Engine）的强大能力。作为一款高性能、高画质、高扩展性的3D引擎，3D Engine不仅能通过实时光追、水体渲染、体积云雾、多维GPU粒子系统等技术还原真 ......
【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 ......