文本摘要论文阅读

【论文阅读】基于深度学习的时序预测——LSFT-Linear

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文三：2022FEDformer：长序列数据预测论文四：2022Non-StationaryTransformers：非平稳性时序预测论文五：2022Pyraformer：基于金字塔图结构的时序预测论文六：2023Crossformer：多变量时序预测论文七：2023LSFT-Line
`AllureLove·2023-08-12 08:25

【论文阅读】基于深度学习的时序预测——Non-stationary Transformers

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文三：2022FEDformer：长序列数据预测论文四：2022Non-StationaryTransformers：非平稳性时序预测论文五：2022Pyraformer：基于金字塔图结构的时序预测论文六：2023Crossformer：多变量时序预测论文七：2023LSFT-Line
`AllureLove·2023-08-12 08:55

【论文阅读】基于深度学习的时序预测——Pyraformer

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文三：2022FEDformer：长序列数据预测论文四：2022Non-StationaryTransformers：非平稳性时序预测论文五：2022Pyraformer：基于金字塔图结构的时序预测论文六：2023Crossformer：多变量时序预测论文七：2023LSFT-Line
`AllureLove·2023-08-12 08:55

【论文阅读】基于深度学习的时序预测——Crossformer

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文三：2022FEDformer：长序列数据预测论文四：2022Non-StationaryTransformers：非平稳性时序预测论文五：2022Pyraformer：基于金字塔图结构的时序预测论文六：2023Crossformer：多变量时序预测论文七：2023LSFT-Line
`AllureLove·2023-08-12 08:55

【论文阅读】基于深度学习的时序预测——FEDformer

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文三：2022FEDformer：长序列数据预测论文四：2022Non-StationaryTransformers：非平稳性时序预测论文五：2022Pyraformer：基于金字塔图结构的时序预测论文六：2023Crossformer：多变量时序预测论文七：2023LSFT-Line
`AllureLove·2023-08-12 08:24

论文阅读 激光脉冲主动非视距成像+深度学习 || Learned Feature Embeddings for Non-Line-of-Sight Imaging and Recognition

论文原文：WenzhengChen,FangyinWei,KiriakosN.Kutulakos,SzymonRusinkiewicz,andFelixHeide.2020.LearnedFeatureEmbeddingsforNon-Line-of-SightImagingandRecognition.ACMTrans.Graph.39,6,Article230(December2020),18
R.X. NLOS·2023-08-12 05:06

论文阅读 视频生成(vid2vid) || Few-shot Video-to-Video Synthesis

论文原文：Ting-ChunWang,Ming-YuLiu,AndrewTao,GuilinLiu,JanKautz,andBryanCatanzaro."Few-shotVideo-to-VideoSynthesis",inNeurIPS,2019.https://nvlabs.github.io/few-shot-vid2vid/main.pdf论文地址：https://nvlabs.gith
R.X. NLOS·2023-08-12 05:06

论文阅读 LCT设备用于透视成像||Three-dimensional imaging through scattering media based on confocal diffuse tomog

Lindell,D.B.,Wetzstein,G.Three-dimensionalimagingthroughscatteringmediabasedonconfocaldiffusetomography.NatCommun11,4517(2020).https://www.nature.com/articles/s41467-020-18346-3目录AbstractIntroduction实
R.X. NLOS·2023-08-12 05:35

论文阅读 激光测距综述|| Laser ranging: a critical review of unusual techniques for distance measurement

原始论文：Markus-ChristianAmann,ThierryM.Bosch,MarcLescure,RistoA.Myllylae,MarcRioux,"Laserranging:acriticalreviewofunusualtechniquesfordistancemeasurement,"Opt.Eng.40(1)(1January2001)https://doi.org/10.11
R.X. NLOS·2023-08-12 05:35

论文阅读 新的非视距场景(imaging behind occluders)|| ECCV 2020: Imaging Behind Occluders Using Two-Bounce Light

论文阅读Henley,C.,Maeda,T.,Swedish,T.,&Raskar,R.(2020,August).ImagingBehindOccludersUsingTwo-BounceLight.InEuropeanConferenceonComputerVision
R.X. NLOS·2023-08-12 05:05

【论文阅读】DEPCOMM：用于攻击调查的系统审核日志的图摘要（S&P-2022）

XuZ,FangP,LiuC,etal.Depcomm:Graphsummarizationonsystemauditlogsforattackinvestigation[C]//2022IEEESymposiumonSecurityandPrivacy(SP).IEEE,2022:540-557.1摘要提出了DEPCOMM，这是一种图摘要方法，通过将大图划分为以进程为中心的社区并为每个社区提供摘
C00per_·2023-08-11 20:14

【论文阅读】NoDoze：使用自动来源分类对抗威胁警报疲劳（NDSS-2019）

NODOZE:CombattingThreatAlertFatiguewithAutomatedProvenanceTriage伊利诺伊大学芝加哥分校HassanWU,GuoS,LiD,etal.Nodoze:Combattingthreatalertfatiguewithautomatedprovenancetriage[C]//networkanddistributedsystemssecur
C00per_·2023-08-11 20:43

【生成式AI】ProlificDreamer论文阅读

ProlificDreamer论文阅读Project指路：https://ml.cs.tsinghua.edu.cn/prolificdreamer/论文简介：截止2023/8/10，text-to-3D
lvzelong2014·2023-08-11 18:04

3D卷积网络论文阅读笔记

3D卷积网络1、Whatisthebestdataaugmentationapproachforbraintumorsegmentationusing3DU-Net?实验数据集数据增强方法实验结果结论2、TransBTS:MultimodalBrainTumorSegmentationUsingTransformer创新点网络结构实验数据集标签评价指标数据增强训练细节实验结果3、TransBTSV
weixin_44085432·2023-08-11 18:57

【论文复现】SwinUnet在遥感数据中的实验效果

【论文阅读】Swin-Unet:Unet-likePureTransformerforMedicalImageSegmentation文章目录【论文阅读】Swin-Unet:Unet-likePureTransformerforMedicalImageSegmentation
川川子溢·2023-08-11 18:55

ChatGPT技术总结和好物分享

ChatGPT可以用于各种应用场景，包括自动问答系统、聊天机器人、语言翻译、文本摘要等。它可以从各种来源中获取知识，并能够根据输入的问题或请求提供相关的答案或响应。
Jocker.Dragon·2023-08-11 17:46

【论文阅读】Deep Instance Segmentation With Automotive Radar Detection Points

基于汽车雷达检测点的深度实例分割一个区别：automotiveradar汽车雷达：分辨率低，点云稀疏，语义上模糊，不适合直接使用用于密集LiDAR点开发的方法；返回的物体图像不如LIDAR精确，可以在雨，雪，雨夹雪，冰雹，雾，泥和尘土中返回；在夜间和阴天条件下也比激光雷达更准确；发出的是无线电波而不是激光束LiDAR激光雷达：激光波比无线电波短，因此激光雷达可以生成更详细的物体图像；贵左LiDAR
挥剑决浮云 -·2023-08-11 06:21

小试牛刀：应用深度强化学习优化文本摘要思路及在裁判文书摘要上的实践效果

一、引言近期，随着大模型的出现，强化学习再一次的引起了本人的兴趣，本文将应用深度强化学习来优化文本摘要模型，使生成的摘要更加的流畅。
余俊晖·2023-08-11 06:45

【论文阅读】基于深度学习的时序预测——Informer

：长序列数据预测文章地址：https://arxiv.org/abs/2012.07436github地址：https://github.com/zhouhaoyi/Informer2020参考解读：论文阅读
`AllureLove·2023-08-11 06:44

【论文阅读】基于深度学习的时序预测——Autoformer

系列文章链接论文一：2020Informer：长时序数据预测论文二：2021Autoformer：长序列数据预测论文链接：https://arxiv.org/abs/2106.13008github链接：https://github.com/thuml/Autoformer解读参考：https://zhuanlan.zhihu.com/p/386955393视频解读：https://www.bil
`AllureLove·2023-08-11 06:11

〖中考备考〗议论文阅读需要关注啥？

图片发自App这次八年级月考，居然就考了议论文阅读，远远出乎我的预料。好像是要凑凑2018年中考的热闹，因为按照安徽中考命题趋势，今年进入安徽中考试卷的阅读将会是“一篇记叙文，一篇议论文”。
吴老师教语文·2023-08-11 04:19

Wav2vec2 论文阅读看到的一些问题

Wav2vec2论文阅读看到的一些问题这里只是简单的思考一下论文的一些问题，不是论文解读。Q1.为什么wav2vec依旧需要Transformer来做推理，而不直接使用VQ生成的内容？
门被核桃夹了还能补脑嘛·2023-08-10 18:53

TartanVO: A Generalizable Learning-based VO 论文阅读

论文信息题目:TartanVO:AGeneralizableLearning-basedVO作者：WenshanWang，YaoyuHu来源：ICRL时间：2021代码地址：https://github.com/castacks/tartanvoAbstract我们提出了第一个基于学习的视觉里程计（VO）模型，该模型可推广到多个数据集和现实场景，并且在具有挑战性的场景中优于基于几何的方法。我们通过
玛卡巴卡_qin·2023-08-10 18:17

论文阅读 - Neutral bots probe political bias on social media

论文链接：Neutralbotsprobepoliticalbiasonsocialmedia|EndNoteClick试图遏制滥用行为和错误信息的社交媒体平台被指责存在政治偏见。我们部署中立的社交机器人，它们开始关注Twitter上的不同新闻源，并跟踪它们以探究平台机制与用户交互中出现的明显偏见。我们在新闻推送中没有发现强有力或一致的政治偏见证据。尽管如此，美国Twitter用户所接触到的新闻和
无脑敲代码，bug漫天飞·2023-08-10 18:33

【领域泛化论文阅读】Semantic-Aware Domain Generalized Segmentation

关于图像白化和色彩变换的基本内容可以参考：图像标准化、图像白化、色彩变换_SLN的博客-CSDN博客论文是针对语义分割的领域泛化模型。论文提出了SAN和SAW两个模块来增强类别之间的分离，类内的聚合。SAN是针对类别级的特征对齐，SAW是对SAN对齐后的特征进行分布式对齐。图10模型架构现有的域泛化语义分割的方法主要有域随机化和归一化白化两种。域随机化是通过数据增强来提高数据的多样性，但数据增强不
S L N·2023-08-10 16:41

论文阅读笔记------A High Contrast Video Inverse Tone Mapping Operator for High Dynamic Range Applications

MohammadiP,PourazadMT,NasiopoulosP.AHighContrastVideoInverseToneMappingOperatorforHighDynamicRangeApplications[C]//2019IEEEInternationalSymposiumonCircuitsandSystems(ISCAS).IEEE,2019:1-5.摘要：在这篇论文中，提出了
qq_25283239·2023-08-10 10:43

什么是GPT模型？

在没有监督的情况下，这些模型可以执行各种NLP任务，如问答、文本蕴含、文本摘要等。训练最多的GPT模型——GPT-4，超过1万亿个学习参数，比任何语言模型都要强大不止十倍。
shenduai·2023-08-10 10:37

【论文阅读】基于深度学习的时序异常检测——TimesNet

系列文章链接参考数据集讲解：数据基础：多维时序数据集简介论文一：2022AnomalyTransformer：异常分数预测论文二：2022TransAD：异常分数预测论文三：2023TimesNet：基于卷积的多任务模型论文链接：TimesNet.pdf代码库链接：https://github.com/thuml/Time-Series-Library项目介绍：https://github.com
`AllureLove·2023-08-10 06:10

论文阅读_增强语言模型综述

论文信息name_en:AugmentedLanguageModels:aSurveyname_ch:增强语言模型综述paper_addr:http://arxiv.org/abs/2302.07842date_read:2023-05-20date_publish:2023-02-15tags:[‘深度学习’,‘自然语言处理’,‘大模型’]author:GrégoireMialon，Meta读后
xieyan0811·2023-08-09 19:40

论文阅读_语音合成_VALLE-X

论文信息name_en:SpeakForeignLanguageswithYourOwnVoice:Cross-LingualNeuralCodecLanguageModelingname_ch:用你自己的声音说外语：跨语言神经编解码器语言建模paper_addr:http://arxiv.org/abs/2303.03926date_read:2023-04-25date_publish:202
xieyan0811·2023-08-09 19:10

【论文阅读】基于深度学习的时序异常检测——TransAD

系列文章链接数据基础：多维时序数据集简介论文一：2022AnomalyTransformer：异常分数预测论文二：2022TransAD：异常分数预测论文链接：TransAD.pdf代码库链接：https://github.com/imperial-qore/TranAD这篇文章是基于多变量数据的异常检测，也是基于transformer的一种深度学习方法，作者对前人的工作存在以下两点思考：在常用的
`AllureLove·2023-08-09 08:06

《论文阅读》DiaASQ：基于会话方面的情感四重分析的基准 ACL2023

《论文阅读》DiaASQ:ABenchmarkofConversationalAspect-basedSentimentQuadrupleAnalysis前言相关知识Aspect-basedSentimentAnalysis
365JHWZGo·2023-08-09 08:35

AAAI论文阅读

文章目录Open-VocabularyMulti-LabelClassifcationviaMulti-ModalKnowledgeTransfer——知识蒸馏的范畴Med-EASi:FinelyAnnotatedDatasetandModelsforControllableSimplifcationofMedicalTexts——医学领域数据集构建“NothingAbnormal”:Disamb
YingJingh·2023-08-09 08:35

《论文阅读》通过生成会话模型的迁移学习会话中的情感识别

《论文阅读》通过生成会话模型的迁移学习会话中的情感识别前言简介模型结构SourceTaskTargetTask损失函数前言你是否也对于理解论文存在困惑？
365JHWZGo·2023-08-09 08:04

【科研人 学生党】AI辅助学术论文阅读

【适合于学生党和科研人】写文章往往需要找到好的研究点和方向，但是这并不是一件容易的事情，往往需要阅读大量的文献，阅读文献是一个耗时耗力的过程，而且你阅读了也不一定能提取出重要观点和信息。因此，借助GPT帮我们提升阅读和总结信息的能力成为一项热门话题。本人对此做了测试，发现效果真的太赞了，完全超过我的认知。用好这招，让你写作不再难！下面是我复现的完整过程，小白也能看懂！https://mp.weix
皓悦编程记·2023-08-09 03:43

论文阅读---《Snippet Policy Network for Multi-classVaried-length ECG Early Classification》

题目片段策略网络用于多类别不定长心电图早期分类摘要心电图心律失常检测是心血管疾病预防和诊断中的重要研究课题。目前的研究将心电图心律失常检测定式为时间序列分类问题。与此同时，心律失常的早期检测在早期预防和诊断方面呈现出真实世界的需求。在本文中，我们解决了心血管疾病早期分类问题，该问题也是一个不定长和长时序的早期分类问题。为了解决这个问题，我们提出了一种基于深度强化学习的框架，即片段策略网络（SPN）
末世灯光·2023-08-09 01:02

论文阅读---《Unsupervised ECG Analysis: A Review》

题目无监督心电图分析一综述摘要电心图（ECG）是检测异常心脏状况的黄金标准技术。自动检测心电图异常有助于临床医生分析心脏监护仪每天产生的大量数据。由于用于训练监督式机器学习模型的带有心脏病专家标签的异常心电图样本数量有限，对于心电图分析，越来越需要无监督学习方法。无监督学习旨在将心电图样本分成不同的异常类别，而无需心脏病专家提供的标签，这个过程被称为心电图聚类。除了异常检测，心电图聚类还最近发现了
末世灯光·2023-08-09 01:02

论文阅读---《Graph Regularized Autoencoder and itsApplication in Unsupervised Anomaly Detection》

题目图正则化自编码器及其在无监督异常检测中的应用摘要降维对于许多无监督学习任务，包括异常检测和聚类，是一个至关重要的第一步。自编码器是一种常用的机制，用于实现降维。为了使高维数据嵌入到非线性低维流形的降维变得有效，人们认识到应该使用某种测量测地线距离的方法来区分数据样本。受到ISOMAP等测地线距离近似算法的成功启发，我们提出使用最小生成树（MST）——一种基于图的算法，来近似局部邻域结构，并生成
末世灯光·2023-08-08 13:03

论文阅读---《Unsupervised Transformer-Based Anomaly Detection in ECG Signals》

题目：基于Transformer的无监督心电图（ECG）信号异常检测摘要异常检测是数据处理中的一个基本问题，它涉及到医疗感知数据中的不同问题。技术的进步使得收集大规模和高度变异的时间序列数据变得更加容易，然而，为了确保一致性和可靠性，需要复杂的预测分析模型。随着收集数据的规模和维度的增加，深度学习技术，例如自编码器（AE）、循环神经网络（RNN）和长短期记忆（LSTM），受到越来越多的关注，并被认
末世灯光·2023-08-08 13:32

【论文阅读笔记|EMNLP2022】A Span-level Bidirectional Network for Aspect Sentiment Triplet Extraction

论文题目：ASpan-levelBidirectionalNetworkforAspectSentimentTripletExtraction论文来源：EMNLP2022论文链接：https://aclanthology.org/2022.emnlp-main.289.pdf代码链接：https://github.com/chen1310054465/SBN0摘要aspect情感三元组提取（AST
Rose sait·2023-08-08 13:41

《A Unified Generative Framework for Aspect-Based Sentiment Analysis》论文阅读

文章目录文章概述文章模型问题定义文章模型文章总结附录文章概述  目前对于情感分析ASTE三元组任务（aspect,opinion,sentiment）的提取主要采用流水线（pipeline）的方式，但这显而易见会存在错误累积的问题。而在流水线方法当中采用序列标注的方式提取三元组的方法较为主流，但是却会存在高度集中的问题，即对于嵌套型实体无能无力且较难学习到方面-意见-情感之间存在的依赖关系，因此基
jst100·2023-08-08 13:41

论文阅读：Vulnerability Detection with Graph Simplification and Enhanced Graph Representation Learning

文章目录一、论文相关信息二、摘要1、现有研究的不足2、解决措施三、AMPLE框架1、GraphSimplification（1）基于类型的图简化（2）基于变量的图简化2、增强型图表征学习（1）与边有关的图卷积模块（2）Kernel-scaled表征模块四、实验1、研究问题2、实验数据集信息3、实施细节4、主要实验结果一、论文相关信息二、摘要1、现有研究的不足GNN本质上很难处理代码结构图中远距离节
PT_silver·2023-08-08 08:37

【论文阅读】EULER：通过可扩展时间链接预测检测网络横向移动（NDSS-2022）

作者：乔治华盛顿大学-IsaiahJ.King、H.HowieHuang引用：KingIJ,HuangHH.Euler:DetectingNetworkLateralMovementviaScalableTemporalGraphLinkPrediction[C].Proceedings2022NetworkandDistributedSystemSecuritySymposium,2022.原文
C00per_·2023-08-08 07:21

2023.8.7论文阅读

文章目录CMUNeXt:AnEfficientMedicalImageSegmentationNetworkbasedonLargeKernelandSkipFusion摘要本文方法实验结果BoundaryDifferenceOverUnionLossForMedicalImageSegmentation（损失函数）摘要本文方法实验结果CMUNeXt:AnEfficientMedicalImage
小杨小杨1·2023-08-08 07:21

【论文阅读】RapSheet：端点检测和响应系统的战术来源分析（S&P-2020）

TacticalProvenanceAnalysisforEndpointDetectionandResponseSystemsS&P-2022伊利诺伊大学香槟分校HassanWU,BatesA,MarinoD.Tacticalprovenanceanalysisforendpointdetectionandresponsesystems[C]//2020IEEESymposiumonSecuri
C00per_·2023-08-08 07:51

【论文阅读】对抗溯源图主机入侵检测系统的模仿攻击（NDSS-2023）

作者：伊利诺伊大学芝加哥分校-AkulGoyal、GangWang、AdamBates；维克森林大学-XueyuanHan、引用：GoyalA,HanX,WangG,etal.Sometimes,YouAren’tWhatYouDo:MimicryAttacksagainstProvenanceGraphHostIntrusionDetectionSystems[C]//30thNetworkan
C00per_·2023-08-08 07:51

【论文阅读】DISTDET：一种高性价比的分布式网络威胁检测系统（USENIX-2023）

【USENIX-2023】DISTDET:ACost-EffectiveDistributedCyberThreatDetectionSystem摘要基于溯源图的攻击检测存在两个基本限制现有方法采用集中式检测体系结构，将所有系统审计日志发送到服务器进行处理，导致数据传输、数据存储和计算的成本难以承受。要么采用无法检测未知威胁的基于规则的技术，要么采用产生大量假警报的异常检测技术，无法在APT检测中
C00per_·2023-08-08 07:20

One-4-All: Neural Potential Fields for Embodied Navigation 论文阅读

论文信息题目：One-4-All:NeuralPotentialFieldsforEmbodiedNavigation作者：SachaMorin,MiguelSaavedra-Ruiz来源：arXiv时间：2023Abstract现实世界的导航可能需要使用高维RGB图像进行长视野规划，这对基于端到端学习的方法提出了巨大的挑战。目前的半参数方法通过将学习的模块与环境的拓扑记忆相结合来实现长范围导航，
玛卡巴卡_qin·2023-08-08 07:49

Benchmarking Augmentation Methods for Learning Robust Navigation Agents 论文阅读

论文信息题目：BenchmarkingAugmentationMethodsforLearningRobustNavigationAgents:theWinningEntryofthe2021iGibsonChallenge作者：NaokiYokoyama,QianLuo来源：arXiv时间：2022Abstract深度强化学习和可扩展的真实感模拟的最新进展使得用于各种视觉任务（包括导航）的具体人
玛卡巴卡_qin·2023-08-08 07:46

【论文阅读】UNICORN：基于运行时来源的高级持续威胁检测器（NDSS-2020）

UNICORN:RuntimeProvenance-BasedDetectorforAdvancedPersistentThreatsNDSS-2020哈佛大学HanX,PasquierT,BatesA,etal.Unicorn:Runtimeprovenance-baseddetectorforadvancedpersistentthreats[J].arXivpreprintarXiv:200
C00per_·2023-08-08 07:46
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他