Learning
[论文速览] SimCSE@ Simple Contrastive Learning of Sentence Embeddings
Pre title: SimCSE: Simple Contrastive Learning of Sentence Embeddings accepted: EMNLP 2021 paper: https://arxiv.org/abs/2104.08821 code: https://githu ......
Paper Reading: Sample and feature selecting based ensemble learning for imbalanced problems
为了克服现有集成方法的缺点，本文提出一种新的混合集成策略——样本和特征选择混合集成学习 SFSHEL。SFSHEL 考虑基于聚类的分层对大多数样本进行欠采样，并采用滑动窗口机制同时生成多样性的特征子集。然后将经过验证训练的权重分配给不同的基学习器，最后 SFSHEL 通过加权投票进行预测。SFSHE... ......
强化学习Q-Learning和DQN算法
1 Q-Learning 强化学习中有state和action的两个重要概念。而Q-Learning算法就是用来得到在state上执行action的未来预期奖励。具体的算法流程如下： 初始化一个Q-table。 在当前状态\(s\)选择一个动作\(a\)。 执行动作\(a\)，转移到新的状态\(s' ......
Robust Graph Representation Learning via Neural Sparsification
目录概符号说明NeuralSparse Zheng C., Zong B., Cheng W., Song D., Ni J., Yu W., Chen H. and Wang W. Robust graph representation learning via neural sparsifica ......
论文阅读 Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
原始题目：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 中文翻译：Generalized Focal Loss：学习用于密集目标检测的 Qual ......
Meta Learning概述
Meta Learning概述（一） 回顾Machine Learning 定义一个function（神经网络等），该function上有很多参数，参数统一定义为θ，对于一个猫狗分类器来说，当猫狗的图片经过f(θ)时，函数会输出一个猫或狗的结果 定义一个Loss function，L(θ) 使用优化 ......
《Deep Residual Learning for Image Recognition》阅读笔记
论文标题 《Deep Residual Learning for Image Recognition》 撑起CV界半边天的论文 Residual ：主要思想，残差。 作者 何恺明，超级大佬。微软亚研院属实是人才辈出的地方。 初读 摘要 提问题： 更深层次的神经网络更难训练。 提方案： 提出了残差网络 ......
Sequence to Sequence Learning with Neural Networks
Sequence to Sequence Learning with Neural Networks 关键词：LSTM，Seq2Seq 📜 研究主题 采用深度神经网络DNN 使用LSTM，并翻转输入句子顺序提升性能 ✨创新点： 更换seq2seq中RNN单元为LSTM，有提升对长句子训练速度的可能 ......
Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation
Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation 关键词：GRU、Encoder-Decoder 📜 研究主题 提出了Encoder-Decoder结构，采用两 ......
数字人论文:Audio-Driven Facial Animation by Joint End-to-End Learning of Pose and Emotion
老规矩. 直接第三章 3. 端到端网络结构 给一个audio 短窗口, 也就是片段. 我们预测窗口中间时刻的面部表情. 我们把表情看做一个全端点的向量 (后面我们会看这是什么的一种刻画面部) 一旦我们网络训完, 我们回各个时间点同时生成, 并行. 即使不需要过去的帧画面, 依然生成很稳定的画面. ( ......
【PRC】鲁棒跨域伪标记和对比学习的无监督域自适应NIR-VIS人脸识别 Robust Cross-Domain Pseudo-Labeling and Contrastive Learning for Unsupervised Domain Adaptation NIR-VIS Face Recognition
【该文章为杨学长的文章，膜拜】 探索跨领域数据中的内在关系并学习领域不变表示 由于需要在低光照条件下实现24h的人脸识别，近红外加可见光的(NIR-VIS)人脸识别受到了更多的关注。但是数据标注是一个难点。该文章提出了Robust crossdomain Pseudo-labeling and Co ......
Deep Learning —— 异步优化器 —— RMSpropAsync —— 异步RMSprop
代码地址： https://github.com/chainer/chainerrl/blob/master/chainerrl/optimizers/rmsprop_async.py def update_core_cpu(self, param): grad = param.grad if gr ......
[论文精读][基于点云的蛋白-配体亲和力]A Point Cloud-Based Deep Learning Strategy for Protein-Ligand Binding Affinity Prediction
我需要的信息 代码，论文 不考虑共价键，每个点包括了六种原子信息，包括xyz坐标，范德华半径，原子重量以及来源（1是蛋白质，-1是配体）。原子坐标被标准化，其它参数也被标准化。对不足1024个原子的的复合体，补0到1024。 增加考虑的原子从1024到2048，没有提升，增加原子信息通道，没有提升（ ......
机器学习经典教材《模式识别与机器学习》，Pattern Recognition and Machine Learning，PRML官方开放免费下载
微软剑桥研究院实验室主任Christopher Bishop的经典著作《模式识别与机器学习》，Pattern Recognition and Machine Learning，简称PRML，被微软“开源”了。 本书介绍&下载页：（书的介绍页面） https://www.microsoft.com/e ......
Graph Laplacian for Semi-Supervised Learning
目录概符号说明Graph-Laplacian for SSL Streicher O. and Gilboa G. Graph laplacian for semi-supervised learning. arXiv preprint arXiv:2301.04956, 2023. 概 标题取得有 ......
【论文笔记】A theory of learning from different domains
防盗 https://www.cnblogs.com/setdong/p/17756127.html domain adaptation 领域理论方向的重要论文. 这篇笔记主要是推导文章中的定理, 还有分析定理的直观解释. 笔记中的章节号与论文中的保持一致. 1. Introduction doma ......
Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读
2023 ICCV Implicit Autoencoder for Point-Cloud Self-Supervised Representation Learning论文阅读，思想很妙，该笔记非常简要 ......
(2023年新疆大学、中科院等点云分类最新综述) Deep learning-based 3D point cloud classification: A systematic survey and outlook
目录1、引言2 、3D数据2.1、3D数据表示形式2.2、点云数据存储格式2.3、3D点云公共数据集3 、基于深度学习的点云分类方法3.1、基于多视角的方法3.2、基于体素的方法3.3 、基于点云的方法3.3.1局部特征聚合3.3.1.1基于逐点处理的方法3.3.1.2基于卷积的方法3.3.1.3基 ......
浅谈在Q-learning中加入nn网络
现在想实现一个基础的强化学习CartPole。我要使用c语言完成整个项目，方便后续部署到开发板(也许方便吧)。 现在已经完成： 模拟cart(车)和pole(杆)的运动部分，根据位置,速度,角度,角速度四个特征量来动态更新，使用静态结构体变量在程序中全局的共享和访问这些值。 可视化部分，选用2D游戏 ......
Reinforcement Learning 学习笔记 1
什么是强化学习（reinforcement learning）? 假设一个场景，一个智能体(agent) 和环境（env）交互，智能体基于当前环境\(S_t\)每产生一个动作\(A_t\)，环境便给它一个反馈，也被称为奖励(reward)\(R_{t+1}\), 随后，智能体的状态变为\(S_{t+ ......
Paper Reading: Learning from Weak-Label Data: A Deep Forest Expedition
目录研究动机文章贡献本文方法标签补码结构标签频率估计与补码标志机制LCForest 整体框架实验结果实验设置基因功能分析任务实验文本分类任务实验场景分类任务实验医学自然语言处理实验优点和创新点 Paper Reading 是从个人角度进行的一些总结分享，受到个人关注点的侧重和实力所限，可能有理解不到 ......
Learning Hard C# 学习笔记: 8.C#中的特性 - 委托
介绍了委托的调用和它引入的原因，之后从IL的角度揭秘了委托的本质。最后介绍了委托链的概念：我们可以使用“+”运算符把一个委托添加到委托链实例中，也可以使用“-”运算符把委托实例从委托链中移除。 ......
Learning Hard C# 学习笔记: 6.C#中的接口
本章主要介绍了接口的定义、实现以及对其方法的调用；分析了隐式接口实现与显式接口实现间的区别，总结了两种实现使用的一般场景；最后分析了抽象类与接口之间的差异，给出了它们在面向对象编程中的应用。 ......
Learning Hard C# 学习笔记: 5.C#中的面向对象编程
本章详细介绍了C#中面向对象的3个特性——封装、继承和多态。通过这些内容，我们了解了将字段定义为私有的原因，学习了如何去继承一个类，以及如何去覆写和隐藏基类成员。最后，本章还简单地介绍了.NET中所有类的父类——System.Object 。 ......
Learning Hard C# 学习笔记: 4.C#中的类
类是面向对象语言都有的一种数据类型, 它的存在在于将现实中的概念抽象概括为代码中的数据类型. 4.1 什么是类? 以人类这个概念为例, 人类就可以作为一个类, 人类是一个种群, 这个种群中包包含许多个体, 这些个体可以当作一个对象. 比如说小明就是人类中的一个个体, 他是人类这个概念具体化之后推导而 ......
Learning Hard C# 学习笔记: 3.C#语言基础
前言 由于最近工作开始重新使用了C#, 框架也是.Net4.5, 看了下, 这本书是比较合适的, 所以就重新学习了下, 由于之前本人已有C#相关基础, 所以不会所有内容都做笔记, 只会对不熟悉或者比较重要的内容做笔记. 3.2 基础数据类型 3.2.4 枚举类型 枚举类型属于值类型, 用于定义一组命 ......
Deep Learning入门
深度学习入门(更新中) 概述 前置知识: 线性代数 微积分 概率论 python基础语法(包含面向对象的知识) 深度学习框架pytorch的基本api调用 学习资料: PyTorch深度学习快速入门教程 跟李沐学AI 《动手学深度学习》 — 动手学深度学习 2.0.0 documentation ( ......
Pink Noise Is All You Need: Colored Noise Exploration in Deep Reinforcement Learning
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Published as a conference paper at ICLR 2023 ABSTRACT ......
mlpack is an intuitive, fast, and flexible header-only C++ machine learning library
https://github.com/mlpack/mlpack README.md a fast, header-only machine learning library Home | Documentation | Community | Help | IRC Chat Download: c ......