自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

liz_Lee的博客

  • 博客(99)
  • 资源 (36)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 学习分享：RNN（持续更新）

目录1 RNN基础1.1 what RNN？1.2 why RNN？1.3 how RNN？1.3.1 隐含到隐含1.3.2 输出到隐含1.3.3 标签到隐含（导师驱动）1.4 RNN的问题2 Bi-RNN3 gated RNN3.1 LSTM3.2 窥孔LSTM3.3 耦合LSTM3.4 GRU参考1 RNN基础1.1 what RNN？用于处理序列数据（可变长）的NN1.2 why RNN？在模型不同部分，共享参数在几个时间步内，不需要分别学习权重也能能泛化到不同长度的样本 为什么每

2020-07-23 11:06:58 333

原创 学习分享：操作系统（持续更新）

目录1 select & poll & epoll2 调度算法3 死锁4 程序运行过程4.1 预处理4.2 编译4.3 汇编4.4 链接5 静态&动态链接6 虚拟内存7 分页&分段8 页面置换9 边沿&水平触发1 select & poll & epoll所有I/O：轮询方法（实现层面不同）I/O多路复用select的3个缺点：（1）连接数受限（2）查找、配对，速度慢（3）数据由内核态拷贝到用户态poll改善（1）epoll改善（1）

2020-06-14 17:44:30 764

原创 学习分享：CNN（持续更新）

目录1 基本信息2 计算2.1 一次卷积后特征图大小2.2 感受野RF1 基本信息输入图尺寸：n*n滤波器/卷积核尺寸：k*k（奇数）填充padding大小：p步长stride大小：s2 计算2.1 一次卷积后特征图大小先把图n填充p，图尺寸变为：（n+2p）*（n+2p）把卷积核k放入图n+2p上，还剩：（n+2p）-k格每步s，需要走：（n+2p-k）/s步刚开始算1个值，每走一步算1次，总共算：（n+2p-k）/s+1次1次卷积，最终输出特征图尺寸为

2020-06-14 16:30:14 972

原创 学习分享：python语言（持续更新）

目录01 函数传参02 类&对象&静态方法03 类&对象变量04 自省05 字典推导式06 下划线07 迭代器&生成器08 枚举enumerate09 *args&*kwargs10 装饰器11 鸭子类型12 函数重载13 新式类&旧式类14 new vs init参考01 函数传参python一切皆对象，分为2类：（1）num，str，tuple 不可更改（2）list，dict，set 可更改函数传参时，传的是引用，第一类不会变，第二类会变02

2020-06-04 19:50:09 292

原创 开发分享：神经网络调试与优化技巧（持续更新）

目录一、神经网络架构怎么选？二、卡在local minima怎么办？三、欠拟合怎么办？四、过拟合怎么办？参考一、神经网络架构怎么选？NN《==》矩阵线性变换+激活函数非线性变换NN有效地原因：分布式表示（distributed representation）+组合性（compositionality）增加神经元个数（一层）《==》 矩阵线性转换的能力增加层数 《==》增加非线性转换的次数浅层：模拟任何函数，数据量代价不可接受深层：模拟任何函数，数据量需求降低（前提：空间中的元素可以由发展迭

2020-06-01 17:41:34 473

原创 ppt：信号处理

18年信号处理ppt信号处理相关的自制ppt分享：

2021-05-01 20:10:00 294

原创 ppt：神经网络技巧

20年神经网络ppt神经网络训练相关的自制ppt分享：

2021-05-01 19:20:33 296

原创 刀具磨损相关数据集

目录目录目录数据描述：加州大学伯克利分校，数控铣床，不同转速、进给、切深的铣刀刀片磨损情况，VB数据格式：.mat文件打包数据来源：美国航空航天局，艾姆斯研究中心

2021-05-01 18:44:25 2513 1

原创 查文献网站

目录查论文谷歌学术百度学术谷粉学术SCI Hub知网万方语义学术微软学术IEEE XploreCiteSeerXACM数字图书馆AI挖掘找论文网查会议会议排名查专利佰腾网查论文谷歌学术https://ac.scmor.com/百度学术https://xueshu.baidu.com/谷粉学术https://gfsoso.99lb.net/sci-hub.htmlSCI Hubhttps://sci-hub.ren/https://sci-hub.tf/知网https://www.cn

2021-03-13 18:12:36 609

原创 chrome打开运行一会就崩了

目录问题描述问题解决尝试一尝试二参考问题描述打开chrome，运行30s左右，自动闪退问题解决尝试一ctrl+Alt+T 打开终端sudo apt-get update 和 sudo apt-get upgrade尝试二sudo apt install --reinstall libnss3参考https://forum.ubuntu.org.cn/viewtopic.php?t=488112https://blog.csdn.net/WILLIAMMMS/article/detail

2021-02-23 09:35:47 3012

原创 因果推断资料整理

因果推断资料相关学者Judea PearlJamie Robins崔鹏耿直书《causality：models，reasoning and inference》《causal inference:what if》《elements causal inference》《causation prediction and search》《causal inference in statistics》教程github-sharma论文博客相关学者Judea Pearl加州大学洛杉矶分校-计算机科学学院Jam

2021-01-26 14:31:23 888 2

原创 思维导图：图模型的层次结构

2021-01-26 13:45:29 712

原创 学习分享：因果推断

目录1 背景2 模型稳定性3 关联存在的问题4 产生关联的原因5 因果参考1 背景AI的风险：不可解释性，不稳定性原因：关联统计克服手段：因果推断可解释性与不稳定性存在内在联系，提高稳定性就能提高可解释性训练和测试差异越大，效果提升越明显技术风险小的领域：搜索引擎，推荐系统技术风险大的领域（风险敏感）：医疗健康，法律，交通运输，金融科技人完全信任AI的预测结果是很难的——人在回路中——需要共同语言2 模型稳定性A：收入影响城市医院的癌症病人存活率B：收入与高校医院的癌症病人存活率相关

2020-12-21 22:47:11 360

原创 每天学到的小知识

目录自由度自由度自由度=独立变量的个数（二次型的秩）=观测的数目-观测中必要联系的数目一般有一个x均值，就减去一个自由度

2020-12-15 16:17:08 103

原创 论文撰写中的问题汇总

目录目录部分无虚线的解决目录部分无虚线的解决https://blog.csdn.net/weixin_38345306/article/details/105968788

2020-12-02 14:01:28 137

原创 论文分享：概率MAML

目录题目与文章脉络S1 介绍S2 现状S2.1 why分层贝叶斯+元学习？S2.2 神经统计学家方法S2.3 LLAMA方法S2.4 贝叶斯神经网络方法S3 术语S4 方法S4.1 用变分推断进行基于梯度的元学习S4.2 用混合推断进行概率MAMLS4.3 加入其它依赖S5 实验S6 总结我的思考题目与文章脉络题目：《Probabilistic Model-Agnostic Meta-Learning》时间：2018.07机构：UC伯克利行文安排：Section1：介绍Section2：现状

2020-11-24 17:54:02 928

原创 软件/工具/库安装

目录Anaconda软件jieba库Anaconda软件jieba库https://blog.csdn.net/qq_42045868/article/details/89512012

2020-11-20 11:22:31 4253

原创 windows操作系统

目录1 C盘清理1.1 电脑管理软件自动清理1.2 c盘属性——磁盘清理1.3 设置——系统——存储1.4 删除补丁文件1.5 更改各自软件的通用设置1.5 用第三方软件扩展c盘参考1 C盘清理1.1 电脑管理软件自动清理1.2 c盘属性——磁盘清理1.3 设置——系统——存储（1）临时文件：直接删除（2）应用和游戏：卸载不常用（3）自动感知：打开（4）更多存储设置：更改新内容的保存位置，换到其他盘（5）系统和保留空间：查看虚拟内存大小，通过以下方式修改：控制面板—— 高级系统设置 —

2020-11-20 09:36:26 326

原创 元学习SOTA

目录元学习进展元学习存在的问题后续研究方向参考元学习进展元学习解决5-way 5-shot分类问题Omniglot数据集上，精度99%MiniImagenet数据集上，精度80%+ SOTA元学习方法MetaOpt元学习存在的问题跨域问题，元学习效果差域差别越大，精度越低，最大差距能达60%pre-training + fine-tuning的结果还算好点声音信号经过log Mel特征提取后，域差异会减小，跨域结果下降幅度也会变小后续研究方向减少计算量提高求解质量提高泛

2020-11-16 15:04:52 266

原创 小结：元学习

目录元学习方法基于度量的元学习基于模型的元学习基于优化的元学习对比元学习方法基于度量的元学习基于模型的元学习基于优化的元学习对比

2020-11-06 09:30:02 1863

原创 已阅论文汇总：迁移学习

目录注：论文路径2007- Boosting for Transfer Learning（回归）2011-Adaptive Trading Agent Strategies Using Market Experience（博论）2014-迁移学习研究进展2014-ImportanceWeighted Inductive Transfer Learning for Regression（回归）2018-GLoMo: Unsupervisedly Learned Relational Graphs as Tra

2020-11-05 11:11:19 678

原创 HR面/综合面系列：反问环节

目录1 你能给我解释一下公司的文化吗？2 贵公司如何鼓励老员工？3 请问您是xxx岗位吗？您最喜欢这份工作的哪里？您最喜欢这家公司的哪里？4 在最开始的3个月中，您最希望看到我实现什么目标？5 岗位选择，业务？6 岗位职责，培训多久？7 面试表现，自身缺陷？8 多久能收到面试结果的通知？9 晋升渠道？10 薪资组成，调薪？1 你能给我解释一下公司的文化吗？2 贵公司如何鼓励老员工？3 请问您是xxx岗位吗？您最喜欢这份工作的哪里？您最喜欢这家公司的哪里？4 在最开始的3个月中，您最希望看到我实现什么

2020-11-04 15:07:31 4239

原创 HR面/综合面系列：公司相关

目录1 对公司的看法？为什么应聘我们公司？2 你能为公司带来什么？3 如果录用你，你会怎么展开工作？4 面/投了哪些公司？5 如果我们给你发offer，你还会继续秋招么？6 其他公司offer？1 对公司的看法？为什么应聘我们公司？应聘之前，我初步了解了贵公司的情况。（1） 行业+发展前景：我十分看好贵公司所在的XX行业，现在AI发展迅速，影响着社会经济的发展，未来发展空间很广。（2） 企业：xx是一个大型企业，在业内做得非常出色，我希望能加入这样优秀的团队（3） 岗位：应聘xxx岗，我感兴趣+能

2020-11-04 15:04:55 938

原创 HR面/综合面系列：职业相关

目录1 非本专业专业，为什么做这个行业（为什么对它感兴趣），你的优势是什么？2 职业？3 理想的工作/工作环境？4 职业规划？5 工作难题怎么解决？6 上司做错了怎么办？7 办公室恋情？8 三年内不能生育？9 产品提了不合理的要求？10 加班？11 出差？12 期望薪资1 非本专业专业，为什么做这个行业（为什么对它感兴趣），你的优势是什么？（1）态度：首先，我认为所学专业和职业没有必然联系，比如，师兄做管理，做算法（2）行业可选方向：其次，我的确可以选择制造业，也可以选择做算法（3）选算法的主要原因

2020-11-04 15:02:32 607 2

原创 HR面/综合面系列：个人相关

目录1 优势，劣势？2 自我评价？别人评价？3 最大的挑战，解决？4 最失败的经历？5 最成功的经历？6 困难的决定？7 不读博？8 科研辛苦吗？9 硕士期间收获?10 家庭情况？是否是独生子女？11 校内职务？12 校内、校外实践活动？13 除了科研，还学习过其他的知识吗？14 内向还是外向？15 遇到不会的问题怎么解决？16 帮助最大的一门课？17 兴趣爱好？1 优势，劣势？优势：（1） 专业技能方面：项目经历丰富，有一定的专业知识储备；学习能力和适应能力比较强，面对新问题可以快速上手（2） 性

2020-11-04 14:58:03 1345 1

原创 已阅论文汇总：刀具磨损测量/磨损检测/磨钝标准

目录1997 使用立体图像测量和可视化三维刀具磨损2010 一种刀具磨损测量的新方法2011 基于形状映射的球头刀磨损测量2011 基于复映测量的球头刀具磨损数据处理及软件开发1997 使用立体图像测量和可视化三维刀具磨损《3D tool wear measurement and visualization using stereo imaging》2010 一种刀具磨损测量的新方法《a new method of tool wear measurement》2011 基于形状映射的球头刀磨损

2020-11-04 09:08:44 812

原创 PAC贝叶斯资料整理

目录课程/报告PAC贝叶斯分析：背景和应用课程/报告PAC贝叶斯分析：背景和应用http://web.cse.ohio-state.edu/mlss09/mlss09_talks/1.june-MON/JST_pacbayes-JohnShawe.pdf

2020-10-20 16:26:41 513

原创 层次贝叶斯（Hierarchical Bayesian）资料整理

目录1 网页博客1.1 知乎1.2 博客园3 课程3.1 天文统计课件4 书4.1 概率统计数字教科书4.2 昂诗松的贝叶斯统计4.3 Bayesian estimation in hierarchical models4.4 Bayesian Econometric Methods5 论文5.1 一个查soa论文网站的所有结果5.2 A Bayesian Hierarchical Model for Learning Natural SceneCategories1 网页博客1.1 知乎贝叶斯统

2020-10-20 16:15:57 6365 2

原创 思维导图：GAN-NIPS2014

2020-09-28 16:52:07 209

原创 思维导图：图像处理基础

2020-09-28 16:49:04 418

原创 思维导图：刀具寿命

2020-09-28 16:45:44 543

原创 思维导图：随机森林

2020-09-28 16:43:36 316

原创 思维导图：WGAN

2020-09-28 16:38:39 88

原创 思维导图：神经图灵机NTM

2020-09-28 16:37:03 274

原创 思维导图：刀具磨损

2020-09-28 16:34:11 525 2

原创 思维导图：贝叶斯推断

2020-09-28 16:30:11 565

原创 ppt：因果理论

20年因果ppt因果推断相关的自制ppt分享：

2020-09-28 16:17:47 470

原创 ppt：因果论基础

19年因果ppt19年自制ppt分享：

2020-09-28 16:09:13 190

原创 面试复盘：2020.09.09

目录远景能源0 基本情况1 提问2 反问远景能源0 基本情况地点：合肥岗位：风机研发-SWPS-算法工程师面试时长：0.5h1 提问（1）自我介绍（2）项目介绍（3）期望薪资2 反问（1）公司在这个方向上的业务主要做什么？（2）你觉得这个职位，这家公司最吸引你的是什么？（3）评价一下我的面试表现？...

2020-09-16 23:07:08 117

原创 LabVIEW生成exe

目录1 准备1.1 检查版本1.2 检查清单2 创建应用程序3 创建安装程序4 目标电脑安装步骤参考1 准备1.1 检查版本需要：应用程序生成器专业开发版——有完全开发版——没，另买基础版——没，另买1.2 检查清单http://zone.ni.com/reference/en-XX/help/371361J-01/lvconcepts/build_checklist/2 创建应用程序（1）新建项目，包含所需vi（2）程序生成规范——》新建——》应用程序 a.信息目标文件名，影响应

2020-09-08 22:39:21 757

论文笔记-中-1964刀具磨损的测量方法与磨钝标准.caj
论文摘要：本文提出了以体积磨损（毫米平方）或质量磨损（毫克）来测量切削刀具磨损的新方法。这个方法能比较客观和充分地反映刀具磨损这一复杂物理现象的数量方面。文章对有关公式进行了推导。

2020-11-04

英-2011基于形状映射的球头刀磨损测量.pdf
论文摘要：在铣削加工过程中，刀具磨损对产品加工质量有重要影响。为了有效地预测球端刀具的磨损，提出了一种测量球端刀具磨损的方法。该方法在完成每次铣削实验后，通过铣削孔模式在一块金属材料上映射刀具磨损形状。这些成形孔在三坐标测量机上采用计划测量方法进行测量。建立了测量球头刀具刀具磨损的方法。实验结果表明，该方法能有效地测量刀具磨损，为刀具磨损建模和监测提供了依据

2020-11-04

中-2011基于复映测量的球头刀具磨损数据处理及软件开发.caj
论文摘要：在铣削加工中刀具磨损对产应加工质量有重要的影响，以球头刀具磨损为研究对象，为了建立刀具磨损模型，采用复映测量手段获取刀具磨损，在复映测量获得刀具磨损的过程，针对复映测量的球头铣削刀具磨损数据提出了数据处理的方法，并以c++为开发平台实现了基于复映测量的刀具磨损数据处理模块，为基于复映测量的刀具磨损建模提供了基础，所提出的刀具磨损数据处理方法可有效对刀具磨损数据进行分析建立刀具磨损模型。

2020-11-04

英-2010一种刀具磨损测量的新方法.pdf
论文摘要：在数控加工过程中，刀具磨损测量是建立刀具磨损模型的重要组成部分。提出了一种测量刀具磨损的新方法。该方法将刀具磨损映射为一种对刀具磨损无影响或影响较小的材料，如铝合金，以反映铣刀的磨损状况。反射是在每次加工实验后使用磨损的刀具在该材料上铣孔完成的，从而形成一系列反射轮廓。这些反射剖面是在三坐标测量机上测量的。从而得到刀具沿刀具截面半径的磨损，称为径向磨损。根据刀具的径向磨损、前角和间隙角，可以很容易地计算出刀具的齿面磨损。为了验证这种刀具磨损测量方法，在五轴硬质合金刀具铣削不锈钢高速加工中心上设计并完成了一系列的加工实验。实验表明，该方法是有效可行，可以方便、高效地进行刀具磨损实验。

2020-11-04

综述笔记—GeneralizingfromaFewExamples:ASurveyonFew-Shot Learning
论文框架：介绍，概述（问题定义，相关问题，关键点，分类），数据（有标签数据，弱标签数据，相似数据集，总结），模型（多任务学习，嵌入式学习，外部记忆空间学习，生成模型，总结），算法（已有参数优化，元参数优化，学习优化器，总结），展望（问题场景，技术，应用，理论），结论

2020-07-21

论文笔记—Probabilistic Model-Agnostic Meta-Learning.pdf
论文摘要：元学习仅需少量学习就可以获取先前的先前任务和经验，从而可以从少量数据中学习新任务。但是，短镜头学习中的一个关键挑战是任务模糊性：即使可以从大量先前任务中元学习强大的先验知识，但用于新任务的小数据集也可能太含糊而无法获取单个模型（例如，针对该任务的分类器）。在本文中，我们提出了一种概率元学习算法，该算法可以从模型分布中为新任务采样模型。我们的方法扩展了模型不可知的元学习，它通过梯度下降适应新任务，并结合了通过变分下界训练的参数分布。在元测试时，我们的算法通过将噪声注入梯度下降的简单过程进行自适应，在元训练时，对模型进行训练，以使这种随机自适应过程从近似模型后验中生成样本。我们的实验结果表明，我们的方法可以在模糊的几次镜头学习问题中对合理的分类器和回归器进行采样。

2020-07-21

论文笔记—Recasting gradient-based meta-learning as hierarchical bayes
论文摘要：元学习允许智能代理利用先前的学习情节作为快速提高新任务性能的基础。贝叶斯分层建模提供了一个理论框架，用于形式化元学习，作为对跨任务共享的一组参数的推断。在这里，我们重新定义了Finn等人的模型不可知元学习算法（MAML）。 （2017）作为分层贝叶斯模型中概率推断的方法。与通过分层贝叶斯进行元学习的现有方法相比，MAML通过使用可扩展的梯度下降过程进行后验推理，自然适用于复杂函数逼近器。此外，将MAML识别为分层贝叶斯提供了一种将算法作为元学习过程进行理解的方法，并提供了利用计算策略进行有效推理的机会。我们利用这次机会提出了对MAML算法的改进，该算法利用了来自近似推断和曲率估计的技术。

2020-07-21

论文笔记Unsupervised cross-domain transfer in PGRL via manifold alignment.pdf
论文摘要：将策略梯度强化学习（RL）应用于困难的控制任务的成功，关键取决于确定策略明智的初始化的能力。转移学习方法通​​过重用从解决其他相关任务中收集到的知识来解决此问题。在多个任务域的情况下，这些算法需要任务间映射以促进跨域的知识转移。但是，当前没有通用的方法来学习任务间映射，而不需要RL设置中通常不存在的背景知识，也不需要对状态和动作的大小以指数形式进行的任务间映射的昂贵分析本文介绍了一种自治框架，该框架使用无监督的流形对齐来学习任务间映射并有效地在不同任务域之间传递样本。包括在四旋翼控制中的应用在内的各种动力学系统的经验结果证明了其在策略梯度RL的情况下对跨域转移的有效性

2020-07-21

综述笔记—A Survey on Transfer Learning
论文摘要：许多机器学习和数据挖掘算法中的一个主要假设是，训练数据和将来的数据必须在相同的特征空间中并且具有相同的分布。但是，在许多实际应用中，此假设可能不成立。例如，有时我们在一个感兴趣的领域中有一个分类任务，但在另一个感兴趣的领域中我们只有足够的训练数据，其中后者的数据可能在不同的特征空间中或遵循不同的数据分布。在这种情况下，知识转移（如果成功完成）将通过避免昂贵的数据标记工作来极大地提高学习效果。近年来，转移学习已经成为解决这个问题的新的学习框架。这项调查的重点是对分类，回归和聚类问题的转移学习进行分类和审查。在本次调查中，我们讨论了转移学习与其他相关机器学习技术（例如领域自适应，多任务学习和样本选择偏差以及协变量偏移）之间的关系。我们还将探讨转移学习研究中的一些潜在的未来问题。

2020-07-21

论文笔记—meta-learning and universality
论文摘要：学习学习是使模型能够更有效，更有效地从数据中学习的强大范例。一种流行的元学习方法是训练一个循环模型，以将训练数据集作为输入并输出一个学习模型的参数，或者输出对新测试输入的预测。另外，一种新的元学习方法旨在获取可以通过标准梯度下降有效地微调到新任务的深度表示。在本文中，我们从通用性的角度考虑元学习问题，将学习算法近似的概念形式化，并将上述递归模型的表达能力与将梯度下降嵌入元学习器的最新方法进行比较。特别是，我们试图回答以下问题：深度表示与标准梯度下降相结合是否具有足够的能力来近似任何学习算法？我们发现，这确实是我们的实验，而且是进一步的实验，基于梯度的元学习始终能够导致与递归模型所代表的策略相比，具有更广泛的泛化学习策略。

2020-07-21

论文笔记—Learning domain-shared group-sparse representation for unsupervised DA
论文摘要：在无监督域适应中，一个关键的研究问题是跨域的联合分布对齐 。 但是， 直接 对齐的源和目标联合分布是不可行的， 因为目标条件分布的标签未知。结合边缘分布对齐（它是条件分布对齐的等价条件，而不是用条件分布近似估计目标标签。），提出了一种基于领域共享的群体稀疏准则——字典学习模型，用于学习具有对齐联合分布的领域共享表示。实验结果表明，该方法在方差较大的数据集上也表现良好。 我们的结果进行了定量和定性分析，并进行了参数灵敏度和收敛性分析的实验，以表明该方法的有效性。

2020-07-21

NIPS2017-Oriol Vinyals-model vs optimazation meta-learning
ppt框架：元学习定义，与无监督学习的对比，与监督学习的对比，元学习模型分类（基于模型，基于度量，基于优化）与例子，总结，展望

2020-07-21

论文笔记—基于迁移共享空间的分类新算法
论文摘要：为解决来自不同但相关领域的大量无标签数据和少量带标签数据的分类问题，首先构造一个联 系源域到目标域的共享特征空间，并将该空间引入经典的支持向量机算法使其获得迁移能力，最终得到 一种新的基于支持向量机的迁移共享空间的分类新算法，即迁移共享空间支持向量机．具体地，该方法 以迁移学习理论为基础，结合分类器最大间隔原理，通过最大化无标签数据和带标签数据的联合概率分 布来构建无标签数据和带标签数据的共享空间；为充分考虑少量带标签数据之数据分布，在其原始特征 空间和共享空间组成的扩展空间中训练分类模型．相关实验结果验证了该迁移学习分类器的有效性．

2020-07-21

论文笔记—learning invariant feature spaces to transfer skills with RL
论文摘要：人们可以根据自己的经验学习各种各样的任务，但也可以通过观察其他生物来学习。即使观察到的代理与学习代理形态之间的差异很大，也可以加快新技能的获取。在本文中，我们研究了强化学习算法如何在形态不同的代理（例如，不同的机器人）之间传递知识。我们介绍了一个问题提法，其中两个特工被要求通过共享信息来学习多种技能。我们的方法使用了两个代理所学到的技能来训练不变特征空间，然后将其用于将其他技能从一个代理转移到另一个代理。学习这些不变特征空间的过程可以看作是一种“类比制作”，或者是隐式学习两个不同领域之间的部分对应关系。我们用两种模拟的机器人操作技能评估了转移学习算法，并说明了我们可以在具有不同链接数的模拟机器人臂之间以及在具有不同致动机制的模拟臂之间转移知识，其中一个机器人是扭矩驱动的，而另一机器人是腱驱动的。

2020-07-21

论文笔记—DIVERSITY IS ALL YOU NEED_ LEARNING SKILLS WITHOUT A REWARD FUNCTION.pdf
论文摘要：聪明的生物可以在没有监督的情况下探索环境并学习有用的技能。在本文中，我们提出了“多样性就是你所需要的”（DIAYN），一种无需奖励功能即可学习有用技能的方法。我们提出的方法通过使用最大熵策略最大化信息理论目标来学习技能。在各种模拟的机器人任务上，我们证明了这个简单的目标会导致无监督技能的出现，例如走路和跳跃。在许多强化学习基准环境中，我们的方法可以解决学习基准任务，而无需接受真正的任务奖励。我们展示了受过预训练的技能如何为下游任务提供良好的参数初始化，以及如何进行层次组合以解决复杂，稀疏的奖励任务。我们的结果表明，无监督的技能发现可以作为有效的预培训机制，以克服强化学习中的探索和数据效率挑战。

2020-07-21

迁移学习简明手册（2018）.pdf
中国科学院计算技术研究所，王晋东大大。 该书简明地介绍迁移学习的概念与基本方法，并对其中的领域自适应问题中的若干代表性方法进行讲述。最后，简要探讨迁移学习未来可能的方向。

2020-06-04

数据结构与算法课件.zip
数据结构与算法的笔记 视频可在b站找到 https://www.bilibili.com/video/BV1e4411s7Kw?p=50

2020-05-25

论文笔记—Recent Advances in Autoencoder-Based Representation Learning.pdf
在很少或没有监督的情况下学习有用的表示是人工智能的一个关键挑战。我们深入回顾了表示学习的最新进展，重点关注基于自编码器的模型。为了组织这些结果，我们使用了被认为对下游任务有用的元先验，比如特征的解缠和分层组织。特别地，我们揭示了三种主要机制来执行这些特性，即(i)正则化(近似或聚集)后验分布，(ii)分解编码和解码分布，或(iii)引入结构化的先验分布。虽然有一些有希望的结果，隐性或显性监督仍然是一个关键的促成因素，所有当前的方法使用强烈的归纳偏差和建模假设。最后，我们通过率失真理论分析了基于自编码器的表示学习，并明确了关于下游任务的现有知识量和表示对该任务的有用程度之间的权衡。

2021-06-01

2020-Multi-Task Learning Method for Tool Wear Conditionand.pdf
深度学习已逐渐应用于机械加工状态监测领域。但是，目前只能进行单任务预测，这会增加实验成本，浪费数据集，重复工作。提出了一种基于深度信念网络(DBN)的多任务学习方法，可用于刀具磨损状况和零件表面质量的预测。将DBN网络最后几个隐含层的单任务数据传输改进为多任务并行数据传输，使改进后的DBN能够实现多任务学习。多任务学习模型的损失函数定义为所有单个任务损失函数的加权和。通过改变损失函数的相应系数，可以调整相应任务的重要性。此外，多任务深度学习方法可以实现信息共享，抑制过拟合，提高预测精度，减少计算时间。结合上述改进，建立了刀具磨损与零件表面质量的多任务模型。在KVC850M三轴立式加工中心上进行了实验验证。结果表明，该多任务预测模型用于刀具磨损预测的准确率为97.59%，用于零件表面质量预测的准确率为92.66%。

2021-06-01

7963-bayesian-model-agnostic-meta-learning.pdf
由于模型固有的不确定性，学习从少量数据集推断贝叶斯后验是实现稳健元学习的重要一步。在本文中，我们提出了一种新的贝叶斯模型不可知的元学习方法。该方法结合了有效的基于梯度的元学习和非参数变分推理。与以往的方法不同的是，在快速适应过程中，该方法能够学习复杂的不确定性结构，而不是简单的高斯近似;在元更新过程中，采用了新的贝叶斯机制，防止了元级过拟合。它仍然是一种基于梯度的方法，也是第一个适用于包括强化学习在内的各种任务的不依赖贝叶斯模型的元学习方法。实验结果表明，该方法在正弦回归、图像分类、主动学习和强化学习等方面具有较好的准确性和鲁棒性。

2021-06-01

2019-Meta-Learning with Differentiable Convex Optimization.pdf
许多元学习方法的少数镜头学习依赖于简单的基础学习者，如最近邻分类器。然而，即使在少量射击的情况下，有区别地训练线性预测器可以提供更好的泛化。我们建议使用这些预测器作为基础学习者来学习少量镜头学习的表示，并表明它们在一系列少量镜头识别基准之间提供了更好的特征大小和性能之间的权衡。我们的目标是学习特征嵌入，在新的类别线性分类规则下很好地一般化。为了有效地解决这一目标，我们利用了线性分类器的两个性质:凸问题的最优性条件的隐式微分和最优问题的对偶公式。这允许我们使用高维嵌入改进的泛化，并适度增加计算开销。我们的方法名为MetaOptNet，在miniImageNet、tieredImageNet、CIFAR-FS和FC100的几次学习基准上实现了最先进的性能。

2021-06-01

2019-Online Meta-Learning.pdf
智能系统的核心能力是不断建立在以往经验的基础上，以加快和加强对新任务的学习。有两种截然不同的研究范式研究了这个问题。元学习将这一问题视为优先学习模型参数，以便对新任务进行快速适应，但通常假设任务集可以作为批处理一起使用。相比之下，在线(基于后悔的)学习考虑的是一个连续的设置，在这个设置中问题一个接一个地被发现，但传统上只训练一个单一的模型，没有任何特定任务的适应性。这项工作引入了在线元学习设置，它融合了上述两种模式的想法，以更好地捕捉持续终身学习的精神和实践。我们建议遵循元leader算法，它扩展了MAML算法(Finn et al.， 2017)到这个设置。从理论上讲，这项工作提供了一个O(log T)遗憾保证，附加了一个更高阶的平滑假设(与标准在线设置相比)。在三种不同的大规模任务上的实验评价表明，该算法显著优于基于传统在线学习方法的其他算法。

2021-06-01

ISO8688-2-1989.pdf
ISO刀具磨损相关标准

2021-05-01

PPT-迁移学习理论与应用.pdf
杨强，港科大

2021-05-01

论文笔记-2014ECML-ImportanceWeighted Inductive Transfer Learning for Regression.pdf
论文摘要：我们考虑了数据集移动的归纳转移学习，在这种情况下，两个采样的，但密切相关的数据集的分布不同。当需要预测的目标数据稀缺时，就会使用另一个次要数据集的数据来改进预测。迁移学习试图通过适当补偿这样的数据集移动来解决这个任务。在这项工作中，我们假设协变量和因变量的分布可以在数据集之间任意不同。本文提出了两种基于重要性加权的回归方法。这里对辅助数据的每个实例都分配了一个权重，以便该数据对目标数据的预测作出积极的贡献。实验表明，该方法在基准测试和真实数据集上都取得了良好的效果。

2020-11-05

中-2014迁移学习研究进展.pdf
论文摘要：近年来，迁移学习已经引起了广泛的关注。迁移学习是运用已存有的知识对不同但相关领域问题进行求解的新的一种机器学习方法。传统机器学习基于两个基本假设：(1) 用于学习的训练样本与新的测试样本满足独立同分布的条件；(2) 必须有足够可利用的训练样本才能学习得到一个好的分类模型。迁移学习 降低了要求，目的是迁移已有的知识来解决目标领域中仅有少量或没有有标签样本数据时的学习问题。本文对迁移学习算法以及相关理论研究进展进行了综述，并介绍了我们在该领域所做的研究工作，特别是利用生成模型在概念层面建立迁移学习模型。最后指出了迁移学习下一步可能的研究方向。

2020-11-05

2019Seeded transfer learning for regression problems with deep learning.pdf
论文摘要：相关但不同领域的数据分布差异是知识适应的长期问题。提出了一种新的源域知识变换方法，使其与目标函数相适应。该方法利用深度学习方法和目标域有限样本对源域数据集进行变换。它将目标域的有限样本作为启动源知识转移的种子。采用不同的计算智能模型和不同的数据集进行了综合实验。结果表明，使用该方法训练的预测模型与仅使用源知识或深度学习特征训练的相同模型相比，表现出最佳的性能。实验表明，在总共18个实验中，使用所提方法训练的模型在14个实验中至少比基线方法好50%

2020-11-05

2018GLoMo: Unsupervisedly Learned Relational Graphs as Transferable Repres.pdf
论文摘要：现代的深度迁移学习方法主要侧重于从一个任务中学习可转移到其他任务中的一般特征向量，如语言中的单词嵌入和视觉中的预训练卷积特征。然而，这些方法通常传递一元特征，并在很大程度上忽略了更结构化的图形表示。这项工作探索了学习通用潜关系图的可能性，它捕获了数据单位对之间的依赖关系(例如，单词或像素)，从大规模的未标记数据，并将图传输到下游任务。

2020-11-05

2011Adaptive Trading Agent Strategies Using Market Experience.pdf
论文摘要：迁移学习在经济学中的应用—i)找出最相似的市场，ii)仅从当前市场学习，iii)从当前市场学习，但使用以前的经验调整学习算法，iv)从当前和以前的市场学习。

2020-11-05

2007Boosting for Transfer Learning.pdf
论文摘要：传统机器学习的基本假设是:训练数据和测试数据应该处于相同的分布下。然而，在许多情况下，这种假设并不成立。当来自一个新域的任务出现，而只有来自类似旧域的标记数据时，可能会违反这个假设。给新数据贴上标签可能代价高昂，而且扔掉所有旧数据也会是一种浪费。在本文中，我们提出了一个新的迁移学习框架TrAdaBoost，它扩展了基于增强的学习算法(Freund &Schapire, 1997)。TrAdaBoost允许用户利用少量的新标签数据来利用旧数据来为新数据构建高质量的分类模型。我们证明，这种方法可以让我们仅使用少量的新数据和大量的旧数据来学习一个准确的模型。

2020-11-05

论文笔记-中-2017基于区域生长法的数控刀具磨损状态检测方法.pdf
论文摘要：研究了一种基于视觉特征在线提取刀具磨损特征值的方法，用于不停机诊断刀具磨损状态。针对刀具磨损图像的特点，设计了自动选取种子点与生长阈值的区域生长算法分割磨损区，并通过最小外接矩形提取刀具磨损特征值(VBmax)。图像处理结果显示，该方法可以有效而便捷地获得刀具后刀面的磨损信息，可用于数控机床不停机检测刀具磨损状态。

2020-11-04

论文笔记-中-2002基于随机模糊神经网络的刀具磨损量软测量技术.pdf
论文摘要：刀具磨损检测对于提高加工过程的自动化/高精度化/智能化具有重要意义,本文通过检测电流信号基于随机模糊神经网络建立了刀具磨损量的软测量模型,该模型的创新之处在于利用切削参数实时地调整网络的部分参数0从而可以减小切削参数与电流信号之间关系对于刀具磨损估计的影响并且使得模型具有动态性/实时性,实验验证表明该方法是正确而有效的。

2020-11-04

论文笔记-中-1998刀具磨钝标准的模糊确定法.caj
论文摘要：刀具磨钝标准是确定刀具使用寿命的依据，应用模糊数学的理论，建立模糊综合评判模型，并综合考虑影响刀具磨钝标准的诸多因素，予以数学化、定量化。由此法确定的磨钝标准易于实现电脑运算。

2020-11-04

论文笔记-中-1996刀具磨损型式与磨钝标准VB的选取.pdf
论文摘要：本文讨论了刀具后刀面的两类磨损型式对选取刀具磨钝标准VB的影响，建议了一种合理选取VB的方法

2020-11-04

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除