注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. FCN论文笔记.docx

  2. 讲解FCN论文，希望能够对大家有帮助。如果有错误，大家可以随时联系我。我一定虚心改正，希望能够和大家一起努力学习知识。

  3. 所属分类：深度学习

    • 发布日期：2020-02-02
    • 文件大小：1048576
    • 提供者：weixin_45783434

  1. 论文笔记 - ATOM Accurate Tracking by Overlap Maximization.pptx

  2. 论文笔记 - ATOM Accurate Tracking by Overlap Maximization

  3. 所属分类：深度学习

    • 发布日期：2019-10-13
    • 文件大小：119537664
    • 提供者：weixin_43530209

  1. 论文笔记 - ATOM: Accurate Tracking by Overlap Maximization.pdf

  2. 论文笔记 - ATOM: Accurate Tracking by Overlap Maximization2019/10/13 机器人 针对服务机器人系统对环境感知问题,对人和其他目标的状态预测 视频监控 2819 obiect 农险管慧云再 2019/10/13 虚拟现实人机交互 7 视频剪辑 加班加点扣掉 吴秀波 总算是快弄完了,P了三天三夜 应该是不仔细找都看不出来了 真的惨,怎么刚入职就碰上这种事 唉,我尽力了 P了二天三夜 2019年1月31日01:46 如果楼上学会目 國■以 标

  3. 所属分类：讲义

    • 发布日期：2019-10-13
    • 文件大小：1048576
    • 提供者：weixin_43530209

  1. 中文命名实体识别论文笔记

  2. 《Adversarial Transfer Learning for Chinese Named Entity Recognition with Self-Attention Mechanism》论文笔记

  3. 所属分类：深度学习

    • 发布日期：2019-03-01
    • 文件大小：795648
    • 提供者：ding1011

  1. 论文笔记—Probabilistic Model-Agnostic Meta-Learning.pdf

  2. 论文摘要：元学习仅需少量学习就可以获取先前的先前任务和经验，从而可以从少量数据中学习新任务。但是，短镜头学习中的一个关键挑战是任务模糊性：即使可以从大量先前任务中元学习强大的先验知识，但用于新任务的小数据集也可能太含糊而无法获取单个模型（例如，针对该任务的分类器）。在本文中，我们提出了一种概率元学习算法，该算法可以从模型分布中为新任务采样模型。我们的方法扩展了模型不可知的元学习，它通过梯度下降适应新任务，并结合了通过变分下界训练的参数分布。在元测试时，我们的算法通过将噪声注入梯度下降的简单过程进

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：2097152
    • 提供者：liz_Lee

  1. 论文笔记—Recasting gradient-based meta-learning as hierarchical bayes

  2. 论文摘要：元学习允许智能代理利用先前的学习情节作为快速提高新任务性能的基础。贝叶斯分层建模提供了一个理论框架，用于形式化元学习，作为对跨任务共享的一组参数的推断。在这里，我们重新定义了Finn等人的模型不可知元学习算法（MAML）。 （2017）作为分层贝叶斯模型中概率推断的方法。与通过分层贝叶斯进行元学习的现有方法相比，MAML通过使用可扩展的梯度下降过程进行后验推理，自然适用于复杂函数逼近器。此外，将MAML识别为分层贝叶斯提供了一种将算法作为元学习过程进行理解的方法，并提供了利用计算策略进

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：3145728
    • 提供者：liz_Lee

  1. 论文笔记Unsupervised cross-domain transfer in PGRL via manifold alignment.pdf

  2. 论文摘要：将策略梯度强化学习（RL）应用于困难的控制任务的成功，关键取决于确定策略明智的初始化的能力。转移学习方法通​​过重用从解决其他相关任务中收集到的知识来解决此问题。在多个任务域的情况下，这些算法需要任务间映射以促进跨域的知识转移。但是，当前没有通用的方法来学习任务间映射，而不需要RL设置中通常不存在的背景知识，也不需要对状态和动作的大小以指数形式进行的任务间映射的昂贵分析本文介绍了一种自治框架，该框架使用无监督的流形对齐来学习任务间映射并有效地在不同任务域之间传递样本。包括在四旋翼控制中

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：1048576
    • 提供者：liz_Lee

  1. 论文笔记—meta-learning and universality

  2. 论文摘要：学习学习是使模型能够更有效，更有效地从数据中学习的强大范例。一种流行的元学习方法是训练一个循环模型，以将训练数据集作为输入并输出一个学习模型的参数，或者输出对新测试输入的预测。另外，一种新的元学习方法旨在获取可以通过标准梯度下降有效地微调到新任务的深度表示。在本文中，我们从通用性的角度考虑元学习问题，将学习算法近似的概念形式化，并将上述递归模型的表达能力与将梯度下降嵌入元学习器的最新方法进行比较。特别是，我们试图回答以下问题：深度表示与标准梯度下降相结合是否具有足够的能力来近似任何学习

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：897024
    • 提供者：liz_Lee

  1. 论文笔记—Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace

  2. 论文摘要：基于梯度的元学习已被证明具有足够的表现力，可以近似任何学习算法。 尽管先前的此类方法已在元学习任务中取得成功，但它们诉诸于简单的gradientdescentduringmeta测试。 我们的主要贡献是MT-net，它使元学习者能够了解每个子层的激活空间，该子空间的任务指定清除器在其上执行梯度下降。 另外，MT-net的任务特定学习者相对于元学习距离度量执行梯度下降，这会使激活空间对任务身份更加敏感。 我们证明了这个学习的子空间的维度反映了任务特定学习者的适应任务的复杂性，并且我们的模

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：961536
    • 提供者：liz_Lee

  1. 论文笔记—Learning domain-shared group-sparse representation for unsupervised DA

  2. 论文摘要：在无监督域适应中，一个关键的研究问题是跨域的联合分布对齐 。 但是， 直接 对齐的源和目标联合分布是不可行的， 因为目标条件分布的标签未知。结合边缘分布对齐（它是条件分布对齐的等价条件，而不是用条件分布近似估计目标标签。），提出了一种基于领域共享的群体稀疏准则——字典学习模型，用于学习具有对齐联合分布的领域共享表示。实验结果表明，该方法在方差较大的数据集上也表现良好。 我们的结果进行了定量和定性分析，并进行了参数灵敏度和收敛性分析的实验，以表明该方法的有效性。

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：5242880
    • 提供者：liz_Lee

  1. 论文笔记—基于迁移共享空间的分类新算法

  2. 论文摘要：为解决来自不同但相关领域的大量无标签数据和少量带标签数据的分类问题，首先构造一个联 系源域到目标域的共享特征空间，并将该空间引入经典的支持向量机算法使其获得迁移能力，最终得到 一种新的基于支持向量机的迁移共享空间的分类新算法，即迁移共享空间支持向量机．具体地，该方法 以迁移学习理论为基础，结合分类器最大间隔原理，通过最大化无标签数据和带标签数据的联合概率分 布来构建无标签数据和带标签数据的共享空间；为充分考虑少量带标签数据之数据分布，在其原始特征 空间和共享空间组成的扩展空间中训练分类

  3. 所属分类：深度学习

    • 发布日期：2020-07-21
    • 文件大小：3145728
    • 提供者：liz_Lee

  1. 论文笔记模板——自用xmind模板

  2. 为了看论文时更有条理，并且沉淀的东西更多更有用，我总结了一个自用的【论文笔记整理模板】，以xmind格式呈现

  3. 所属分类：互联网

    • 发布日期：2020-10-15
    • 文件大小：75776
    • 提供者：s000da

  1. 论文笔记

  2. 论文笔记 此篇博文用于记录阅读一些论文之后所得。 Computation Offloading in Multi-access Edge Computing using Deep Sequential Model based on Reinforcement Learning 一、论文解决了什么问题？ 由于MEC卸载问题是NP-hard的，现有的卸载策略研究大多都基于启发式算法，但随着MEC应用和无线网络体系结构的日益复杂，任何启发式的卸载策略都很难完全适应MEC中的各种场景。为了解决任务依赖性

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：105472
    • 提供者：weixin_38597970

  1. 论文笔记模板——自用xmind模板

  2. 为了看论文时更有条理，并且沉淀的东西更多更有用，我总结了一个自用的【论文笔记整理模板】，以xmind格式呈现

  3. 所属分类：专业指导

    • 发布日期：2021-03-08
    • 文件大小：75776
    • 提供者：sangsi

  1. 论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

  2. 论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

  3. 所属分类：互联网

  1. 论文笔记之No-reference blur assessment based on edge modeling-附件资源

  2. 论文笔记之No-reference blur assessment based on edge modeling-附件资源

  3. 所属分类：互联网

  1. 论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

  2. 论文笔记：Progressive Attention Guided Recurrent Network for Salient Object Detection-附件资源

  3. 所属分类：互联网

  1. 论文笔记之No-reference blur assessment based on edge modeling-附件资源

  2. 论文笔记之No-reference blur assessment based on edge modeling-附件资源

  3. 所属分类：互联网

  1. 阅读：我读过的论文笔记-源码

  2. 读 我读过的论文笔记

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：541696
    • 提供者：weixin_42162171

  1. 论文笔记 ASYNCHRONOUS FEDERATED OPTIMIZATION

  2. 论文笔记 ASYNCHRONOUS FEDERATED OPTIMIZATION 论文中提出了一种异步联邦优化算法。 联邦优化的同步特性是不可伸缩的、低效的和不灵活的。同时签入的设备过多会导致服务器端的网络拥塞。在每个全局epoch中，服务器仅限于从可用设备的子集中选择以触发训练任务。 经典的异步SGD在每次本地更新后直接向服务器发送梯度，这对于边缘设备来说是不可行的，因为它的通信不可靠且缓慢。 论文采用了异步的优化，并用加权平均来更新全局模型。 每个客户端设备都有一个worker可以出发本地训

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38716081
« 12 3 4 5 6 7 8 9 10 ... 22 »