survey 第4页

It Is All About Data: A Survey on the Efects of Data on Adversarial Robustness

ItIsAllAboutData:ASurveyontheEffectsofDataonAdversarialRobustness----《这一切都关乎数据：关于数据对对抗性鲁棒性影响的调查》摘要对抗性示例是攻击者故意设计的机器学习模型的输入，目的是迷惑模型，使其犯错误。这些例子对基于机器学习的系统的适用性构成了严重威胁，特别是在生命和安全关键领域。为了解决这个问题，对抗性鲁棒性领域研究了对抗

今我来思雨霏霏_JYF·2023-11-10 01:01

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。尽管深度神经网络在各种任务中表现出了优越的性能，但可解释性始终是深度神经网络的致命弱点。目前，深度神经网络获得了高辨别力，但代价是其黑箱表示的低可解释性。我们相信高模型可

今我来思雨霏霏_JYF·2023-11-10 01:01

Dynamic Neural Networks: A Survey

动态神经网络：综述论文地址：https://arxiv.org/abs/2102.04906v2项目地址：https://github.com/StevenTu01/CourseraAbstract动态神经网络是深度学习领域的一个新兴研究课题。与在推理阶段具有固定计算图和参数的静态模型相比，动态网络可以使其结构或参数适应不同的输入，从而在准确性、计算效率、适应性等方面具有显著优势。在本次调查中，我

通街市密人有·2023-11-10 01:30

Explainability in Graph Neural Networks:A Taxonomic Survey

ExplainabilityinGraphNeuralNetworks:ATaxonomicSurveyAbstract深度学习方法在许多人工智能任务中实现了不断提高的性能。深度模型的一个主要限制是它们不具有可解释性。这种限制可以通过开发事后技术来解释预测来规避，从而产生可解释的领域。近年来，深度模型在图像和文本上的可解释性研究取得了显著进展。在图数据领域，图神经网络(GNNs)及其可解释性正经历

Kenny_SI·2023-11-10 01:58

A Survey of the Recent Architectures of Deep Convolutional Neural Networks

paper另外一篇总结目标检测的文章：RecentAdvancesinObjectDetectionintheAgeofDeepConvolutionalNeuralNetworksTherearesomechallengesfacedduringthetrainingofdeepCNNmodel;someofwhicharegivenbelow:DeepNNaregenerallylikeabl

hajungong007·2023-11-10 01:20

【读论文】A Survey on Neural Network Interpretability

目录摘要序可解释性的定义可解释性的重要性相关工作本文贡献分类法被动解释被动，规则作为解释被动，规则作为解释，（半）局部被动，规则作为解释，全局摘要本文工作：可解释性的定义可解释性的重要性新的分类法：三个维度进行分类：参与方式（主动/被动），解释类型，范围(局部/全局）序可解释性的定义可解释性是用可理解的词汇（term）向一个人提供解释的能力。理想情况下，解释应该是逻辑决策规则(如果-那么规则)，或

MonteCrystal·2023-11-10 01:49

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

论文笔记系列-NeuralNetworkSearch：ASurvey论文笔记NASautomlsurveyreviewreinforcementlearningBayesianOptimizationevolutionaryalgorithm注:本文主要是结合自己理解对原文献的总结翻译，有的部分直接翻译成英文不太好理解，所以查阅原文会更直观更好理解。本文主要就SearchSpace、SearchS

aiwanghuan5017·2023-11-10 01:17

A Survey on Neural Network Interpretability

ASurveyonNeuralNetworkInterpretability----《神经网络可解释性调查》摘要随着深度神经网络的巨大成功，人们也越来越担心它们的黑盒性质。可解释性问题影响了人们对深度学习系统的信任。它还与许多伦理问题有关，例如算法歧视。此外，可解释性是深度网络成为其他研究领域强大工具的理想属性，例如，药物发现和基因组学。在本次调查中，我们对神经网络可解释性研究进行了全面回顾。

今我来思雨霏霏_JYF·2023-11-10 01:45

Knowledge Editing for Large Language Models: A Survey

本文是LLM系列文章，针对《KnowledgeEditingforLargeLanguageModels:ASurvey》的翻译。大型语言模型的知识编辑研究综述摘要1引言2背景3问题描述4评估指标5方法6数据集7应用8讨论9结论摘要大型语言模型（LLM）最近改变了学术界和工业界的格局，因为它们具有基于丰富的知识和推理能力理解、分析和生成文本的非凡能力。然而，LLM的一个主要缺点是，由于其前所未有的

UnknownBody·2023-11-09 01:49

Evaluating Large Language Models: A Comprehensive Survey

本文是LLM系列文章，针对《EvaluatingLargeLanguageModels:AComprehensiveSurvey》的翻译。评估大型语言模型：一项综合调查摘要1引言2分类和路线图3知识和能力评估4对齐评估5安全评估6专业LLM评估7评估组织8未来方向9结论摘要大型语言模型（LLM）在广泛的任务范围内表现出了非凡的能力。它们引起了人们的极大关注，并被部署在许多下游应用程序中。然而，类似

UnknownBody·2023-11-08 19:23

【读点论文】Attention Mechanisms in Computer Vision: A Survey，西湖大学携手多个学术组织共同完成对注意力的宏观理解和微观处理，很全很实用吧

AttentionMechanismsinComputerVision:ASurveyAbstract人类可以在复杂的场景中自然有效地找到显著区域。在这种观察的激励下，注意机制被引入到计算机视觉中，目的是模仿人类视觉系统的这一方面。这种注意机制可以看作是一个基于输入图像特征的动态权值调整过程。注意机制在许多视觉任务中取得了巨大的成功，包括图像分类、目标检测、语义分割、视频理解、图像生成、3D视觉、

羞儿·2023-11-07 23:19

Attention Mechanisms in Computer Vision A Survey（注意力机制综述）

AttentionMechanismsinComputerVision:ASurvey论文地址：https://arxiv.org/pdf/2111.07624.pdf贡献：这篇论文的贡献是对计算机视觉中注意力机制进行了全面的综述和分析，并提供了以下方面的贡献：综述了计算机视觉领域中最常用的不同类型的注意力机制，包括空间注意力、通道注意力、自注意力、同步注意力和动态卷积滤波器。深入分析了不同类型的

微醺的水·2023-11-07 23:44

【BEV】Vision-Centric BEV Perception: A Survey

Vision-CentricBEVPerception:ASurvey1、引言2、背景2.1以视觉为中心的BEV感知的任务定义2.1.1三维检测2.1.2BEV分割2.2数据集2.3通用评估指标2.4数据集特定指标3、基于几何的PV2BEV3.1基于homograph的PV2BEV3.1.1总结3.2基于深度的PV2BEV3.2.1基于点的视图转换3.2.2基于体素的视图变换3.2.3深度监督3.

We!Y1·2023-11-07 23:09

人脸对齐-综述——Face Alignment In-the-Wild: A Survey

本文主要是这篇文章的翻译，后面增加具体的算法理解。FaceAlignmentIn-the-Wild:ASurveyComputerVisionandImageUnderstandingVolume162,September2017,Pages1-22https://www.sciencedirect.com/science/article/pii/S1077314217301455--------

米个蛋·2023-11-07 16:14

阅读论文：Deep Learning for Sensor-based Activity Recognition: A Survey

一、论文题目：DeepLearningforSensor-basedActivityRecognition:ASurvey1.常用词汇和表述：常用词汇：传感器(sensor)深度学习(deeplearning)活动识别(activityrecognition)数据收集(datacollection)数据预处理(datapreprocessing)特征提取(featureextraction)模型训

是Dream呀·2023-11-07 02:59

A Survey of Monte Carlo Tree Search Method 笔记以及中文翻译概要

摘要：MCTS蒙特卡罗树搜索（MonteCarloTreeSearch）结合了精确的树搜索和随机采样的搜索方法，其在围棋和很多领域取得了瞩目的成就。本文对近五年的与其相关的文章做了总结，包括起源、变种、提高其性能的方法、应用领域做了介绍。1简介MCTS是一个通过在决定空间内随机采样建立搜索树，从而得出最佳决策的方法，在AI领域已有广泛应用。自其被提出的五年时间以来，其在围棋领域的应有鼓舞着人们。通

bowean·2023-11-05 20:57

Instruction Tuning for Large Language Models_ A Survey

Abstract本文综述了快速发展的指令微调(IT)领域的研究工作，IT是增强大型语言模型(LLM)的能力和可控性的关键技术。指令调优是指通过使用(INSTRUCTION,OUTPUT)数据对大型语言模型进行有监督的进一步训练，以实现模型在遵循人类指令方面与其下一个单词预测目标之间的衔接。在这项工作中，我们对文献进行了系统回顾，包括指令调优的一般方法论、指令调优数据集的构建、指令调优模型的训练，以

藏星万朵·2023-11-05 14:07

（参考写法）Transformer-Based Visual Segmentation:A Survey

基于Transformer的视觉分割综述南洋理工大学NTU、上海人工智能实验室AILab整理300+论文论文地址：https://arxiv.org/pdf/2304.09854.pdf代码地址：https://github.com/lxtGH/Awesome-Segmentation-With-Transformer前言SAM（SegmentAnything）作为一个视觉的分割基础模型，在短短的

别致的SmallSix·2023-11-05 11:30

柯氏四级评估模式

目前培训课程结束后的survey即使用此类评估。2.学习评估测定被培训着的学习获得程度。是最常见，最常用到的评估方式。用来测量受训人员对原理，技能，态度等培训内容的理解和掌握程度。

玥辰_dae7·2023-11-05 01:10

salesforce android

versionName="5.0.1"RestRequestsurveyGroupRequest=RestRequest.getRequestForQuery(IConstants.API_VERSION,SQLApi.SURVEY_GROUP_QUERY

LongHuang·2023-11-04 17:31

华为云API Explorer伙伴招募火热进行中~

工作流实现快速集成场景编排能力面向三大核心场景：API调用逻辑频繁改动API间高耦合不便管理复杂API解决方案难构建伙伴加入可立享四大限时福利：免费试用、专家咨询、技术指导、生态支持点此报名>>https://survey.huaweicloud.com

华为云PaaS服务小智·2023-11-04 02:39

读论文梳理《A Survey on Mobile Anchor Node Assisted Localization in Wireless Sensor Networks》

一.INTRODUCTION1、通常，MANAL算法涉及三个阶段：（i）移动锚节点遍历监视区域（区域），同时周期性地广播包括其当前位置的信标分组；（ii）锚的通信范围内的未知节点接收信标分组，并在需要时通过使用通信信号的物理特性来估计到锚的距离；（iii）如果未知节点落入至少三个（四个）非共线（非共面）锚点的重叠通信范围之内，则使用2D（3D）WSN中的适当定位算法来计算其位置2、我们综述了目前在

海边的小渣渣·2023-11-03 13:37

Survey Design

为什么使用问卷调查？新科技让问卷调查变得更加便宜；数据很重要。问卷如何影响我们的生活金钱&时间成本（问卷调查所消费时间和金钱）健康（健康普查）安全（犯罪调查）幸福度（哪个国家幸福指数最高？）Datasets数据集RectangularlongformdatasetRegressionAnalysis回归分析AnalysisrelationshipamongvariablesReadingthere

Ogayli·2023-11-03 01:15

学习笔记 | Threats to Federated Learning-A Survey

摘要文章意图让研究者意识到联邦学习中隐私保护的重要性，并对攻击进行分类：poisoningattacks投毒攻击inferenceattacks推断攻击引言联邦学习的分类horizontallyfederatedlearning(HFL)：数据有相同的特征但用户不同。数据集往往很小，所以一个数据被反复训练的概率是很低的，它计算能力有限、技术能力较低。verticallyfederatedlearn

Una@learn·2023-11-02 19:20

R语言数据分析：探索世界观调查

假设我们的数据集名为"worldview_survey.csv"，并包含以下列：年龄（age）、性别（gender）、国籍（nationality）以及对一系列

海上的风浪·2023-11-02 06:00

论文阅读笔记：A survey of sketches in traffic measurement Design, Optimization, Application

论文阅读笔记：InformationFusion2022:Asurveyofsketchesintrafficmeasurement:Design,Optimization,ApplicationandImplementation文章目录论文阅读笔记：InformationFusion2022:Asurveyofsketchesintrafficmeasurement:Design,Optimiz

烟花再美，不过·2023-10-30 02:04

《Object Detection in 20 Years: A Survey》论文阅读笔记

这篇文章发表于2019年5月16日，它回顾了1990年~2019年间的400多篇目标检测论文，涵盖了和这一领域相关的众多课题，如目标检测发展过程中的里程碑、目标检测数据集、评价指标、目标检测系统的基本模块、加速技术以及当前的SOTA方法。此外，这篇文章也涉及到一些重要的应用场景，如行人检测、人脸检测以及文本检测等。文章的整体脉络如下：第二部分：目标检测二十多年来的发展史第三部分：加速技术第四部分：

oneoverzero·2023-10-30 02:11

哈工大发布大模型思维链推理综述：200+文献全面解析大语言模型思维链推理最新进展...

,FrontiersandFuture论文链接：https://arxiv.org/abs/2309.15402仓库链接：https://github.com/zchuz/CoT-Reasoning-Survey

PaperWeekly·2023-10-30 02:30

【译】2015: 前端工具现状

原文：http://ashleynolan.co.uk/blog/frontend-tooling-survey-2015-results译者：@lizheming本文数据更新至2015年09月09日。

weixin_33725722·2023-10-29 17:34

论文笔记-Deep Learning on Graphs: A Survey（上）

论文链接：https://arxiv.org/pdf/1812.04202.pdf深度学习在许多领域都取得了成功，在图上也有许多研究工作。在这篇文章中，作者根据模型架构和训练策略将现有方法分为五类：图循环神经网络、图卷积网络、图自动编码器、图强化学习和图对抗方法，并以系统的方式全面概述这些方法。最后，作者简要概述了它们的应用，并讨论了未来潜在的研究方向。1.介绍传统的深度学习架构应用于图存在一些挑

升不上三段的大鱼·2023-10-29 04:34

Semantic Visual Simultaneous Localization andMapping: A Survey 语义视觉同步定位与映射研究综述粗翻

2021摘要视觉同步定位与映射（vSLAM）在计算机视觉和机器人领域取得了巨大进展，并已成功应用于自主机器人导航和AR/VR等许多领域。然而，vSLAM无法在动态和复杂的环境中实现良好的本地化。近年来，许多出版物报道，通过将语义信息与vSLAM相结合，语义vSLAM系统具有解决上述问题的能力。然而，还没有关于语义vSLAM的全面调查。为了填补这一空白，本文首先回顾了语义vSLAM的发展，明确强调了

尤齐·2023-10-28 22:03

Diffusion model在其他领域中的相关论文

Survey·[arXiv2022]VisualAttentionMethodsinDeepLearning:AnIn-DepthSurvey[pdf]·[arXiv2022]Vision+X:ASurveyonMultimodalLearningintheLightofData

哥廷根数学学派·2023-10-28 18:39

Adversarial attacks and defenses on AI in medical imaging informatics: A survey

AdversarialattacksanddefensesonAIinmedicalimaginginformatics:Asurvey----《AI在医学影像信息学中的对抗性攻击与防御：综述》背景：之前的研究表明，人们对医疗DNN及其易受对抗性攻击的脆弱性一直存在疑虑。摘要：近年来，医学图像显着改善并促进了多种任务的诊断，包括肺部疾病分类、结节检测、脑肿瘤分割和身体器官识别。另一方面，机器学

今我来思雨霏霏_JYF·2023-10-27 04:36

神经架构搜索survey: 关于如何提升Kendall tau和Spearman？

1.超网分割Close:Curriculumlearningonthesharingextenttowardsbetterone-shotnasK-shotnas:Learnableweight-sharingfornaswithk-shotsupernetsFew-shotneuralarchitecturesearch2.梯度匹配NAS-LID:EfficientNeuralArchitect

从零开始的计科搬砖猫·2023-10-26 01:46

23年 20篇神经架构搜索(NAS) CVPR ICLR ICCV AAAI IJCAI Survey 笔记（持续更新）

目录1、CNN专题1.1PA&DA:JointlySamplingPAthandDAtaforConsistentNAS1.2.DisWOT:StudentArchitectureSearchforDistillationWithOutTraining1.3.EMT-NAS:Transferringarchitecturalknowledgebetweentasksfromdifferentdat

从零开始的计科搬砖猫·2023-10-26 01:14

【综述】Diffusion Models: A Comprehensive Survey of Methods and Applications

AComprehensiveSurveyofMethodsandApplications论文：https://arxiv.org/abs/2209.00796github：https://github.com/YangLing0818/Diffusion-Models-Papers-Survey-Taxonomy

m0_61899108·2023-10-25 23:10

A Survey on In-context Learning

UnknownBody·2023-10-25 06:58

【论文阅读笔记】A literature survey of MR-based brain tumor segmentation with missing modalities

ZhouT,RuanS,HuH.AliteraturesurveyofMR-basedbraintumorsegmentationwithmissingmodalities[J].ComputerizedMedicalImagingandGraphics,2022:102167.综述对象：2022年3月1日前文章，在训练期间可以使用完整的磁共振模式，而在测试期间可能没有一个或多个模式。摘要：多模态

cskywit·2023-10-22 12:55

【具身智能综述1】A Survey of Embodied AI: From Simulators to Research Tasks

论文标题：ASurveyofEmbodiedAI:FromSimulatorstoResearchTasks论文作者：JiafeiDuan,SamsonYu,HuiLiTan,HongyuanZhu,ChestonTan论文原文：https://arxiv.org/abs/2103.04918论文出处：IEEETransactionsonEmergingTopicsinComputationalI

datamonday·2023-10-21 17:35

轨迹预测论文之八: Vision-based Intention and Trajectory Prediction in Autonomous Vehicles: A Survey

这两天偶然刷到了这篇知乎文章：轨迹预测的视觉方法综述，22年的，就找来看了一下，这边也做一下记录。文章的地址：Vision-basedIntentionandTrajectoryPredictioninAutonomousVehicles:ASurveyAbstract&Introduction摘要的意思就是“我是一篇综述，我批判性比较了最近两三年的预测模型，总结了常见的数据集和对应的评价方法”。

海里的果·2023-10-21 14:10

论文翻译《Salient object detection: A survey》

传统的方法：可大致分为三类：基于block和intrinsiccues的模型、基于region和intrinsiccues的模型、基于extrinsiccues的模型（包括block和region）。基于block和intrinsiccues的模型Itti等人提出的开创性工作[1]之后，大多数模型都是基于中央周边差操作。[2]中用特征的极坐标变换将输入图像表示在一个二维空间中，里面的每一个区域被映

不说话装高手H·2023-10-21 06:49

How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey

论文简介原文标题：HowtoBuildaGraph-BasedDeepLearningArchitectureinTrafficDomain:ASurvey简介：这是一篇关于交通方面的综述，文章介绍了交通方面的几个方向、挑战、和技术等。问题交通方面的问题主要包括以下几类，交通拥堵、旅行需求、交通安全、交通监管和自动驾驶，它们对应的研究方向如蓝色方框所示。交通问题存在相同的挑战，时间相关性和空间相关

Bruce-XIAO·2023-10-19 00:31

因果推断推荐系统工具箱 - Bias and Debias in Recommender System: A Survey and Future Directions（四）

文章名称BiasandDebiasinRecommenderSystem:ASurveyandFutureDirections核心要点上一节中，我们讲述一下现有的方法是如何解决selectonbias的评估的，下面我们介绍一下如何在具有selectionbias的数据上进行模型的训练。方法细节问题引入Selectionbias的问题在于用户可以自主的选择给哪些物品打分，并放弃掉其他物品的评分，造成

processor4d·2023-10-18 19:06

【论文阅读】SISR综述：From Beginner to Master: A Survey for Deep Learning-based Single-Image Super-Resolution

FromBeginnertoMaster:ASurveyforDeepLearning-basedSingle-ImageSuper-Resolution论文地址：https://doi.org/10.48550/arXiv.2109.14335摘要单幅图像超分辨率(SISR)是图像处理中的一项重要任务，旨在提高成像系统的分辨率。近年来，在深度学习(DL)的帮助下，SISR取得了巨大的飞跃，并取得

沐_辰_·2023-10-18 15:16

论文阅读：Knowledge Distillation: A Survey 知识蒸馏综述（2021）

论文阅读：KnowledgeDistillation:ASurvey知识蒸馏综述2021目录摘要IntroductionBackground知识基于响应的知识基于特征的知识基于关系的知识蒸馏模式离线蒸馏在线蒸馏自蒸馏教师-学生体系结构蒸馏算法对抗蒸馏多教师蒸馏跨模态蒸馏基于图的蒸馏基于注意力的蒸馏无数据蒸馏量化蒸馏终生蒸馏基于NAS的蒸馏应用视觉识别NLP语音识别其他应用结论挑战未来方向摘要近年来

小百花~·2023-10-17 21:42

Reasoning with Language Model Prompting: A Survey

本文是LLM系列的文章，针对《ReasoningwithLanguageModelPrompting:ASurvey》的翻译。语言模型提示推理：综述摘要1引言2前言3方法分类4比较和讨论5基准与资源6未来方向7结论与视角摘要推理作为解决复杂问题的基本能力，可以为各种现实应用提供后端支持，如医疗诊断、协商等。本文对语言模型提示推理的前沿研究进行了综述。我们以比较和总结的方式介绍研究工作，并提供系统的

UnknownBody·2023-10-17 13:05

Large Language Models Meet NL2Code: A Survey

本文是LLM系列文章，针对《LargeLanguageModelsMeetNL2Code:ASurvey》的翻译。大语言模型遇到NL2Code：综述摘要1引言2大语言模型用于NL2Code3什么使得LLM成功？4基准和指标5挑战与机遇6结论摘要从自然语言描述(NL2Code)生成代码的任务被认为是代码智能中一个紧迫而重要的挑战。由于预训练技术的快速发展，大量的大型语言模型被提出用于代码，激发了NL

UnknownBody·2023-10-17 13:33

【论文笔记】A Survey of Hallucination in “Large” Foundation Models

总述基础模型（FoundationModels）指的是通过自监督学习在大量未标记数据上训练的大规模AI模型，能够在各种各样的任务中表现出色。在基础模型的背景下,幻觉（Hallucination）是指模型生成的内容不是基于事实或准确信息的情况。当模型生成的文本包括虚构的、误导性的、或完全捏造的细节、事实或主张,而不是提供可靠和真实的信息时,就会发生幻觉。之所以会出现这个问题,是因为模型能够根据它从训

夏离·2023-10-17 03:45

Active Mapping and Robot Exploration: A Survey 主动建图与机器人探索：综述

ActiveMappingandRobotExploration:ASurvey主动建图与机器人探索：综述摘要关键词1.简介2.历史回顾3.ASLAM问题3.1位姿识别PoseIdentification3.2优化目标选择3.3导航与检查4.优化对象4.1位姿优化方法4.2轨迹优化5.位置重访6.数据维度与计算成本7.ASLAM算法总结8.发展展望9.总结附录A：世界表示标题：ActiveMapp

nicheng123lala·2023-10-16 23:06

基因组- genome survey（1）

尚未进行基因组测序的物种，在进行基因组测序前，首先需对该物种进行genomesurvey。一般通过两个途径：细胞遗传学（这里只讲流式细胞术）和基因组测序1、基因组大小定义（1）基因组大小指生物个体单倍体基因组所含的DNA总量。基因组大小一般用重量衡量，用pg（皮克）作为常用单位。有时候也用道耳顿(KD)、核苷酸碱基对的数量（Mb）等方式表示。pg与常用单位Mb之间可以转换，1pg约等于978Mb（

Zhigang_Han·2023-10-16 18:52

推荐频道

survey