526互联

Learning

Do you know the bitwise sum sample demonstrated in "Neural Networks and Deep Learning" by autor Michael Nielsen?

Do you know the bitwise sum sample demonstrated in "Neural Networks and Deep Learning" by autor Michael Nielsen? Yes, I am familiar with the bitwise s ......
quot demonstrated Networks Learning bitwise

论文阅读笔记《Sim-to-real learning for bipedal locomotion under unsensed dynamic loads》

发表于ICRA 2022 无感知动态负载下双足运动的虚实迁移学习 ### 背景 机器人携带负载时的运动控制问题还没有得到充分的研究，尤其是动态负载。 在这项工作中，我们特别感兴趣的是动态载荷，比如一个附加的推车或液体容器，而不是简单的静态载荷，比如刚性附着的固定质量。 ......
Sim-to-real locomotion learning unsensed bipedal

EECS 280 Project 5: Machine Learning

EECS 280 Project 5: Machine LearningDue 8:00pm Tuesday April 18, 2023. You may work alone or with a partner (partnership guidelines).Winter 2023 relea ......
Learning Project Machine EECS 280

GNN-learning-notes

GNN 学习笔记 Datetime: 2023-04-01T16:28+08:00 Categories: MachineLearning 初学者一定要看：【GNN 入门】综述篇 - 知乎用户 MxLVSX 的文章 - zhihu.com，包括频域和空域、任务类型、经典模型。 最早的 GNN，介于迭 ......
GNN-learning-notes learning notes GNN

迁移学习《Pseudo-Label : The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks》

论文信息 论文标题：Pseudo-Label : The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks论文作者：Dong-Hyun Lee论文来源：2013——ICML论文地址：downlo ......
Semi-Supervised Pseudo-Label Supervised Efficient Learning

【论文笔记 - InstructPix2Pix】InstructPix2Pix: Learning to Follow Image Editing Instructions

InstructPix2Pix和Pix2Pix是两码事。Pix2Pix使用的是GAN，而InstructPix2Pix使用的是Diffusion。鉴于目前图像生成与预训练大模型的飞速发展，即便是CycleGAN里所谓的“不可获取的”成对的数据，也可以通过预训练模型生成出来，作为数据集进行训练。Ins... ......
InstructPix2Pix InstructPix2 InstructPix 2Pix Instructions

FATE Machine Learning

OFFICE 280FATE Machine LearningCRISTIáN BRAVOOFFICE 280This week… Fairness Definition of Fairness Confounding Transparency and Explainability Shapley ......
Learning Machine FATE

Learning with Mini-Batch

我们采取一种折衷的想法，即取一部分数据，作为全部数据的代表，让神经网络从这每一批数据中学习，这里的“一部分数据”称为mini-batch，这种方法称为mini-batch学习。 ......
Mini-Batch Learning Batch with Mini

【Deep Learning】DDPM

DDPM 1. 大致流程 1.1 宏观流程 1.2 训练过程 1.3 推理过程 2. 对比GAN 2.1 GAN流程 2.2 相比GAN优点 训练过程更稳定，损失函数指向性更强（loss数值大小指示训练效果好坏） 3. 详细流程 3.1 扩散阶段 如下图，X0为初始干净图像，XT由X0逐步添加噪声所 ......
Learning Deep DDPM

【Deep Learning】L1 Loss、L2 Loss、Smooth L1 Loss

L1 Loss、L2 Loss、Smooth L1 Loss L1 Loss L1 Loss别称：L1 范数损失、最小绝对值偏差（LAD）、最小绝对值误差（LAE）。最常看到的MAE也是指L1 Loss。它是把目标值与模型输出（估计值）做绝对值得到的误差。 什么时候使用？ 回归任务简单的模型由于神经 ......
Loss Learning Smooth Deep L1

迁移学习（DCCL）《Domain Confused Contrastive Learning for Unsupervised Domain Adaptation》

论文信息 论文标题：Domain Confused Contrastive Learning for Unsupervised Domain Adaptation论文作者：Quanyu Long, Tianze Luo, Wenya Wang and Sinno Jialin Pan论文来源：NAA ......
Domain Unsupervised Contrastive Adaptation Confused

异常检测-1-综述-Deep Learning for Anomaly Detection: A Survey

https://www.researchgate.net/publication/330357393_Deep_Learning_for_Anomaly_Detection_A_Survey?enrichId=rgreq-40000b66a80039399492f90066ec07a0-XXX&en ......
Detection Learning Anomaly Survey Deep

Online Continual Learning with Maximally Interfered Retrieval---阅读笔记

Online Continual Learning with Maximally Interfered Retrieval 阅读笔记 摘要： 本文主要提出了一种可控的样本采集策略的重放方法。我们检索受干扰最大的样本，即它们的预测将受到预测参数更新的最大负面影响。 1 Introduction 人工神 ......
Interfered Continual Maximally Retrieval Learning

【论文精读 - DDPM】Deep Unsupervised Learning using Nonequilibrium Thermodynamics

数学推导【转载】 数学推导过程来自苏剑林大神的《生成扩散模型漫谈》系列，感谢苏神的无私奉献，让我这样数学功底不好的人也能领略这个当下最为火爆的模型的精髓。 系列中有部分步骤，一眼看过去可能有些费解，所以这里稍微做了展开，作为自己的笔记用。 通俗解释：DDPM=拆楼+建楼 生成模型实际上就是：随机噪声 ......
Nonequilibrium Thermodynamics Unsupervised Learning 论文

06.Sentiment Analysis Based on Deep Learning: A Comparative Study

Sentiment Analysis Based on Deep Learning: A Comparative Study 深度学习的情感分析的比较研究 目前在社交网络中的情绪分析已经成为了解用户意见的有力手段，并有着广泛应用。然而情感分析的效率和准确性受到自然语言处理中遇到的挑战和障碍 本问综述 ......
Comparative Sentiment Analysis Learning Based

The Predictron: End-To-End Learning and Planning

**发表时间：**2017（ICML 2017） **文章要点：**这篇文章设计了一个叫Predictron的结构，在abstract的状态上进行学习，通过multiple planning depths来使得model self-consistent，进行端对端的学习。这里的设定是MRP，不是MD ......
Predictron End-To-End End Learning Planning

Learning Blender: A Hands-On Guide to Creating 3D Animation(2nd Edition)

参考1：https://www.doc88.com/p-9975664843996.html（书） 参考2：https://www.bilibili.com/video/BV1wW411i7nY（视频） ......
Animation Learning Hands-On Creating Blender

mini spring learning

https://www.pexels.com/zh-cn/photo/768089/ http://www.implements.fun:8080/tag/minispring package com.minis.beans.factory; import com.minis.beans.Beans ......
learning spring mini

About Interviews and Learning------Learning journals 5

This week, we produced a group assignment, an interview video on cultural appropriation and appreciation, from which we can always learn something use ......
Learning Interviews journals About and

计算机视觉中的主动学习（Active Learning）介绍

前言 Active Learning主动学习是机器学习 (ML) 的一个研究领域，旨在通过以智能方式查询管道的下一个数据来降低构建新机器学习解决方案的成本和时间。在开发新的 AI 解决方案和处理图像、音频或文本等非结构化数据时，我们通常需要人工对数据进行注释，然后才能使用它们来训练我们的模型。这个数 ......
Learning 视觉 计算机 Active

Sample-Based Learning and Search with Permanent and Transient Memories

**发表时间：**2008（ICML 2008） **文章要点：**这篇文章提出Dyna-2算法，把sample-based learning and sample-based search结合起来，并在Go上进行测试。作者认为，search算法是一种transient的算法，就是短期记忆用了就忘了 ......
Sample-Based Permanent and Transient Learning

Learning Objectives COMP 250

Assignment 3 COMP 250 Winter 2023 posted: Thursday, March 23, 2023 due: Thursday, April 6, 2023 at 11:59m Learning Objectives By the end of this assig ......
Objectives Learning COMP 250

COMP4318 COMP4318 – Machine Learning

OMP5318/COMP4318 – Machine Learning and Data Mining Semester 1, 2023Page 1 of 7Assignment 1: ClassificationKey informationDeadlinesSubmission: 11:59pm ......
COMP 4318 Learning Machine

Learning model-based planning from scratch

**发表时间：**2017 **文章要点：**这篇文章想说，之前的文章去做planning的时候，都会去设计一个planning的方法。这篇文章提出了一个端到端的方法，Imagination-based Planner，不去设计planning的方式，做到全部的端对端训练，agent会决定什么时候去 ......
model-based Learning planning scratch model

Appropriation and Appreciation------learning journals 4

There are many cultures in this world, but some cultures are rarely known, even if they are known to a certain extent, leading to the existence of ste ......
Appropriation Appreciation learning journals and

迁移学习（PCL）《PCL: Proxy-based Contrastive Learning for Domain Generalization》

论文信息 论文标题：PCL: Proxy-based Contrastive Learning for Domain Generalization论文作者：论文来源：论文地址：download 论文代码：download引用次数： 1 前言 域泛化是指从一组不同的源域中训练一个模型，可以直接推广到不 ......
Generalization Contrastive Proxy-based PCL Learning

Deep Transfer Learning综述阅读笔记

这是一篇linkedin发表的深度迁移学习综述, 里面讲了一些对于search/recommend system中的迁移学习应用. 有不少指导性的方法, 看完后摘录出来 对于ranking方向的TL, 主要有两种transfer方式: Model transfer 对于参数量非常大的预训练模型, F ......
Transfer Learning 笔记 Deep

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 = ......
常量 指针 Learning1 Learning

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 ......
Action Weakly-supervised Completeness Localization supervised

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 ......
Everything Learning 论文 Count CVPR
共370篇  :12/13页 首页上一页12下一页尾页