TimeSeriesContrastiveLearningwithInformation-AwareAugmentations摘要背景：在近年来，已经有许多对比学习方法被提出，并在实证上取得了显著的成功。尽管对比学习在图像和语言领域非常有效和普遍，但在时间序列数据上的应用相对较少。对比学习的关键组成部分：对比学习的一个关键组成部分是选择适当的数据增强（augmentation）方式，通过施加一些先

但是进什么货卖呢，毕竟手里的钱有限，梧桐就进了一些价格比较便宜的东西，比如：皮筋、指甲刀、掏耳勺、钥匙链、小镜子、梳子、头饰、戒指、耳环、耳钉、项链、手镯、补丁贴、耳机、充电器、数据线、小笔记本、套装笔等

本文是对Transformer-Attentionisallyouneed论文阅读-CSDN博客以及【李宏毅机器学习】Transformer内容补充-CSDN博客的补充，是对相关代码的理解。

介绍具身智能可粗略定义为，智能体（可以是生物或机械），通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。但就目前而言，具身智能是将视觉、语言和推理等传统智能概念融入人工智能体中，以帮助解决虚拟环境中的人工智能问题。具身智能模拟器具身智能模拟器具身AI模拟器概述

论文：MapReduce:SimplifiedDataProcessingonLargeClustersJeffreyDeanandSanjayGhemawatGooglehttps://pdos.csail.mit.edu/6.824/papers/mapreduce.pdfMapReduce是一种分布式系统中处理大数据方法。他提出是在2004，jeffdean和SanjayGhemawat的作

论文名称：MapReduce:SimplifiedDataProcessingonLargeClusters翻译的效果不是很好，有空再看一遍，参照一下别人翻译的。MapReduce:SimplifiedDataProcessingonLargeClusters中文翻译版(转)-阿洒-博客园(cnblogs.com)概要MapReduce是一种处理和生成大数据集的编程模型和相关实现。用户可以指定一个

一特征选择（featureselection）的简介  我们现在正处在大数据的时代，大量的高维数据在各种领域中无处不在，如社交媒体、医疗保健、生物信息学和在线教育。  当数据挖掘和机器学习算法应用于高维数据时，一个关键问题被称为维数诅咒：数据在高维空间中变得更加稀疏，对为低维空间设计的算法产生不利影响的现象。用一个例子表示就是如果用one-hot编码来对文章进行编码（即一篇文章为一个正交向量），因

orz相关文章目录：【论文阅读】StegaStamp:InvisibleHyperlinksinPhysicalPhotographs文章目录前言1.内容简介2.摘要浏览3.图片、表格浏览4.引言浏览自由阅

目录论文使用方法weightdecayMaxNorm如果使用原来的代码报错的可以看下面这个论文问题：真实世界中普遍存在长尾识别问题，朴素训练产生的模型在更高准确率方面偏向于普通类，导致稀有的类别准确率偏低。key:解决LTR的关键是平衡各方面，包括数据分布、训练损失和学习中的梯度。文章主要讨论了三种方法：L2normalization,weightdecay,andMaxNorm本文提出了一个两阶

目录一、Article:文献出处（方便再次搜索）（1）作者（2）文献题目（3）文献时间（4）引用二、Data:文献数据（总结归纳，方便理解）（1）背景介绍（2）目的（3）预置知识（4）主要实现手段4.1overview4.2MPGraph的工作流程4.3阶段转换检测器PhaseTransitionDetector4.4多模态访存预测器Phase-SpecificMulti-ModalityPred

论文题目：:Semi-supervisedSmallAppleDetectioninOrchardEnvironments项目链接：https://www.inf.uni-hamburg.de/en/inst/ab/cv/people/wilms/mad.html摘要（Abstract）农作物检测是自动估产或水果采摘等精准农业应用不可或缺的一部分。然而，由于缺乏大规模数据集以及图像中农作物的相对尺

论文题目：ASF-YOLO:AnovelYOLOmodelwithattentionalscalesequencefusionforcellinstancesegmentation论文链接：https://arxiv.org/abs/2312.06458代码链接：https://github.com/mkang315/ASF-YOLO摘要（Abstract）作者提出了一种新颖的基于"YouOnly

上午除了上课，主要是听一个关于议论文阅读的讲座，讲得很用心。感

活动开始一周前采购了修正带、小笔记本、荧光笔、棉花糖等学习和生活用品。综合考虑疫情防控总体要求，积极响应国家“疫情就是命令，防控就是责任

JointUpload-DownloadTransmissionSchemeforLow-LatencyMobileLiveVideoStreaming会议信息：Publishedin:2023IEEE/ACM31stInternationalSymposiumonQualityofService(IWQoS)1背景移动视频流量和用户需求的快速增长，导致多个视频流客户端共享一个瓶颈链路的可能性增大

360DIV:360°VideoPlusDepthforFullyImmersiveVRExperiences会议信息：Publishedin:2023IEEEInternationalConferenceonConsumerElectronics(ICCE)作者：1背景与挑战360°视频不提供运动视差，如图1所示。当观看者移动时，虚拟场景随之而动，这大大降低了体验的质量。在这项工作中，我们处理3

论文地址：https://arxiv.org/pdf/2005.09801v1.pdf《FashionBERT:TextandImageMatchingwithAdaptiveLossforCross-modalRetrieval》是一篇非常新的论文，于2020年5月20提交arxiv，文中在时尚领域使用自适应损失技术，实现了文本与图片的跨模态搜索（用文本搜图片、用图片搜文本）。早期的跨模态搜索常

今天在测试下边代码时出现了报错IndexError:toomanyindicesforarray:arrayis2-dimensional,but3wereindexed这段报错的意思是索引错误：数组的索引过多：数组是二维的，但有3个索引在将matplotlib部分的代码注释掉，只选择用cv.imshow来展示图片时，没有出现报错。importnumpyasnpimportcv2ascvimpor

PUlearning论文阅读。

Vlogger：把你的梦想变成Vlogpaper：https://arxiv.org/abs/2401.09414code：https://github.com/zhuangshaobin/vlogger看起来挺有意思的，有空读一下本文提出Vlogger，一种用于生成用户描述的分钟级视频博客(即vlog)的通用人工智能系统。与几秒钟的短视频不同，vlog通常包含复杂的故事情节和多样化的场景，这对大

基于confidencevector的MIAMachineLearningasaService简单介绍什么是MembershipInferenceAttacks（MIA）攻击实现过程DatasetShadowtrainingTrainattackmodelMachineLearningasaService简单介绍机器学习即服务（MachineLearningasaService，MLaaS），即将

本文用作Transformer-Attentionisallyouneed论文阅读-CSDN博客的补充内容，因为发现如果实操还是有不能理解的地方，所以准备看看宝可梦老师怎么说×Sel

写在前面检索增强能够有效缓解大模型存在幻觉和知识时效性不足的问题，RAG通常包括文本切分、向量化入库、检索召回和答案生成等基本步骤。近期组里正在探索如何对RAG完整链路进行评估，辅助阶段性优化工作。上周先对评估综述进行了初步的扫描，本篇分享其中一份评估benchmark，RGB。论文：https://arxiv.org/abs/2309.01431代码和数据：https://github.com/

没想到上次的论文阅读更新是八月份哈哈哈哈说好这个月要好好更新的那就把之前没有更新出来的论文阅读补充一下还是小样本跨域系列哈~（由于之前阅读的时间有点久这边可能会放一些PPT）论文名称：《FeatureTransformationEnsembleModelwithBatchSpectralRegularizationforCross-DomainFew-ShotClassification

中文标题：ClipCap:CLIP前缀用于图像描述（ClipCap:CLIPPrefixforImageCaptioning）文章目录1.介绍2.相关工作3.方法3.1综述3.2语言模型微调3.3映射网络架构3.4推理4.结果5.结论摘要：图像描述是视觉语言理解中的一项基础任务，模型会对给定的输入图像预测出一段文本信息性描述。本文提出了一种简单的方法来解决这个任务。我们使用CLIP编码作为描述的前

目录论文背景论文贡献基于未压缩图片的可逆数据隐藏现有的基于JEPG图像的可逆数据隐藏方法论文提出的方法一般论文都是先提出问题后解决问题，所以在阅读一篇论文的时候要清楚论文要解决的问题是什么？也就是论文背景，解决方案是什么？也就是论文贡献论文背景该论文是2020年发表的一篇SCI二区的文章，发表在IEEETransactionsonCircuitsandSystemsforVideoTechnolo

.GUI运行Reference：Structure-from-MotionRevisited原文COLMAP使用教程Colmap论文——《Structure-from-MotionRevisited》论文阅读笔记笔记

文章目录Grasp-Anything:Large-scaleGraspDatasetfromFoundationModels针对痛点和贡献摘要和结论引言相关工作Grasp-Anything数据集实验-零镜头抓取检测实验-机器人评估总结Grasp-Anything:Large-scaleGraspDatasetfromFoundationModelsProjectpage：Grasp-Anythin

文章目录GraspNeRF:Multiview-based6-DoFGraspDetectionforTransparentandSpecularObjectsUsingGeneralizableNeRF针对痛点和贡献摘要和结论引言模型框架实验不足之处GraspNeRF:Multiview-based6-DoFGraspDetectionforTransparentandSpecularObjec

笔记地址：https://flowus.cn/share/a94730c1-6ae8-4955-82fb-812aff78f638【FlowUs息流】VALLE论文地址：NeuralCodecLanguageModelsareZero-ShotTexttoSpeechSynthesizersAbstract这里介绍的是一种新的语言建模方法来完成文本到语音的合成。这种方法不同于传统的直接从文本转换到

目录Abstract:Introductions：Relatedwork：LineMatch：Feature-basedMethod：WindowsOptimizationTwo-stepMinimizationV.FRONT-ENDVI.EXPERIMENTALRESULTSA.DatasetsandMetrics（数据集和指标）B.ComparisonwiththeState-of-the-a

目录0x0.前言0x1.摘要0x2.介绍0x3.背景0x4.实验设置0x5.高效的LLM训练分析0x5.1FusedKernels和FlashAttention0x5.1.1Attention0x5.1.2RMSNormKernel0x5.2ActivationCheckpointing0x5.3Micro-Batch大小0x5.4TensorParallelism和PiplineParallel

笔记地址：https://flowus.cn/share/a79f6286-b48f-42be-8425-2b5d0880c648【FlowUs息流】tortoise论文地址：BetterspeechsynthesisthroughscalingAbstract:自回归变换器和DDPM：自回归变换器（autoregressivetransformers）是一种基于变换器架构的模型，能够处理序列数据

ATradeoff-BasedInteractiveMulti-ObjectiveOptimizationMethodDrivenbyEvolutionaryAlgorithms作者：LuChen、BinXin、JieChen期刊：JournalofAdvancedComputationalIntelligenceandIntelligentInformatics、2017DOI：10.20965

InteractiveMultiobjectiveOptimizationfromaLearningPerspective作者：ValerieBelton、JürgenBranke、PetriEskelinen书名：MultiobjectiveOptimization:InteractiveandEvolutionaryApproaches、2008DOI：10.1007/978-3-540-88

求解约束多目标区间优化的交互多属性决策NSGA-II算法作者：陈志旺,陈林,白锌,杨七,赵方亮期刊：控制与决策、2015.05DOI：10.13195/j.kzyjc.2014.0455内容简介针对约束多目标区间优化问题,提出一种交互多属性决策NSGA-II算法.该算法将非线性问题线性化,定义P占优支配关系求出个体的序值,定义区间拥挤距离来区分具有相同序值个体的优劣,采用约束精英策略删除种群中不满

TowardsUniversalUnsupervisedAnomalyDetectioninMedicalImagingarxiv，19Jan2024【开源】【核心思想】本文介绍了一种新的无监督异常检测方法—ReversedAuto-Encoders(RA)，旨在提高医学影像中病理检测的准确性和范围。RA通过生成类似健康的重建图像，能够检测到更广泛的病理类型，这在现有技术中是一个挑战。RA方法在多

项目链接：https://github.com/yyk-wew/F3Net这篇论文从频域的角度出发，提出了频域感知模型用于deepfake检测的模型整体架构图：1.FAD：频域感知分解，其实就是利用DCT变换，将空间域转换为频域，变换后的图像低频信息在左上角，高频信息在右下角，同时高频表示细粒度的伪造痕迹，因为进过DCT变换后的图像不再具有尺度不变性和局部相关性的RGB图像特性，故需要对其进行ID

中文标题：面向边缘设备的高效图像描述（EfficientImageCaptioningforEdgeDevices）文章目录1.引言2.相关工作3.方法3.1ModelArchitecture（模型结构）3.2ModelTraining(模型训练)3.3KnowledgeDistillation（知识蒸馏）4.实验4.1数据集和评价指标4.2实施细节：4.3消融实验

《Mockingjay:UnsupervisedSpeechRepresentationLearningwithDeepBidirectionalTransformerEncoders》原文地址：https://arxiv.org/abs/1910.12638v2摘要文章提出了一种新的语音表示学习方法——Mockingjay。该方法使用双向的TransformerEncoder在大规模无标签数据集

坚持目标【原创】分享第10010天2019.11.05议论文阅读是阅读的一个重要板块，也是比较难的一块。今天谈谈论证的四种方法。举例论证。

四班一节课，先听写，然后讲了议论文阅读，但是挑选题目来让学生做，感觉翻去翻来，效果反而不好，还是一篇一篇的讲，效果可能会更好一些。

FAST2015Paper元数据论文阅读汇总问题现有的文件系统，即使是存储数百PB数据的可伸缩系统，也会将文件元数据存储在单个服务器上，或通过共享磁盘架构，以确保元数据的一致性和有效性。

ATC2022Paper论文阅读笔记整理问题在生产环境中，日志结构合并的键值存储（LSMKV）需要确保查询的延迟，特别是，读取的长尾延迟（和延迟一致性）是满足不同用户需求和服务级别协议（SLA）的问题[

EuroSys2022Paper论文阅读笔记整理问题数据管理应用程序使用结构化文件存储其数据，其中数据通常经过排序以提供索引和查询服务。

EuroSys2022Paper论文阅读笔记整理问题基于LSM树的Key-value(KV)存储已成为数据中心和云服务存储栈中的基础层。

李笑来的专栏，这一期讲的是重新理解“坚持”这个概念。坚持这个概念在我们生活中很常见，但也只出现在某些领域里。因为那些让人心情愉悦、满心欢喜地做的事情从来都是不需要坚持的。我们几乎不肯听到小孩子会说我决心坚持每天吃巧克力、冰淇淋、麦当劳，又或者决心坚持每天玩游戏，因为这都是他们心心念念想吃想玩、有时候甚至拦都拦不住的东西，这些是从来都不需要坚持的。只有那些我们理智上认为应该做、但是我们内心里实在不想

阶段Vary-toy结构数据集情况引言论文：SmallLanguageModelMeetswithReinforcedVisionVocabularyPaper|Github|Demo说来也巧，之前在写论文阅读

笔记地址：https://flowus.cn/share/a16a61b3-fcd0-4e0e-be5a-22ba641c6792【FlowUs息流】Bigvgan论文地址：BigVGAN:AUniversalNeuralVocoderwithLarge-ScaleTrainingAbstract背景：最近基于生成对抗网络（GAN）的声码器取得了一定的进展，这种模型可以基于声学特征生成原始波形。尽

TowardsAutomaticTestingofReferencePointBasedInteractiveMethods作者：VesaOjalehto、DmitryPodkopaev、KaisaMiettinen期刊：PPSN、2016DOI：10.1007/978-3-319-45823-645内容简介为了了解优化算法的优缺点，有必要了解不同类型的测试问题、定义良好的性能指标和分析工具。这样