对抗样本_论文笔记第16页

论文笔记：日志解析Drain

Drain:AnOnlineLogParsingApproachwithFixedDepthTree1.背景一般的数据挖掘模型所需要的数据为结构性数据(listormatrix)。原始日志通常是非结构化的，因此解析日志的目标为将非结构化的文本转化为结构化的数据。传统的日志解析方法依赖于正则表达式(regularexpressions)。但是正则表达式需要人工编写，需要大量人力，以及需要维护模板更新

不会心跳·2023-07-23 08:34

检测论文综述（一） : 从RCNN到Mask-RCNN

对于目标检测方向并不是特别熟悉，本文记录一下RCNN,fast-RCNN,faster-RCNN,mask-RCNN这4篇有关目标检测的论文笔记和学习心得。

Junr_0926·2023-07-23 00:17

STAR: A Structure-aware Lightweight Transformer for Real-time Image Enhancement2021ICCV低光图像增强论文笔记

STAR:AStructure-awareLightweightTransformerforReal-timeImageEnhancement用于实时图像增强的结构感知轻量级Transformer发表于2021ICCV发表于2021年ICCVPDF：pdfCode：github代码基于pytorchmaketrade-offsbetweenmodelflexibilityandcomputatio

丫丫爱吃·2023-07-20 10:46

【论文笔记】Graph Neural Networks for Recommender Systems: Challenges, Methods, and Directions

文章链接：https://arxiv.org/pdf/2109.12843.pdf本文是清华李勇和中科大何向南组最新的推荐中GNN综述推荐系统的发展历程浅层模型早期的推荐模型主要通过计算交互的相似度来捕获协同信号，之后随着Netflix比赛中矩阵分解模型的大放异彩，推荐系统被转化为表示学习问题。神经网络模型浅层的模型不足以建模复杂的用户行为和大量数据输入，以神经协同过滤NCF，深度因子分解机Dee

·2023-07-20 07:54

【论文笔记】CIKM‘22 ＆ Amazon | (Navip) 推荐系统中图神经网络的去偏邻域聚合

目录1.Introduction2.RelatedWork2.1基于GNN的推荐2.2逆倾向评分IPS3.模型3.1Navip4.实验结果本文是亚马逊在CIKM2022的一篇工作论文地址：https://arxiv.org/pdf/2208.08847.pdf问题图形神经网络(GNN)对于曝光偏差的脆弱性导致模型偏差，产生次优推荐效果。之前工作的不足只在损失函数中应用IPS，但对GNN的邻域聚合关

·2023-07-20 07:54

【论文笔记】Beyond Low-frequency Information in Graph Convolutional Networks

文章目录1.Abstract2.Introduction低频和高频信号作用FAGCN怎么设计3.AnExperimentalInvestigation4.Model4.1filter定义4.2Aggregation4.3Problemsofsignalcombination4.4SpatialvisionofFAGCN4.5系数αijG\alpha_{ij}^{G}αijG4.6模型整体框架FAG

·2023-07-20 07:24

【论文笔记】Factorizable Graph Convolutional Networks

文章目录1.Abstract2.Method2.1DisentanglingStep2.2AggregationStep2.3MergingStep3.总体架构4.超参数的设置FactorizableGraphConvolutionalNetworks，FactorGCN，可分解图卷积网络1.Abstract在许多真实的图中，节点之间的多个异质关系被混合并折叠成一条边。在社交网络的情况下，两个人可

·2023-07-20 07:23

【论文笔记】K-plet Recurrent Neural Networks for Sequential Recommendation

原文：K-pletRecurrentNeuralNetworksforSequentialRecommendation（本文只是略读，所以笔记只记录了主要的思想，更多的细节还需看原文）背景一般推荐忽略时间因素，将用户的历史行为表示为一个集合，利用矩阵分解技术获取用户兴趣。序列推荐主要考虑用户的评分和购买行为马尔科夫链：序列转化为转移图，融合矩阵分解，难以对长期依赖性建模基于循环神经网络的方法：只对

·2023-07-20 07:53

LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation 论文笔记

目录1.简介1.1背景介绍1.2摘要1.3主要贡献2.准备工作2.1NGCF2.2对NGCF的实证探索3.LightGCN模型3.1LightGraphConvolution(LGC)3.2层组合和模型预测3.3矩阵表示4.实验4.1比较方法4.2和NGCF的性能比较4.3消融和有效性分析4.3.1层组合的影响4.3.2对称开方归一化的影响1.简介1.1背景介绍图卷积网络中的最常见的设计，特征变换

·2023-07-20 07:53

【论文笔记】KDD2019 | KGAT: Knowledge Graph Attention Network for Recommendation

·2023-07-20 07:50

《CodeBERT: A Pre-Trained Model for Programming and Natural Languages》论文笔记

论文来源：EMNLP-2020 论文链接：https://arxiv.org/abs/2002.08155 ⭐相关预训练模型在huggingface官网可以搜到，论文也公布了相应github链接。主要内容：传统的bert是面向自然语言的预训练模型，而codebert则是一个双模态的新型预训练模型，也是基于transformer的网络架构，它是面向自然语言和编程语言（包含6种编程语言）。预训练

#苦行僧·2023-07-19 23:18

Markdown 实现页内跳转

Markdown实现页内跳转在使用Markdown做一些论文笔记或者说写文档时,通常会出现这样一种情况。

一条菜鸟鱼·2023-07-19 12:39

Learning to cartoonize using white-box cartoon representations

论文笔记--漫画生成--White-boxCartoonRepresentations-知乎论文LearningtoCartoonizeUsingWhite-boxCartoonRepresentations

Kun Li·2023-07-19 11:14

论文笔记--OpenPrompt: An Open-source Framework for Prompt-learning

论文笔记--OpenPrompt:AnOpen-sourceFrameworkforPrompt-learning1.文章简介2.文章概括3文章重点技术4.文章亮点5.原文传送门1.文章简介标题：OpenPrompt

Isawany·2023-07-19 07:28

12.30阅读论文笔记：Physics-Informed Neural Networks for Power Systems

Physics-InformedNeuralNetworksforPowerSystemsGeorgeS.Misyris,AndreasVenzkeandSpyrosChatzivasileiadisPhysicsInformedNeuralNetworks:自动微分:神经网络输出相对于输入的导数可以在训练过程中计算物理系统的微分代数模型可以包含在神经网络训练中神经网络现在可以利用实际物理系统的知

HJ·2023-07-18 12:22

万字长文解读图像超分辨率 Real-ESRGAN 论文笔记+代码阅读

目录一、介绍二、重点创新1.ESRGAN2.Real-ESRGAN三、生成器结构1.整体结构2.RRDB结构四、判别器结构五、高阶退化模型六、损失函数1.生成模型损失函数2.判别模型损失函数一、介绍超分辨率(Super-Resolution)指通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程。通俗的说就是在保持原图像清晰度不变的前提下，将图像放大。使用

小殊小殊·2023-07-18 11:43

论文笔记：MPRNet: Multi-Stage Progressive Image Restoration

love_lqz·2023-07-18 11:11

【论文笔记】图像修复MPRNet:Multi-Stage Progressive Image Restoration 含代码解析

目录一、介绍二、使用方法1.推理2.训练三、MPRNet结构1.整体结构2.CAB(ChannelAttentionBlock)3.Stage1Encoder4.Stage2Encoder5.Decoder6.SAM(SupervisedAttentionModule)7.ORSNet(OriginalResolutionSubnetwork)四、损失函数1.CharbonnierLoss2.Ed

小殊小殊·2023-07-18 11:08

对抗样本生成系列：FGSM和DeepFool

摘要：近些年来，深度学习技术在海量数据以及强大计算能力的驱动下取得了长足的发展，特别是在语音识别、计算机视觉、自然语言处理等领域，深度学习以其强大的网络表达能力刷新了一项又一项记录，各种各样基于深度学习的产品和服务也逐渐在产业界落地应用。正因为深度学习技术蕴含着巨大的商业价值，其背后潜在的安全问题更值得我们去深究。最近的研究表明，深度学习面临安全和隐私等多方面的威胁。该系列主要讨论深度学习领域最为

小生很忙·2023-07-18 09:37

[论文笔记]Towards Evaluating the Robustness of Neural Networks

题目：TowardsEvaluatingtheRobustnessofNeuralNetworks地址：https://arxiv.org/abs/1608.04644代码：https://github.com/carlini/nn_robust_attacksC&WObjectivefunctionBoxconstraintsProjectedgradientdescentClippedgrad

wangxiaoguang·2023-07-17 21:41

YOLO系列学习

论文学习】收藏夹里面DeepLearningPapersTranslation(CV)论文阅读：YouOnlyLookOnce:Unified,Real-TimeObjectDetectionYOLOv2论文笔记

孟孟单单·2023-07-17 08:29

图像修复论文整理

[1]ContextEncoders:FeatureLearningbyInpainting(CVPR2016)参考文章：图像修复论文笔记:ContextEncoders:FeatureLearningbyInpainting

牛奶芝麻·2023-07-17 02:06

论文笔记：Deep Spatio-Temporal Residual Networks for Citywide Crowd FlowsPrediction

2017AAAI使用时空残差网络ST-ResNet进行城市区域流入流出客流量预测1研究对象城市客流流入流出根据经纬度将城市划分为网格I×J1.1难点空间依赖性时间依赖性外部影响2模型3实验北京出租车数据+纽约自行车数据评价指标：RMSE

UQI-LIUWJ·2023-07-16 19:45

cv对抗攻击

Box-constrainedL-BFGS）寻找最小的损失函数添加项，使得神经网络做出误分类，这就将问题转化成了凸优化过程作者发现了可以通过对抗攻击使神经网络做出错误的预测，需要在图片上加入一些微小的扰动信息得到对抗样本

偷懒不学习·2023-07-16 19:19

论文笔记--DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter

论文笔记--DistilBERT,adistilledversionofBERT:smaller,faster,cheaperandlighter1.文章简介2.文章概括3文章重点技术3.1知识蒸馏3.2DistilBERT4

Isawany·2023-07-16 18:57

论文笔记--PTR: Prompt Tuning with Rules for Text Classification

论文笔记--PTR:PromptTuningwithRulesforTextClassification1.文章简介2.文章概括3文章重点技术3.1Pre-training&Fine-tuning&Prompt-basedFineTuning3.2PTR

Isawany·2023-07-16 18:57

论文笔记--Goat: Fine-tuned LLaMA Outperforms GPT-4 on Arithmetic Tasks

论文笔记--Goat:Fine-tunedLLaMAOutperformsGPT-4onArithmeticTasks1.文章简介2.文章概括3文章重点技术3.1LLM的选择3.2算数任务的可学习性(learnability

Isawany·2023-07-16 18:56

论文笔记--BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

论文笔记--BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding1.文章简介2.文章导读2.1概括2.2文章重点技术

Isawany·2023-07-16 18:26

论文笔记--SentencePiece: A simple and language independent subword tokenizer and detokenizer for Neural

论文笔记--SentencePiece:AsimpleandlanguageindependentsubwordtokenizeranddetokenizerforNeuralTextProcessing1

Isawany·2023-07-16 18:26

论文笔记--TinyBERT: Distilling BERT for Natural Language Understanding

论文笔记--TinyBERT:DistillingBERTforNaturalLanguageUnderstanding1.文章简介2.文章概括3文章重点技术3.1TransformerDistillation3.2

Isawany·2023-07-16 17:48

故障诊断——迁移学习整理

深度学习&故障诊断初学者-学习路线_深度学习故障诊断初学者_故障诊断与python学习的博客-CSDN博客域适应方法顶刊论文列表近两年（2020-2021）-知乎(zhihu.com)【论文笔记】AdversarialMulti-taskLearningforTextClassification

Mr_Pingg·2023-07-16 01:41

【论文笔记】SINE: SINgle Image Editing with Text-to-Image Diffusion Models

声明不定期更新自己精度论文，通俗易懂，初级小白也可以理解涉及范围：深度学习方向，包括CV、NLP论文标题：SINE:SINgleImageEditingwithText-to-ImageDiffusionModels论文链接：https://www.semanticscholar.org/paper/SINE%3A-SINgle-Image-Editing-with-Text-to-Image-Z

来自γ星的赛亚人·2023-07-15 23:22

EfficientNet论文笔记

EfficientNet论文笔记通过NAS平衡了channel，depth，resolution，发现在相同的FLOPs下，同时增加depth和resolution的效果最好。

白蜡虫可·2023-07-15 23:47

论文笔记：AugGPT: Leveraging ChatGPT for Text Data Augmentation

AugGPT：利用ChatGPT进行文本数据增强摘要1介绍2相关工作2.1数据增强2.2小样本学习2.3超大型语言模型2.4ChatGPT：现在与未来3数据集3.1亚马逊数据集3.2症状数据集3.3PubMed20k数据集4方法4.2使用ChatGPT进行数据增强4.3小样本文本分类4.4BaselineMethods4.5PromptDesign4.6评估指标4.6.1EmbeddingSimi

帅帅梁·2023-07-15 13:44

GraphTrip论文笔记【Information Fusion 92 (2023)】

Dual-grainedhumanmobilitylearningforlocation-awaretriprecommendationwithspatial–temporalgraphknowledgefusion期刊：EI检索InformationFusion92(2023)Challenges（1）异质交互信息的挖掘POI位置信息、POI类别信息、访问时间等。（能够反映一些人类的访问偏好。传

hhy不许摸鱼·2023-07-15 12:53

论文笔记--SentEval: An Evaluation Toolkit for Universal Sentence Representations

论文笔记--SentEval:AnEvaluationToolkitforUniversalSentenceRepresentations1.文章简介2.文章概括3文章重点技术3.1evaluationpipeline3.2

Isawany·2023-07-14 03:41

【论文笔记】Guided Skill Learning and Abstraction for Long-Horizon Manipulation

【论文笔记】GuidedSkillLearningandAbstractionforLong-HorizonManipulation更多笔记（在耕）：这里文章目录【论文笔记】GuidedSkillLearningandAbstractionforLong-HorizonManipulationAbstractI.INTRODUCTIONII.RELATEDWORKTAMPandLearningfo

Ctrl+Alt+L·2023-07-14 03:35

Few-Shot Class-Incremental Learning from anOpen-Set Perspective论文笔记

ECCV2022目录摘要IntroductionProblemFormulationMethodology实验摘要一个Few-ShotClass-IncrementalLearning(FSCIL)模型，需要在所有类上表现良好，无论它们的表示顺序如何或是否缺乏数据。它还需要对需要对较少的数据(one-shotscenario)具有鲁棒性，并且容易适应该领域出现的新任务目前的SOTA方法仅使用cla

杳杳不失眠·2023-07-13 20:50

论文笔记-医学图像分类

DLDeepconvolutionalneuralnetworkbasedmedicalimageclassificationfordiseaseauthorIntroductionLiteraturereviewDeepconvolutionalneuralnetworkbasedmedicalimageclassificationfordiseaseauthorSamirS.YadavandS

強云·2023-07-13 19:15

论文笔记-A Deep Learning Approach for Slice to Volume Biomedical Image Integration

数据集：EdinburghMouseAtlasProject(EMAP)切片在三维空间中的描述pitch,yaw,androllangles,andthedistanceofthesectioningplane.这个距离指的是什么？数据生成对三维数据进行改变d和p来生成二维数据。预处理正则化到0-1之间；resize128*128.进行图像增强.回归利用CNN网络回归参数。

強云·2023-07-13 19:45

论文笔记--STRUCTBERT: INCORPORATING LANGUAGE STRUCTURES INTO PRE-TRAINING FOR DEEP LANGUAGE UNDERSTANDIN

论文笔记--STRUCTBERT:INCORPORATINGLANGUAGESTRUCTURESINTOPRE-TRAININGFORDEEPLANGUAGEUNDERSTANDING1.文章简介2.文章概括

Isawany·2023-06-24 10:15

论文笔记--Prompt Consistency for Zero-Shot Task Generalization

论文笔记--PromptConsistencyforZero-ShotTaskGeneralization1.文章简介2.文章概括3文章重点技术3.1Prompt-basedzero-shottaskgeneralization3.2PromptConsistencyTraining3.3

Isawany·2023-06-24 10:12

【论文笔记】BLIP: Bootstrapping Language-Image Pre-training forUnified Vision-Language Understanding and

1.背景1.1之前存在的两个问题（1）模型视角：大多数方法要么采用基于编码器的模型，要么采用编码器-解码器模型。基于编码器的模型不太容易直接转移到文本生成任务（例如，图像字幕），而编码器-解码器模型尚未成功用于图像文本检索任务。(2)数据集j角度：存在噪声，训练次优基于编码器的模型：CLIP，缺少decoder对文本生成的能力相对较弱采用编码器-解码器：SimVLM1.2提出的解决办法（a）编码器

weixin_50862344·2023-06-24 00:34

【论文笔记】Align before Fuse: Vision and LanguageRepresentation Learning with Momentum Distillation

0.前言【参考】多模态论文串讲基于2021年之前的研究，有几个大趋势：（1）模型的视觉能力应该强于文本提取能力（2）模型融合应该有更加复杂的设计，而不只是简单的点积运算（clip）（3）损失函数的选择上：①ITC②MLM③ITM之所以放弃WPA损失函数，是因为他给训练带来了比较大的成本。（参考ViLT）1.介绍1.1挑战（1）图像特征和单词标记嵌入存在于它们自己的空间中，难以建模两者之间关系（2）