Adaptation)

深度学习中的Dropout

1Dropout概述1.1什么是Dropout在2012年，Hinton在其论文《Improvingneuralnetworksbypreventingco-adaptationoffeaturedetectors
智慧医疗探索者·2023-12-25 09:06

每周文献 2022-02-19

文章题目：Alternativesplicinginseasonalplasticityandthepotentialforadaptationtoenvironmentalchange(季节可塑性中的选择性剪接和适应环境变化的潜力
杨博士聊生信·2023-12-25 04:12

【最优传输论文八】Optimal Transport for Multi-source Domain Adaptation under Target Shift

摘要在本文中，解决了减少多个领域之间差异的问题，即多源领域自适应，并在目标转移假设下进行考虑：在所有领域中，目标是解决具有相同输出类别但具有不同标签比例的分类问题。提出的方法基于最优传输，引入的联合类比例和最优传输（JCPOT）方法通过学习未标记目标样本的类概率和允许对齐两个（或更多）概率分布的耦合，同时执行多源自适应和目标偏移校正。在合成和真实世界数据（卫星图像像素分类）任务上的实验表明，所提出
羊驼不驼a·2023-12-24 16:44

【高光谱一】2022 TGRS Confident Learning-Based Domain Adaptation for Hyperspectral Image Classification

1.motivation跨域高光谱图像分类是遥感领域面临的主要挑战之一。为了获得更好的统计一致性，现有方法以无监督的方式使用整个未评估的目标数据，这可能会引入噪声并限制神经网络的可判别性。在本文中，提出了基于置信学习的领域自适应(CLDA)从数据操作的新角度来解决这个问题。为此，提出了一种新的框架，将领域自适应与置信学习相结合，前者减少域间差异并为目标实例生成伪标签，后者从中选择高置信度的目标样本
羊驼不驼a·2023-12-24 16:14

【域适应十三】2023-CVPR Patch-Mix Transformer for Unsupervised Domain Adaptation: A GamePerspective

1.motivation最近，很多工作致力于利用视觉转换器(ViT)来完成具有挑战性的无监督域适应(UDA)任务。它们通常采用ViT中的CrossAttention进行直接的域对齐（CDTrans）。然而，由于CrossAttention的性能高度依赖于目标样本的伪标签质量，当域间隙较大时，域对齐的效果就会降低。为了解决这一问题，本文从博弈的角度，提出了一个被称为PMTrans的模型，用一个中间域
羊驼不驼a·2023-12-24 16:13

【最优传输论文笔记一】Optimal Transport for Domain Adaptation

前言在本文中，提出了一个正则化的无监督最优传输模型来执行源域和目标域的表示对齐。学习了一个匹配两个概率密度函数（PDF）的传输计划，它约束源域中同一类的标记样本在传输过程中保持接近。这样，我们同时利用源中的标记样本和在两个域中观察到的分布。1.introduce一些理论工作强调了域的数据概率分布函数之间的散度所起的作用。因此文章提出了符合最少努力原则的源数据转换，即相对于转换成本或度量的影响最小。
羊驼不驼a·2023-12-24 16:43

【基础论文笔记二】Transfer Learning with Dynamic AdversarialAdaptation Network(2019 ICDM)动态对抗适应网络的迁移学习论文笔记

背景现有的对抗性领域自适应方法要么学习单个领域鉴别器来对齐全局源和目标分布，要么关注基于多个鉴别器的子域对齐。然而，在实际应用中，域之间的边际（全局）分布和条件（局部）分布对适应的贡献往往不同。在本文中，作者提出了一种新的动态对抗性自适应网络（DAAN）来动态学习域不变表示，同时定量评估全局和局部域分布的相对重要性。DAAN架构在DAAN中，高级特征f由特征提取器（Gf，蓝色部分）提取。然后，分别
羊驼不驼a·2023-12-24 16:43

【论文笔记四2019 CVPR】Domain-Symmetric Networks for Adversarial Domain Adaptation (SymNets) 用于对抗域自适应的域对称网络

摘要深度网络通过对抗训练学习域不变性特征，但域自适应技术在源域和目标域实现类别层级的对齐仍然是有限的。本文提出了SymNets模型在对齐源域和目标域的边缘分布的同时也增强了对两个域中条件分布的对齐，从而实现类别层级的对齐。在领域自适应中源域和目标域上的任务是一致的，为此SymNets设计了一个对称的任务分类器结构，也就是说传统的分类器是有K个神经元对应K个类别，而SymNets为源域和目标域分别设
羊驼不驼a·2023-12-24 16:43

【基础论文笔记一】(2018 NIPS)Conditional Adversarial Domain Adaptation CDAN条件对抗域适应

目录一、CDAN结构二、多线性调整三、熵调整四、总体优化目标前言对抗性学习已被嵌入到深层网络中，用于学习解纠缠和可转移的领域适应表示。在分类问题中，现有的对抗性域自适应方法可能无法有效地对齐多模态分布的不同域。作者指出当前一些对抗域适应方法仍存在三个问题：1.只考虑了特征对齐，没有考虑标签对齐。2.当数据分布体现出复杂的多模态结构时，对抗性自适应方法可能无法捕获这种多模态结构，也就是说即使判别器完
羊驼不驼a·2023-12-24 16:13

【prompt一】Domain Adaptation via Prompt Learning

1.Motivation当前的UDA方法通过对齐源和目标特征空间来学习域不变特征。这种对齐是由诸如统计差异最小化或对抗性训练等约束施加的。然而，这些约束可能导致语义特征结构的扭曲和类可辨别性的丧失。在本文中，引入了一种新的UDA提示学习范式，即通过提示学习进行领域适应(DAPL)。使用了预训练的视觉语言模型，并且只优化了很少的参数。主要思想是将领域信息嵌入到提示中，这是一种由自然语言生成的表示形式
羊驼不驼a·2023-12-24 16:11

LoRA模型原理

为优化时间、资源成本，LLM普遍使用的参数高效微调方法（简称PEFT）：LoRA（Low-RankAdaptation，低秩适配器）方法，其本质就是：基于低秩适应矩阵来调整源领域和目标领域之间的特征表示
zzZ_CMing·2023-12-22 16:35

【大模型】1、LoRA | 大模型高效微调技术

文章目录一、背景1.1什么是秩1.2为什么要用低秩二、方法三、效果论文：LORA:LOW-RANKADAPTATIONOFLARGELANGUAGEMODELS代码：https://github.com
呆呆的猫·2023-12-22 13:37

从头开始实现LoRA以及一些实用技巧

LoRA是Low-RankAdaptation或Low-RankAdaptors的缩写，它提供了一种用于对预先存在的语言模型进行微调的高效且轻量级的方法。LoRA的主要优点之一是它的效率。
机器学习社区·2023-12-21 14:26

BOOST_FUSION_ADAPT_STRUCT

BOOST_FUSION_ADAPT_STRUCT是Boost库中Fusion库提供的一个宏，用于简化结构体（或类）与Fusion库中序列的适配（Adaptation）过程。
qq_40178082·2023-12-20 15:21

DA（语义分割2）ADVENT: Adversarial Entropy Minimization for Domain Adaptation in Semantic Segmentation

ADVENT:AdversarialEntropyMinimizationforDomainAdaptationinSemanticSegmentation来源：CVPR2019作者：Tuan-HungVu
西瓜_f1c9·2023-12-20 13:13

我对迁移学习的一点理解——领域适应（系列3）

文章目录1.领域适应（DomainAdaptation）的基本概念2.领域适应（DomainAdaptation）的目标3.领域适应（DomainAdaptation）的实现方法4.领域适应（DomainAdaptation
小桥流水---人工智能·2023-12-19 08:02

【迁移学习论文四】Multi-Adversarial Domain Adaptation论文原理及复现工作

Multi-AdversarialDomainAdaptation多对抗域适应前言好久没有更新了，所以这周开始记录下来，也好督促自己。记录本人预备研究生阶段相关迁移学习论文的原理阐述以及复现工作。
一个很菜的小猪·2023-12-17 14:15

使用Pytorch从零开始构建LoRA

LoRA是Low-RankAdaptation或Low-RankAdapters的缩写，它提供了一种高效且轻量级的方法来微调预先存在的语言模型。
Garry1248·2023-12-17 07:47

如何使用Key User Tool扩展SAP S/4HANA Fiori UI

(1)GototheFioriUIwhereyouwouldliketoenhance,andenteradaptationmodebyclickingthisicon:(2)Click"AdaptUI
JerryWang_汪子熙·2023-12-16 09:01

LoRA（Low-Rank Adaptation）

LoRA（Low-RankAdaptation）LoRA（Low-RankAdaptation）是一种针对深度学习模型的参数调整方法，特别适用于大型预训练模型如GPT-3或BERT。
h52013141·2023-12-15 22:30

VisDA比赛规则

multi-sourcedomainadaptation数据集在multi-sourcedomainadaptationchallenge中，我们可以使用Infograph,Quickdraw,和Real
longlong9·2023-12-15 14:29

一文带你UI界面玩转ChatGLM以及Llama的微调

Lora微调的概念：lora是Low-RankAdaptation的缩写，是微软的Hu等人于2021年挂在ArXiv上（后又发表在ICLR2022上）的一篇论文《LoRA:Low-RankAdaptationofLargeLanguageModels
梅渍小番茄·2023-12-15 13:23

【论文阅读】LoRA: Low-Rank Adaptation of Large Language Models

code：GitHub-microsoft/LoRA:Codeforloralib,animplementationof"LoRA:Low-RankAdaptationofLargeLanguageModels
李加号pluuuus·2023-12-15 09:32

清华发布LCM-LoRA模型：图像生成速度提升10倍，下载量破20万

技术实现LCMLoRA模型的核心在于其独特的LoRA（Low-RankAdaptation）技术。
努力犯错·2023-12-14 13:40

模型微调技术

ParameterEfficientFineTuning(PEFT)和LowRankAdaptation(LoRA)是2种非常重要的模型微调方法。
LANWENBING·2023-12-06 21:13

基因组注释流程

详细教程请访问：组学分析流程本期分析流程Hisat2-SamtoolsTrinity_GG_denovoPASA…本期教程文章题目：Genomicinsightsintolocaladaptationandfutureclimate-inducedvulnerabilityofakeystoneforesttreeinEastAsiaHisat2
小杜的生信筆記·2023-12-05 21:44

跟着Nature Communications学习Hisat-Trinity-PASA等分析流程

详细教程请访问：组学分析流程本期分析流程Hisat2-SamtoolsTrinity_GG_denovoPASA…本期教程文章题目：Genomicinsightsintolocaladaptationandfutureclimate-inducedvulnerabilityofakeystoneforesttreeinEastAsiaHisat2
小杜的生信筆記·2023-12-05 21:43

用自己的数据集实战CycleGAN

CycleGAN的一个重要应用领域是DomainAdaptation（域迁移：可以通俗的理解为画风迁移），比如可以把一张普通的风景照变化成梵高化作，或者将游戏画面变化成真实世界画面等等（如图1）。
Cherry330·2023-12-05 15:05

【自然语言处理】【大模型】VeRA：可调参数比LoRA小10倍的低秩微调方法

VeRA：可调参数比LoRA小10倍的低秩微调方法《VeRA：Vector-basedRandomMatrixAdaptation》论文地址：https://arxiv.org/pdf/2310.11454
BQW_·2023-12-04 02:32

Prefix-Tuning 论文概述

：优化生成的连续提示前言摘要论文十问实验数据集模型实验结论摘要任务泛化性能前缀调优：优化生成的连续提示前言大规模预训练语言模型(PLM)在下游自然语言生成任务中广泛采用fine-tuning的方法进行adaptation
江小皮不皮·2023-12-04 00:39

大模型轻量化技术调研

笔记，仅供参考，未完大模型轻量化技术调研1.调研论文1.1汇总1.2详细介绍MODELCOMPRESSIONVIADISTILLATIONANDQUANTIZATIONLORA:LOW-RANKADAPTATIONOFLARGELANGUAGEMODELSSuccessivePruningforModelCompressionViaRateDistortionTheoryTowardsaUnifi
小薯条T·2023-11-30 02:37

安卓横竖屏切换后，应用只展示半屏问题 AndroidAutoSize

项目使用的是这个屏幕适配框架：GitHub-JessYanCoding/AndroidAutoSize:Alow-costAndroidscreenadaptationsolution(今日头条屏幕适配方案终极版
kaixuan_dashen·2023-11-28 08:02

TTS语音合成综述

TTS深度学习模型tacotron(中文语音合成)（对网络结构描述较好）NeuralSpeechSynthesiswithTransformerNetwork开源代码百度deepvoice3SpeakeradaptationIfyouhaveverylimiteddata
xys430381_1·2023-11-24 21:25

New Phytologist | 解析无细胞壁“裸藻”超级生命力的分子遗传机制

，深圳华大生命科学院联合德国马普所在NewPhytologist在线发表了题为“Chromosome-levelgenomeofPedinomonasminor(Chlorophyta)unveilsadaptationstoabioticstressinarapidlyfluctuatingenvironment
尐尐呅·2023-11-22 19:43

适用于 Android 初学者的 Dagger 2 - 进阶第二部分

IntroductionDaggerisafullystatic,compile-timedependencyinjectionframeworkforbothJavaandAndroid.Itisanadaptationo
PekingVagrant·2023-11-22 08:15

DA（语义分割6）Domain Adaptation for Structured Output via Discriminative Patch Representations

DomainAdaptationforStructuredOutputviaDiscriminativePatchRepresentations数据集：GTA5toCityscapes，SYNTHIAtoCityscapes
西瓜_f1c9·2023-11-21 06:00

【论文合集】Awesome Segmentation Domain Adaptation

图像分割领域适应相关论文目录Semi-supervisedDAWeakly-SupervisedDAUnsupervisedDASurveyTheoryExplainableTransferLearningParadigmsObjectDetectionSemanticSegmentationLibraryLecturesandTutorials参考Semi-supervisedDAConfere
m0_61899108·2023-11-21 02:46

10018.通讯词汇

AAL2(ATMAdaptationLayertype2)第2类ATM适配层ACCS(automatedcallingcardservice)自动的呼叫卡服务ACELP(Algebraic-Code-Excited
sealedxlmg·2023-11-16 01:56

MyBatis之适配不同数据库

productName可以通过SqlSession获取，获取方式：Java之获取SqlSession和ProductNamepackagecom.qdbeiqi.bpm.domain.visitor.db.adaptation
会功夫的李白·2023-11-14 17:48

CoTTA:连续的测试时域自适应方法

文章信息论文题目为《ContinualTest-TimeDomainAdaptation》，该文于2022年发表于ConferenceonComputerVisionandPatternRecognition
当交通遇上机器学习·2023-11-14 10:35

概念解析 | LoRA:低秩矩阵分解在神经网络微调中的魔力

本次辨析的概念是:基于低秩矩阵分解的神经网络微调方法LoRALoRA:低秩矩阵分解在神经网络微调中的魔力Low-RankAdaptationofLargeLanguageModelsLoRA由如下论文提出
R.X. NLOS·2023-11-14 06:53

论文阅读：xMUDA: Cross-Modal Unsupervised Domain Adaptationfor 3D Semantic Segmentation

题目：xMUDA：跨模态无监督域自适应的3D语义分割来源：2020CVPR重点和自己的理解（加粗）表示，如有不对欢迎探讨，其余主要是翻译~0、引言无监督域适应(UDA)对于解决新域中缺少注释的问题至关重要。有许多多模态数据集，但大多数UDA方法都是单模态的。在这项工作中，我们探索如何从多模态中学习并提出跨模态UDA(xMUDA)，我们假设存在用于3D语义分割的2D图像和3D点云。这是具有挑战性的，
shiyueyueya·2023-11-10 09:24

传音影像团队图像超分辨领域的论文被国际计算机视觉顶级会议ICCV 2023录用

传音影像团队与哈尔滨工业大学机器学习研究中心合作完成的图像超分辨领域的论文“MetaF2N:BlindImageSuper-ResolutionbyLearningEfficientModelAdaptationfromFaces
IT观察·2023-11-09 21:37

论文阅读——Detection Hub（cvpr2023）

DetectionHub:UnifyingObjectDetectionDatasetsviaQueryAdaptationonLanguageEmbedding一、要解决的问题大规模数据集可以提高模型性能
じんじん·2023-11-09 06:58

ADVENT: Adversarial Entropy Minimization for Domain Adaptation in Semantic Segmentation(CVPR2019）

VuTH,JainH,BucherM,etal.Advent:Adversarialentropyminimizationfordomainadaptationinsemanticsegmentation
odss·2023-11-05 05:40

极其简单的Flutter 屏幕适配

Alow-costFlutterscreenadaptationsolution（一个极低成本的Flutter屏幕适配方案）一概述由于Flutter的应用场景很多，不只是android还有ios以及web
qq_33408235·2023-11-04 08:25

FFmpeg解析TS私有文本流

代码做的事情主要是：跳过TS头部4个字节，跳过adaptation填充字节，然后跳过PES的头部，最后找到ES的Payload。
iChenwin·2023-11-04 06:39

迁移学习

DomainAdaptation经典的机器学习问题中，训练集和测试集分布一致，这样我们在训练集上训练模型，在测试集上测试，比较容易得到测试准确度高的机器学习模型。
小菜变大菜·2023-11-03 23:08

Evolving with AR9582: MFC900M - A Legacy of Connectivity and Adaptation

EvolvingwithAR9582:MFC900M-ALegacyofConnectivityandAdaptationIntheever-evolvinglandscapeoftechnology,
wallyslilly·2023-11-03 20:42

适应还是不适应？语义分割的实时自适应方法

Real-TimeAdaptationforSemanticSegmentation》，该文于2023年发表于IEEE/CVFInternationalConferenceonComputerVision
当交通遇上机器学习·2023-11-02 09:42
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他