文献阅读——时序图第30页

Gpsd pps移植

目前手头用的是UbloxF9P模块，UART输出NEMA数据，另外一个GPIO输出1PPS脉冲首先看一张时序图：1.NEMA中包含有时间信息，一般是秒级别，也有部分带有毫秒2.1PPS即每秒输出一个脉冲

天晓-workspace·2023-01-12 22:16

一阶广义差分模型_实验五自相关性 -

ut(1)时，用残差时序图和残差自相关图以及德宾-沃森检验法检验是否存在自相关性；二、如果模型(1)存在一阶线性自相关性ut??ut?1??

weixin_39727005·2023-01-12 20:50

文献阅读记录：Graph Convolutional Networks for Hyperspectral Image Classification

Flying Stone·2023-01-12 12:40

文献阅读（4）：手写数字识别

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.阵列处理器2.Xilinx四、处理流程概述1.基于可重构阵列处理器的近数据计算结构：2.实现手写数字识别所用的CNN结构：3.实验效果分析与结论一、简介1.题目：基于近存储计算的手写数字识别实时检测阵列结构设计2.时间：2022.123.来源：JournalofOptoelectronics·La

要努力学习鸭·2023-01-12 08:57

文献阅读（2）：KNMC

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.近内存计算2.K-NN算法3.K-means算法四、处理流程概述1.KNMC硬件架构2.KNMC总调度流程3.设计空间探索一、简介1.题目：KNMC:基于近内存计算的k-NN和k-means加速器设计2.时间：2022.053.来源：JournalofChineseComputerSystems（

要努力学习鸭·2023-01-12 08:26

文献阅读（3）：Near-Memory Computing

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.不同计算机系统分类（早期、单核、多核、近内存计算、存算一体）2.设计空间探索（DSE）四、论文结构梳理1.对于一些主要NMC技术架构以及方案进行评估与分类2.近内存计算面临的挑战3.NMC设计空间探索4.总结以及未来研究方向一、简介1.题目：AReviewofNear-MemoryComputin

要努力学习鸭·2023-01-12 08:26

注意力机制

文章目录前言文献阅读摘要介绍结论二、注意力机制总结前言Thisweek,thepaperwhichdescribeseveraldeeplearningmodelsfrequentlyusedinsolvingtimeseriespredictionproblemshasbeenread.Theresultsshowthatlong-termmemoryandconvolutionalneural

hehehe2022·2023-01-12 06:39

文献阅读：Characterizing Label Errors: Confident Learning for Noisy-Labeled Image Segmentation

表征标签错误：对噪声标签图像分割的自信学习——MinqingZhang.MICCAI2020卷积神经网络(CNNs)以其强大的拟合能力在图像处理中取得了显著的性能。然而，如果训练数据被噪声标签所破坏，那么结果的性能可能会恶化。在医学图像分析领域，这种困境变得极其严重。这是因为医学图像标注总是需要医学专业知识和临床经验，这必然会引入主观性。在本文中，我们设计了一种基于师生架构的新型算法，用于噪声标签

qq_45697032·2023-01-11 17:52

文献阅读：医学图像配准的深度学习方法综述

本文介绍了医学图像配准在疾病诊断、手术引导和疾病治疗跟踪等方面具有重要应用价值。将深入介绍基于深度学习的医学图像配准现状和现存的配准方法技术，包括监督变换估计、无监督变换估计和使用生成对抗网络的配准方法。首先图像配准是图像处理的一个重要领域，配准指的是将两个或多个图像进行几何对齐，使源图像(移动图像)上的每一个点在目标图像(固定图像)上都有唯一的点与其对应，旨在寻找不同图像之间的空间变换关系，去除

qq_45697032·2023-01-11 17:22

文献阅读：Selective-Supervised Contrastive Learning with Noisy Labels

带有噪声标签的选择性监督对比学习——ShikunLi.CPVR2022摘要深度网络有很强的能力将数据嵌入到隐藏表征中并完成后续任务。然而，这些能力主要来自于高质量的标注标签，但收集成本很高。噪声标签更实惠，但会导致表征被破坏，从而导致泛化性能差。本文提出的选择性监督的对比学习（Sel-CL）扩展了监督对比学习（Sup-CL）。由于Sup-CL是以成对的方式进行工作，由噪声标签建立的噪声对会误导表征

qq_45697032·2023-01-11 17:22

文献阅读：图像分割技术研究综述

图像分割是图像识别的前提，其效率直接影响图像识别的质量。目前主要有四种基本的图像分割方法，分别为基于阈值的图像分割法、基于区域的图像分割法、基于边缘的图像分割法、超像素图像分割法。后面将对这四种方法进行介绍。首先研究背景，图像识别来源于模板匹配，从人类自身的视觉识别中演变而来。人类自身视觉识别的思路为，将眼前的物体和脑海中的印象进行对比，完成对眼前物体的定义。图像识别也是如此，对原图像提取特征，和

qq_45697032·2023-01-11 17:52

文献阅读：卷积神经网络在图像识别中的应用研究综述

图像识别是区分不同类别的图像，卷积神经网络(CNN)是完成图像识别任务的最佳算法之一，设计卷积神经网络的目的就是模仿人类的学习模式，通过对输入样本的训练与测试，由简到深地提取特征来区分样本。本文重点综述了卷积神经网络相关算法在人脸识别、人体动作识别、医疗图像处理和农业病虫害识别方面的应用及其优缺点。后面会对其进行介绍。卷积神经网络概述：卷积神经网络是一种前馈多层网络，信息的流动只有一个方向，即从输

qq_45697032·2023-01-11 17:19

10串口通信

51单片机学习记录10通信通信的的基本概念串口参数及时序图常用通信接口比较51单片机串口介绍串口通信简介串口内部结构串口通信相关寄存器串口通信实验串口向计算机发送数据计算机通过串口控制LED通信通信的的基本概念通信的方式通信方式具体解释串行通信一条数据线

饥饿的半导体·2023-01-11 15:42

时序建模的主要流程

一、收集、预处理数据收集：使用R包TSA的数据集，描述数据的基本统计特征【均值、方差、原始时序图】数据预处理：因为数据来源可靠，故针对数据预处理只做空缺值检查，其基本检测方法如下：根据时间起点与时间终点以时间粒度确定的总的时间点数

ccgkk·2023-01-11 15:40

时序图文献精度——2.2018-arXiv-Learning Dynamic Embeddings from Temporal Interaction Networks

LearningDynamicEmbeddingsfromTemporalInteractionNetworksAbstract表示学习为用户和物品属性的动态演变建模提供了一种有吸引力的解决方案，其中每个用户/物品可以嵌入到欧几里得空间中，其演变可以通过嵌入的动态变化来建模。在此，作者提出了一种耦合循环模型JODIE，从用户-项目交互序列中学习用户和项目的动态嵌入。JODIE有三个组件。首先，更新

头发没了还会再长·2023-01-11 10:00

时序图文献精度——3.2019-NeurlPS-Self-attention with Functional Time Representation Learning

Self-attentionwithFunctionalTimeRepresentationLearning1.Abstract为了弥合建模时间无关和时间相关事件序列之间的差距，作者引入了一个功能特征图，将时间跨度嵌入到高维空间中。通过构造相应的平移不变时间核函数，揭示了经典函数分析结果，即Bochner定理和Mercer定理下特征映射的函数形式。我们提出了几个模型来学习函数时间表示以及与事件表示

头发没了还会再长·2023-01-11 10:00

时序图文献精度——1.2018-KDD-Embedding Temporal Network via Neighborhood Formation

EmbeddingTemporalNetworkviaNeighborhoodFormationAbstract作者发现，在现有的研究中，以节点间顺序交互事件为特征的网络的完整时间形成过程还很少被建模，在这边文章中，作者引入邻域形成序列的概念来描述节点的演化，序列中的邻域之间存在时间激励效应，因此提出了一种基于Hawkes过程的时间网络嵌入(HTNE)方法，并且在实验上都取得了较好的结果。1.In

头发没了还会再长·2023-01-11 10:30

文献阅读（19）KDD2019-Predicting Dynamic Embedding Trajectory in Temporal Interaction Networks

本文是对《PredictingDynamicEmbeddingTrajectoryinTemporalInteractionNetworks》一文的浅显翻译与理解，原文章已上传至个人资源，如有侵权即刻删除。朋友们，我们在github创建了一个图学习笔记库，总结了相关文章的论文、代码和我个人的中文笔记，能够帮助大家更加便捷地找到对应论文，欢迎star~Chinese-Reading-Notes-of

学徒刘猛·2023-01-11 10:56

时序图文献精度——4.2019-KDD-Predicting Dynamic Embedding Trajectory in Temporal Interaction Networks

PredictingDynamicEmbeddingTrajectoryinTemporalInteractionNetworks该文章是对LearningDynamicEmbeddingsfromTemporalInteractionNetworks这篇文章的部分修正，修正部分如下在3.1Embeddingupdateoperation部分，对用户和商品两个RNN的嵌入学习中，公式进行了一定修正

头发没了还会再长·2023-01-11 10:24

单点登录SSO：图示和讲解

时序图绘出的所有服务端步骤，都在代码中逐一标注对应，跟踪调试代码就能两相对照，深入理解流程；跨域WebSSO的核心在于写cookie、URL传参策略。其参与对象多、逻辑分支繁杂也难倒很多人。

虎蔚智客工作室·2023-01-11 09:27

文献阅读课13-DSGAN: Generative Adversarial Training for （远程监督关系抽取，句子级去噪）

文章目录Abstract1.Introduction2.相关工作3AdversarialLearningforDistantSupervision3.1Pre-TrainingStrategy3.2GenerativeAdversarialTrainingforDistantSupervisionRelationExtraction3.3CleaningNoisyDatasetwithGenera

叶落叶子·2023-01-10 16:29

文献阅读常用工具

1常用网站1.1文献搜索网站常规文献搜索网站：谷歌学术、必应学术、百度学术特殊文献搜索网站researchgate：可以查看某个领域的最新文章，查看某个作者所发表的所有文章SemanticScholar：基于深度学习的文献搜索网站，能够查看引用论文的所有论文，以及和该论文相关的其他论文。可以查看该作者所有论文，以及经常合作论文的人。PubMed：可以看作semanticscholar的简版arXi

xinxiangwangzhi_·2023-01-10 10:25

文献阅读1：Deep Learning for Image Super-resolution: A Survey

DeepLearningforImageSuper-resolution:ASurvey1.介绍2.问题设置和术语3.有监督的超分放大3.1框架3.2上采样3.3网络设计3.4学习策略3.6先进的SR模型4.无监督的超分放大4.1零镜头4.2弱监督4.3深度图像先验5.特定领域的应用5.1深度图像5.2人脸图像5.3高光谱5.4真实世界5.5视频5.5.1一些方法5.6其他应用原文链接1.介绍2.

makxxl·2023-01-10 06:44

手写VIO --学习笔记 - Part1

目录一、VIO文献阅读二、四元数和李代数更新三、其他导数参考一、VIO文献阅读阅读VIO相关综述文献，回答以下问题：1、视觉与IMU进行融合之后有何优势？

昼行plus·2023-01-09 19:15

【FPGA】UART串口通信

文章目录一、通信方式1.串行通信2.并行通信二、UART串口通信1.模块设计与时序图2.代码实现三、测试结果1.仿真结果2.上板验证一、通信方式1.串行通信串行通信是指利用一条传输线将数据一位位地顺序传送

亦横·2023-01-09 15:24

2023.1.8 学习周报

文章目录摘要文献阅读1.题目2.摘要3.介绍4.论文主要贡献5.相关工作5.1序列感知的推荐系统5.2神经注意模型6.模型：ATTREC6.1序列推荐6.2基于Self-Attention的用户短期兴趣建模

MoxiMoses·2023-01-09 09:29

DRL经典文献阅读（一）：策略梯度理论（Policy Gradient, PG）

原文题目：PolicyGradientMethodsforReinforcementLearningwithFunctionApproximation作者：RichardS.Sutton,DavidMcAllester,SatinderSingh,YishayMansour发表时间：2000年主要内容：强化学习中使用函数近似的策略梯度方法。得出了策略梯度的表达式，进一步推导了使用函数近似情况下的计

二向箔不会思考·2023-01-09 07:33

基于Java springboot 疫情在线网课管理系统

作者主页超级帅帅吴欢迎点赞收藏⭐留言文末获取源码联系方式文章目录一、前言介绍1.1背景及意义1.2系统运行环境二、系统设计2.1系统架构设计2.2角色功能图2.3登录时序图设计三、功能截图3.1登录注册

超级帅帅吴·2023-01-09 03:51

什么神仙操作，用代码能画这样的图

不知道同学们画流程图或者时序图一般用的什么软件？Visio还是ProcessOn或者语雀？因为公司原因，在很多情况下，我一般用语雀画流程图或者思维导图。

·2023-01-08 13:37

《Learning from Protein Structure with Geometric Vector Perceptrons》文献阅读

本博文基于《LearningfromProteinStructurewithGeometricVectorPerceptrons》进行翻译讲解，该文章发表于2021年的ICLR，作者来自斯坦福大学。该文章认为大型生物分子的三维结构学习是机器学习的一个独特领域，但是还没有出现一个统一的网络架构，同时利用问题领域的几何和关系两个层面。为了解决这个问题，作者引入了几何向量感知器，它扩展标准的密集层来操作

Surpassall·2023-01-07 21:04

【文献阅读笔记】BoT-SORT: Robust Associations Multi-Pedestrian Tracking

BoT-SORT论文阅读摘要这篇文章提出一种新的鲁棒性前端跟踪器，结合了运动motion和外观appearance信息的优势，加入了相机运动补偿，以及更准确的卡尔曼滤波状态向量。1.introduction近年来对于多目标跟踪任务，tracking-by-detection正逐渐成为最有效的算法。基于检测的多目标跟踪算法包括目标检测和跟踪。跟踪通常由两个主要部分组成：（1）用于预测后续时刻帧的轨迹

Abstract_zhw·2023-01-07 08:18

【文献阅读笔记】StrongSORT: Make DeepSORT Great Again

StrongSORT:MakeDeepSORTGreatAgain摘要MOT方法大致可分为tracking-by-detection和joint-detection-association算法。对于跟踪精度而言，tracking-by-detection（先检测，通过相似度如位置、外观、运动等信息来关联检测框得到跟踪轨迹）仍然是最优解决方法。本文先回溯DeepSORT，从detection、emb

Abstract_zhw·2023-01-07 08:45

【文献阅读】GPT

ImprovingLanguageUnderstandingbyGenerativePre-Training方法部分：文章工作：无监督的预训练+有监督的参数微调目的：是学习出普适性的表征，可以在只做一点点调整的情况下(不改变模型结构)应用于更大范围的task(包括自然语言推理，转述检测，故事补全)使用的模型：Transformer实现的效果：高效的参数微调，适应长语句序列的学习原理部分：实验部分：

Atopos_Yu·2023-01-06 16:38

文献阅读：(CVPR2021)Objects are Different: Flexible Monocular 3D Object Detection

ObjectsareDifferent:FlexibleMonocular3DObjectDetection目录ObjectsareDifferent:FlexibleMonocular3DObjectDetection1.摘要2.具体实现2.1定义问题3DLocation2.2网络框架以CenterNet作为框架基础2.3如何处理正常对象和截断对象2.4视觉特性的回归2.5自适应深度集成实验部分

潜沉10·2023-01-06 15:50

船只检测文献阅读——第二期

第二次文献阅读来了！这一期还是包括了一些近两年来的船只检测文章，大家如果有感兴趣的可以继续阅读喔~这一期稍微有点少，是因为在忙别的事情同时我阳了。

我要当太空人！爸爸妈妈可高兴了·2023-01-06 15:30

在Markdown中绘制思维导图

Mermaid是一个用于画思维导图、流程图、状态图、时序图、甘特图等图的工具，使用JavaScript进行本地渲染。虽然Mermaid暂不支持思维导图的绘制，但是可通过绘制流程图来替代简单的思维导图。

强强学习·2023-01-06 13:01

[文献阅读]——Deep contextualized word representations

目录引言模型BiLMELMo有监督NLP任务预训练模型评估分析补充材料引言高质量的单词表示注重建模单词的语法、语义特征（由浅层网络捕捉）单词的上下文特征（一词多义、polysemy）（由深层网络捕捉）传统的词嵌入:通过整个输入句子的函数，来给每一个token分配一个向量表示（what?只支持单一的、上下文无关的词向量表示改进的词嵌入:使用子词信息来丰富特征给每一个wordsense而不是word学

Muasci·2023-01-06 13:57

[文献阅读]——CLINE: Contrastive Learning with Semantic Negative Examples for NLU

前言为了解决PLM的低鲁棒性，前人工作的首要目的在于，小幅度改变输入，但不改变标签，存在的问题是：由于NLP的离散性，小幅度的改变可能带来语义上面的很大变化，先前的方法在提高鲁棒性的同时，对于语义的变化不敏感。本文的贡献：采用先导实验验证了前人工作中存在的问题提出了一个既能提高PLM鲁棒性又能提高敏感度的训练方法方法样例的生成给定一个原始句子xorix^{ori}xori，使用spaCy进行分词，

Muasci·2023-01-06 12:47

文献阅读--FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping

本文设计了一个Byzantine-robust（能够抵御投毒攻击）的联邦学习框架。在此Fed框架中，每一轮梯度聚合前，server端会先计算global模型在rootdataset（server额外收集的干净的数据集，大小为100即可）上的梯度，然后通过计算该梯度和各client上传的梯度的角度获取TS（信任分数），并进行幅值的缩放，有效地降低了上传投毒梯度的client所造成的影响。目录1问题2

学渣渣渣渣渣·2023-01-06 09:27

文献阅读和汇报方法整理

需要做的笔记这一篇里提到的一些关于读论文需要关注的东西以下为参考这篇博客的记录初学者读论文找30-40篇相关论文，只读abstract和introduction，尝试回答以下问题：（1）在这领域内最常被引述的方法有哪些？（2）这些方法可以分成哪些主要派别？（3）每个派别的主要特色（含优点和缺点）是什么？读论文方法1、每次读完文献（不管是细读还是粗读），合上文献后想想看，文章最重要的takehome

搭车去柏林<‘^′>·2023-01-06 08:52

文献阅读记录——Masked Generative Distillation

仅对文章大致的方法做个记录。先给出论文和代码的链接：https://github.com/yzd-v/MGD这篇论文讲的是一个通用于各种视觉任务的知识蒸馏方法，因为它属于特征模仿类的知识蒸馏方法。所谓的特征模仿，就是要让学生网络的某一个或几个特征图去模仿对应的教师网络的特征图，从数学表达式上来说，就是计算学生网络特征图和教师网络特征图均方误差，如下所示：其中F表示特征图，T表示教师，S表示学生，函

一名奇怪的玩家·2023-01-06 02:03

Android input 事件分发 -- InputManagerService 初始化

InputManagerService初始化InputManagerService作为Android系统级服务也是在systemServer里面进行初始化的，话不多说先上一张图时序图frameworks

干一行，爱一行·2023-01-05 18:44

【NLP】怎样阅读NLP论文 && 如何做好文献阅读及笔记整理

【参考：怎样阅读NLP论文_哔哩哔哩_bilibili】【参考：如何阅读NLP论文笔记_12Struggle的博客-CSDN博客】【参考：怎样阅读NLP论文_百度搜索】【参考：如何做好文献阅读及笔记整理

myaijarvis·2023-01-05 10:42

数字IC笔面基础，项目常用IP——双口RAM（简介及Verilog实现）

双口RAM简介及Verilog实现写在前面的话双口RAM简介伪双口RAM框图：（XilinxFPGA）真双口RAM框图：（XilinxFPGA）RAM读写时序图伪双口RAM读写实列简单的双口RAM的Verilog

HFUT90S·2023-01-05 09:06

UC3842/UC3843 PWM时序图详细分析

下面是UC3842/UC3843的内部框图和时序图，并对时序图进行补充分析：R,S触发器的真值表：SR/Q00保持10001111逻辑错误R连接到电流采样比较器的输出端，当电流采样比较器的正向端电压比反向端的电压高时

码农u号·2023-01-04 21:02

蓝桥杯嵌入式学习笔记----基于STM32G431RB---iic

二，24C02芯片1.写操作（时序图和参考代码）voidiic_24c02_write(unsignedchar*pucbuff,unsignedcharucAddr,unsig

句号388·2023-01-04 15:38

等时替代模型（ Isotemporal Substitution Model）

特点（三）传统ISM（四）成分ISM1.基础理论1）成分数据的代数空间——单形空间(simplex)2）等距对数比(isometriclogratio,ilr)变换[^4]2.成分ISM分析过程二、相关文献阅读

姚巨龙·2023-01-03 18:36

时序图循环_循环神经网络：BPTT算法、梯度消失、梯度爆炸

符号定义和解释首先说明这里的推导采用的符号如下图所示：其中：是第t个时刻的输入是第t个时刻隐藏层的状态是第t个时刻的输出，比如如果我们想要预测下一个词是什么，那么可以认为计算方式为，其中的函数f代表一个非线性函数，比如tanh或者ReLU第1个时刻对应的输入通常初始化为零向量是循环神经网络的参数，所有时刻共享，这在很大程度上减少了参数数量如何理解是隐藏层的状态，可以把看成循环神经网络的记忆，通过可

weixin_39585070·2023-01-03 08:01

TGAT：INDUCTIVE REPRESENTATION LEARNING ON TEMPORAL GRAPHS 论文笔记

INDUCTIVEREPRESENTATIONLEARNINGONTEMPORALGRAPHS摘要简介TGAT框架TimeEncoding函数时序图注意力层（TGATlayer）如果边上有不同的特征实验实验设置

年年年年年·2023-01-03 08:01

时序图学习

时序图时序图是很值的学习的，在梳理逻辑或者向领导汇报的时候很有用。我觉得以下两个时序图具有学习意义，一个是简洁版的，一个是复杂版的。各位可以参照这两个图来画自己公司的时序图。

中二的灰太狼·2023-01-03 08:01

推荐频道

文献阅读——时序图