Learning公开课第74页

哈佛大学公开课《幸福课》笔记

目录概述第一讲什么是积极心理学第二讲为何研究积极心理学？第三讲幸福是一种随机现象吗？第四讲积极的环境可以改变人第五讲环境的力量第六讲乐观主义第七讲逆境还是机遇第八讲感激第九讲改变第十讲如何去改变第十一讲养成良好的习惯第十二讲写日记第十三讲面对压力第十四讲过犹不及第十五讲完美主义第十六讲享受过程第十七讲运动与冥想第十八讲睡眠、触摸和爱情的重要性第十九讲如何让爱情地久天长一、努力。努力是世界上最成功的

vcjmhg·2023-11-10 19:49

怎样克服上公开课的心里恐惧？

3.日常模拟公开课平时上课最好按照公开课的标准去进行，及时发现问题及时纠正，熟悉之后就有把握。4.将教学设计打印粘贴到课本上万一中途卡顿，低头扫一眼即可，很自然毫不突兀。5.放平心态做不好也没关系！

DoctorLeo·2023-11-10 19:12

前端学习之路

转载自：https://github.com/qiu-deqing/FE-learning必备基础技能前端技能汇总（https://github.com/JacksonTian/fks）这个项目详细记录了前端工程师牵涉到的各方面知识

Rki-dor·2023-11-10 19:31

【JAVA学习笔记】66 - 本章作业（IO流）

项目代码https://github.com/yinhai1114/Java_Learning_Code/tree/main/IDEA_Chapter19/src/com/yinhai/homework1

yinhai1114·2023-11-10 17:01

【JAVA学习笔记】64 - 坦克大战1.4，限制坦克发射子弹，敌方击中我方坦克爆炸

项目代码https://github.com/yinhai1114/Java_Learning_Code/tree/main/IDEA_Chapter18/src/com/yinhai/tankgame1

yinhai1114·2023-11-10 17:31

【JAVA学习笔记】65 - 文件类，IO流--节点流、处理流、对象流、转换流、打印流

项目代码https://github.com/yinhai1114/Java_Learning_Code/tree/main/IDEA_Chapter19/src/com/yinhai文件一、文件，流文件

yinhai1114·2023-11-10 17:31

A Tutorial on Energy-Based Learning（机器学习能量模型）学习记录

1，Introduction其中Y是标签，X是输入。基于能量的机器学习模型即是寻找这样一个函数，和输入数据越接近，能量越小。给定一个输入，最好的模型即是对应的Y的值是真实值，这个真实值的能量是最小的。此模型可以做的工作有：预测、Ranking、Detection、条件概率密度估计。上图是Gibbs分布，用这个函数可以进一步的将能量函数，转换为给定X情况下Y的不同取值的概率的计算公式。因此，一般基于

qq_30362711·2023-11-10 17:30

【JAVA学习笔记】67 - 坦克大战1.5 - 1.6，防止重叠，记录成绩，选择是否开新游戏或上局游戏，播放游戏音乐

项目代码https://github.com/yinhai1114/Java_Learning_Code/tree/main/IDEA_Chapter20/src增加功能1.防止敌人坦克重叠运动2.记录玩家的成绩

yinhai1114·2023-11-10 17:50

收藏 | 机器学习模型与算法最全分类汇总！

机器学习Author：louwillMachineLearningLab本文总共涉及了26种机器学习模型与算法，几乎涵盖了全部主流的机器学习算法。

louwill12·2023-11-10 15:12

TensorFlow: An open-source software library for Machine Intelligence

Google开源的机器学习软件包项目主页：https://www.tensorflow.org/Github主页：GitHub-tensorflow/tensorflow:AnOpenSourceMachineLearningFrameworkforEveryone

AI算法攻城狮·2023-11-10 15:06

人工智能大讲堂·2023-11-10 14:21

Deep Reinforcement Learning --- Value Based Methods --- Chapter 2-2 Deep Q-Networks

DeepReinforcementLearning—ValueBasedMethods—Chapter2-2DeepQ-Networks2.2.1FromRLtoDeepRL Sofar,you’vesolvedmanyofyourownreinforcementlearningproblems

小朱智能驾驶·2023-11-10 14:05

Reinforcement Learning with Code 【Code 4. Vanilla DQN】

ReinforcementLearningwithCode【Code4.VanillaDQN】ThisnoterecordshowtheauthorbegintolearnRL.Boththeoreticalunderstandingandcodepracticearepresented.ManymaterialarereferencedsuchasZhaoShiyu

木心·2023-11-10 14:32

《Grokking Deep Reinforcement Learning》笔记（Chapter 8-10）

《GrokkingDRL》笔记（Chapter8-10）第8-10章重点讲解了基于值的RL算法。Chapter8本书依然聚焦于强化学习问题中智能体与环境交互之后得到的feedbacksignal的形式，前7章包含了sequentialandevaluativefeedback，而DRL的目标是构建一个能够从sequential,evaluativeandsampledfeedback中学习的智能体

RavenRaaven·2023-11-10 14:02

CV计算机视觉每日开源代码Paper with code速览-2023.11.7

【基础网络架构】UnderstandingDeepRepresentationLearningviaLayerwiseFeatureCompressionandDiscrimination论文地址：https

CV51·2023-11-10 13:13

[TOG2021](DECA)Learning an Animatable Detailed 3D Face Model from In-The-Wild Images

标题：LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImages链接：https://arxiv.org/pdf/2012.04012DECA

深蓝蓝蓝蓝蓝·2023-11-10 11:43

【3d face reconstruction】DECA论文阅读

题目：LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImages（ACMTrans.Graph.2021）单位：MaxPlanckInstitution

一无所知的kiddo·2023-11-10 11:39

Learning an Animatable Detailed 3D Face Model from In-The-Wild Images

0、摘要虽然现有的单目3D人脸重建的方法可以重建精细的几何细节，但是他们都有一些限制。一些方法重建出的人脸无法逼真的动画化，因为他们没有模拟出皱纹如何随着表情变法化而变化。其他的一些方法是在高质量的脸部扫描数据集上训练的，在现实图片（in-the-wildimages）中效果并不是很好。in-the-wildimages：计算机视觉领域的术语，用于描述现实世界中的图像，通常指的是非受控制的、具有多

冬青庭院·2023-11-10 11:37

3D人脸重建之DECA

论文：LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImagesGithub：https://github.com/YadiraF/DECA

watersink·2023-11-10 11:36

单目3D人脸重建DECA

代码已开源DECA:LearninganAnimatableDetailed3DFaceModelfromIn-the-WildImages单位|马普所论文|https://files.is.tue.mpg.de

AI视觉网奇·2023-11-10 11:03

Learning an Animatable Detailed 3D Face Model from In-The-Wild Images论文笔记

LearninganAnimatableDetailed3DFaceModelfromIn-The-WildImages论文笔记论文目标:提出一个端到端的框架,可以从非受控的图片中学习高质量、可动画的3D

binlin1209·2023-11-10 10:28

C/C++区别

本文主要参考了C++标准委员会出品的Mix-c-and-cpp和LearningC++ifyoualreadyknowC两个链接对应的一些问答内容，加上我个人的理解完成。

自由如风呼呼呼·2023-11-10 10:27

Azure - 机器学习：自动化机器学习中计算机视觉任务的超参数

AzureMachineLearning借助对计算机视觉任务的支持，可以控制模型算法和扫描超参数。这些模型算法和超参数将作为参数空间传入以进行扫描。关注TechLead，分享AI全维度知识。

TechLead KrisChang·2023-11-10 07:45

多模态系列论文--CLIP 详细解析

论文链接：LearningTransferableVisualModelsFromNaturalLanguageSupervision（通过自然语言处理的监督信号，学习可迁移的视觉模型）.代码链接：CLIP.CLIP

CV温故知新·2023-11-10 02:32

open clip论文阅读摘要

看下openclip论文LearningTransferableVisualModelsFromNaturalLanguageSupervisionTheseresultssuggestthattheaggregatesupervisionaccessibletomodernpre-trainingmethodswithinweb-scalecollectionsoftextsurpassesth

XianxinMao·2023-11-10 02:59

Visual Interpretability for Deep Learning: a Survey

VisualInterpretabilityforDeepLearning:aSurvey----《深度学习的视觉可解释性:综述》摘要本文回顾了最近在理解神经网络表示以及学习具有可解释性/解耦的中间层表示的神经网络方面的研究

今我来思雨霏霏_JYF·2023-11-10 01:01

论文笔记系列-Neural Network Search ：A Survey

论文笔记系列-NeuralNetworkSearch：ASurvey论文笔记NASautomlsurveyreviewreinforcementlearningBayesianOptimizationevolutionaryalgorithm

aiwanghuan5017·2023-11-10 01:17

论文笔记：CVPR2021 Bottom-Up Shift and Reasoning for Referring Image Segmentation

方法比较vision-and-languageapproachesbasedontheirdesigningprinciples,（1）multimodalfusionandrepresentationlearning

_击空明兮溯流光_·2023-11-09 23:44

文献阅读（基于TrAdaBoost- LSTM算法对大规模连续水质缺失值）与TradaBoost算法的学习

文章目录一.AtransferLearning-BasedLSTMstrategyforimputingLarge-Scaleconsecutivemissingdataanditsapplicationinawaterqualitypredictionsystem

HSR CatcousCherishes·2023-11-09 22:28

一天吃透分布式事务八股文

SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等核心知识点，欢迎star~Github地址：https://github.com/Tyson0314/Java-learning

程序员大彬·2023-11-09 21:24

一天吃透MySQL锁面试八股文

SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等核心知识点，欢迎star~Github地址：https://github.com/Tyson0314/Java-learning

程序员大彬·2023-11-09 21:54

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

7个UI设计必备课程，小白必看！

1、即时设计公开课即时设计

UI设计喵·2023-11-09 19:06

RCL-Learning:基于ResNet和卷积长短期记忆的时空空气污染物浓度预测模型

ABSTRACT大气污染物浓度预测是预防污染事件发生的有效方法，为空气中有害物质提供预警。准确预测大气污染物浓度可以更有效地控制和预防大气污染。本研究采用大数据关联原理和深度学习技术建立PM2.5浓度预测模型。该模型包括基于残差神经网络(ResNet)的深度学习网络模型和基于卷积长短期记忆(ConvLSTM)的深度学习网络模型。利用ResNet深度提取多个城市污染物浓度的空间分布特征和气象数据。将

流浪的诗人，·2023-11-09 18:44

论文阅读_深度学习的医疗异常检测综述

英文题目：DeepLearningforMedicalAnomalyDetection-ASurvey中文题目：深度学习的医疗异常检测综述论文地址：https://arxiv.org/pdf/2012.02364

xieyan0811·2023-11-09 17:45

大语言模型(LLM)综述(五)：使用大型语言模型的主要方法

ASurveyofLargeLanguageModels前言6UTILIZATION6.1In-ContextLearning6.1.1提示公式6.1.2演示设计6.1.3底层机制6.2Chain-of-ThoughtPrompting6.2.1CoT

青云遮夜雨·2023-11-09 14:40

文本标注平台doccano的搭建

Github：GitHub-doccano/doccano:Opensourceannotationtoolformachinelearningpractitioners.Websit

晨雨初听雪楼雨·2023-11-09 14:31

基于机器学习的脑电病理学诊断

机器学习(Machinelearning,ML)方法有可能实现临床脑电(Electroencephalography,EEG)分析的自动化。

思影科技·2023-11-09 14:36

GitHub Copilot Chat将于12月全面推出；DeepLearning.AI免费新课

AI新闻GitHubCopilotChat将于12月全面推出，提升开发者的生产力摘要：GitHub宣布将于12月全面推出GitHubCopilotChat，这是GitHubCopilot的一个新功能，旨在帮助开发者编写代码。它能够集成到开发者的桌面IDE环境中，并能够根据上下文联想出后文，不仅限于代码缺省补充和纠错。与此同时，CopilotChat还能够与开发者进行对话，提供更加细致的人机交互体验

go2coding·2023-11-09 13:36

X / Twitter 更新隐私政策，马斯克要拿用户数据训练 AI了

突然更新了隐私政策，在2.1条例中，X明确写道：Wemayusetheinformationwecollectandpubliclyavailableinformationtohelptrainourmachinelearningorartificialintelligencemodelsforthepurposesoutlinedinthis

人工智能学家·2023-11-09 13:32

【智能制造】物联网+：制造业向智能服务转型的新引擎

物联网在制造业的应用-微信公开课笔记唐洪华智能制造实践物联网在制造业的应用唐洪华【提纲】·DCS、PLC数据集成·条码射频应用·能源数据集成·安灯系统·巡检·进出厂物流大家好，很高兴有机会到物联网智库与大家沟通交流

产业智能官·2023-11-09 12:12

Lazarus安装和入门资料

azarus-2.2.6-fpc-3.2.2-win64下载地址Lazarus基础教程-LazarusTutorialsforBeginnersLazarusTutorial#1-Learningprogramming

风口猪炒股指标·2023-11-09 08:18

李宏毅老师-自监督学习（Self-supervised Learning）Part3

慢慢来，会更好！大家好，我是一个想研究又不会研究的研究生陪伴大家一起学习成长！那么，为什么我们要先做BERT工作呢？越相近的字产生的向量越接近，如果与草、鸟与鱼等同时，BERT会根据上下文，不同语义的同一个字会产生不同的向量看看下图的例子，同一个果字对应的向量会不一样有两堆苹果一堆是吃的苹果（5个）一堆是苹果模型（5个）那么我们就可以发现，前5个果相似度高，前5个跟后5个相似度就低所以，BERT输

想研究又不会研究的研究生·2023-11-09 07:06

李宏毅老师-自监督学习（Self-supervised Learning）Part4

慢慢来，会更好！大家好，我是一个想研究又不会研究的研究生陪伴大家一起学习成长！我们前面说Bert做的事情是填空题而GPT做的任务就是预测接下来会出现的token是什么例如有笔训练资料是台湾大学，那么输入BOS后训练输出是台，再将台作为输入训练输出是湾（预测台的时候不会看到湾，预测湾不会看到大等），以此类推即可模型输出embeddingh，h再经过lineartransform（线性变换)和soft