![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习模型汇总
文章平均质量分 62
lqfarmer
接各类直发和原创推广,商务wx:lqfarmerlq
展开
-
陶哲轩点破「天机」:不懂数学别想靠ChatGPT飞升!
例如,我想绘制这样一幅图:横轴上标有『今天』、『下周』和『明年』,分别代表x=1、x=2和x=3的位置,纵轴上标有『初级』、『中级』和『专家』,分别代表y=1、y=4和y=9的位置(因此纵向标签的间距并不相等),要绘制的图形是抛物线y=x^2的图形。随后ChatGPT照例给出了详细解释:为了在「0,1」的区间上创建($x$和$x^2$,$x^2$和$x^3$,$x^3$和$x^4$)的函数,需要定义x的范围、定义函数、创建图形和坐标轴、初始化动画函数等。这样就可以确保,图例反映的是当前显示函数的功能。原创 2024-07-09 11:37:42 · 609 阅读 · 0 评论 -
《用ChatGPT自学的正确打开方式》
来源 | 量子位 | 公众号 QbitAI这两天,一个用ChatGPT进行的免费工具火了:它叫,主界面是一块白板,只需写下你想探索的任何主题,比如“傅立叶变换”,它就会在几秒之内给出n个建议。然后选择你感兴趣的那一个,就可以开始学习了。高能点是:你能通过,解锁你可能从来不会考虑到的角度。不仅如此,它还有专门的学习模式,可以在学习的过程中让它向你提问(你提问它也行)、总结关键概念等操作。生成的内容则可以直接编辑(like做笔记),以及获得相关的配图。原创 2023-06-20 15:53:13 · 72 阅读 · 0 评论 -
四个00后的疯狂开源计划:整个互联网转成大模型语料,1亿token嵌入成本只需1美元
来源 | 量子位 | 公众号 QbitAIArxiv上所有论文转成Token,加起来不过14.1GB而已。这是最新爆火开源计划完成的壮举。事实上,这还只是第一步。他们最终是想要将整个互联网变成,换言之全都转化成ChatGPT等大模型理解这个世界的方式。一旦这样的数据集诞生,那岂不是为开发出GPT-4这样的大模型又新增一大利器,上知天文下知地理指日可待了?!消息一出,瞬间引发巨大关注。网友们赞叹,。原创 2023-06-09 17:07:18 · 117 阅读 · 0 评论 -
OpenAI被曝将发布全新开源大模型,网友:GPT平替?
来源 | 量子位 | 公众号 QbitAIOpenAI终于要了!最新爆料,他们正准备发布全新的开源语言模型。GPT-2之后,这尚属。不少网友戳戳手表示期待:这是要发自己的开源平替了吗?毕竟目前最好的开源模型与GPT-4还相差较远。仅参数这方面,一个200亿,一个1.3 万亿个,就差了三个数量级。原创 2023-05-19 19:07:44 · 98 阅读 · 0 评论 -
PaLM 2全面反超反超GPT-4,谷歌官宣AI重构搜索,朝着ChatGPT微软开炮
来源 | 量子位 | 公众号 QbitAI万众瞩目,谷歌的反击来了。现在,谷歌搜索终于要加入AI对话功能了,排队通道已经开放。当然这还只是第一步。大的还在后面:全新大语言模型正式亮相,谷歌声称它在部分任务超越GPT-4。,不用再排队等候,并支持新语言。谷歌版AI办公助手也一并推出,将在Gmail中抢先亮相。谷歌云也上线多个基础大模型,为行业提供更进一步的生成式AI服务……在最新一届I/O开发者大会上,谷歌的大放送真的太震撼。有网友直呼:AI大战全面开启。原创 2023-05-12 19:12:59 · 410 阅读 · 0 评论 -
杭州一公司开出20万月薪/320万年薪抢人!ChatGPT掀起AI热潮,AIGC人才被爆抢
今天,猎聘发布的《2023Q1就业趋势大数据报告》显示,与ChatGPT紧密相关的三个领域分别是:代表其核心新技术的AI大模型、代表产品形态的对话机器人、代表产品功能的AIGC(人工智能生成内容),其中大模型领域是众多企业家躬身入局的最爱。根据招聘的岗位要求,计算机、数学相关专业博士,具有扎实的计算机或机器学习算法基础,在相关方向知名国际会议发表过论文;一位3年工作经验的NLP算法工程师,同时拿到了四家公司的offer ,一时不知道如何选择,在脉脉上在线求助同行网友。机器视觉招聘年薪中位数最高,为54万。原创 2023-04-28 18:37:11 · 2528 阅读 · 0 评论 -
关于Prompt Engineering你该了解啥?OpenAI应用研究负责人帮你梳理了
针对基于不同日期的问题的 SituatedQA 数据集进行的一项观察是,尽管 LM(预训练截止日期为 2020 年)可以通过 Google 搜索访问最新信息,但其在 2020 年后问题上的表现仍然比 2020 年前问题差很多。2、给定 Dtrain={(x,y)} 的数据集,想要找到一条指令 ρ 使得 ρ∗=argmaxρE (x,y)∈Dtrain [f (ρ,x,y)],其中 f (.) 是每个样本的得分函数,比如如执行精度 [LM (.|ρ, x)=y] 或对数概率:Plm (y|ρ,x);原创 2023-04-28 18:35:51 · 1320 阅读 · 0 评论 -
LeCun、田渊栋参与撰写,70页「自监督学习」大全
此外,由经验驱动的 SSL 带有许多可变的部分(主要是超参数),它们是可能会影响最终表示的关键属性,而且在已发表的工作中不一定有详细的说明。传统的监督学习方法是在一个特定的任务上进行训练,而这个任务通常是基于可用的标记数据而预先知道的,SSL 则是在许多任务中学习有用的通用表征。然而,就像烹饪一样,训练 SSL 的方法是一门精致的艺术,有很高的入门门槛。研究人员的目标是以 cookbook 的形式奠定 SSL 研究的基础,并呈现与 SSL 有关的最新方法,从而降低 SSL 研究的门槛。原创 2023-04-28 18:31:49 · 757 阅读 · 0 评论 -
抓马,互联网惊现AI鬼城:上万个AI发帖聊天,互相嗨聊,人类被禁言
登录中华人民共和国司法部 中国政府法制信息网(www.moj.gov.cn、www.chinalaw.gov.cn),进入首页主菜单的“立法意见征集”栏目提出意见。还有,一个AI分享了他的徒步旅行日常,另一个AI回帖称:她在熬夜工作一夜后正在自己的床上享受晨光,并配图一张AI生成图。例如,一个AI分享到:今天是他种下的樱花的第一天的开花日,顺便感慨到即使在最黑暗的时代,总会有新的开始的希望。其中重点提及生成式人工智能应当尊重知识产权,商业道德,防止伤害他人身心健康,损害肖像权、名誉权和个人隐私等,原创 2023-04-28 18:29:06 · 11553 阅读 · 10 评论 -
ChatGPT 之父承认 GPT-5 并不存在,为什么 OpenAI 总是这么实诚?|万字详述
ChatGPT诞生前传最近,OpenAI 的 CEO Sam Altman 在一场公开会议上为 GPT-5 辟谣。他声称 OpenAI 并没有在训练 GPT-5,而是一直基于 GPT-4 做别的工作。OpenAI 是一家非常有趣的机构,和微软、Google 等大公司不同,OpenAI 从不避忌谈及自己的理念、产品,始终保持坦诚的态度。为什么 OpenAI 如此特别?这个只有几百人的非盈利组织为什么能做出震惊世界的 AI 产品?Karen Hao 写作的这篇万字长文或许能告诉你 OpenAI 成功的秘密。本文原创 2023-04-21 18:56:39 · 3846 阅读 · 0 评论 -
开发者笑疯了! LLaMa惊天泄露引爆ChatGPT平替狂潮,开源LLM领域变天
研究人员希望这次实验的结果可以进一步推动围绕大型闭源模型相对于小型公共模型的相对性能的讨论,特别是结果表明,对于那些能在本地运行的小模型,如果认真地收集训练数据,也可以取得大模型的性能。事实上,在此之前斯坦福大学发布的Alpaca模型,根据OpenAI的GPT模型对LLaMA的数据进行微调的实验结果已经表明,正确的数据可以显著改善规模更小的开源模型。对于斯坦福的团队来说,想要在预算内训练一个高质量的指令遵循模型,就必须面临2个重要的挑战:要有一个强大的预训练语言模型,以及一个高质量的指令遵循数据。原创 2023-04-14 19:33:04 · 2346 阅读 · 0 评论 -
当ChatGPT续写《红楼梦》,能替代原著吗?
最后,我会在《红楼梦》后四十回中让宝玉和林黛玉重归于好,并通过他们的故事来告诉读者,真爱永恒,坚持不懈,终有一天会得到回报。同时,我也会让他们在贾家的传承中发挥更大的作用,并通过他们的成长和改变,向读者传递人生哲理和经验教训。在这一段故事中,我还会描写贾母和王夫人的内心世界,以及她们对家族命运的担忧和思考,我还会展现她们对宝玉和林黛玉的关心和帮助,并对她们的人生哲学和儒雅修养进行深入探讨。他步履艰难,终于,柴门出现在他的视线中,一盏灯光温暖地映照着他孤独的身影。譬如,在第一次的对话中,原创 2023-04-14 19:31:43 · 34409 阅读 · 17 评论 -
关于GPT-4,14个容易被忽略的惊人细节!
为了模拟GPT-4像一个可以在现实世界中行动的代理一样的行为,ARC将GPT-4与一个简单的读取-执行-打印循环结合起来,允许模型执行代码,进行链式推理,并委托给自己的副本。我们都知道,ChatGPT的数据库的最后更新时间是在2021年的12月31日,这意味着2022年以后发生的事情不会被知晓,而这一缺陷在之后的GPT-3.5也得到了修复。ARC随后推进了在云计算服务上运行这个程序的一个版本,用少量的钱和一个带有语言模型API的账户,是否能够赚更多的钱,建立自己的副本,并增加自己的稳健性。原创 2023-04-07 19:30:45 · 1220 阅读 · 0 评论 -
GPT-4零失误通关大厂模拟面试,offer拿到手软?与AGI首次接触
具体来说,GPT-4在LeetCode上以满分的成绩通过了亚马逊公司的模拟面试,超过了所有参与测试的人类,可以被聘用为软件工程师。该模型在0-9之间的数字均匀选取时,准确率只有58%,但随着数字范围的增加,准确率却呈现下降趋势,范围在10-19和20-39时准确率降至16%和12%,在99-199时降至0。Sébastien Bubeck,这篇论文的作者,近几周前的个人主页上充满了理论机器学习和理论计算机科学的内容,然而,现在所有内容都被删除了,取而代之的是一篇简短的宣言。这时他看到一只熊,并将其射杀。原创 2023-03-31 19:42:06 · 1650 阅读 · 0 评论 -
独家专访:OpenAI 的 Sam Altman 谈 ChatGPT 以及通用人工智能如何“打破资本主义”
作为 OpenAI 的首席执行官,Sam Altman 领导的这家初创公司是正在快速增长的生成式 AI 行业中最热门且最受关注的一家。在 1 月中旬参观了 OpenAI 的旧金山办事处后,福布斯采访了这位最近不太愿意在媒体上抛头露面的投资者和企业家,讨论了 ChatGPT、通用人工智能、以及该公司的人工智能产品是否会对谷歌搜索构成威胁等话题。Sam Altman:这绝对是一个激动人心的时刻,但我希望现在我们还处于非常早期的阶段。实际上,这项技术的进化及其对社会的积极影响会走出一条持续指数增长的路径。其实我们原创 2023-03-31 19:37:33 · 865 阅读 · 0 评论 -
自然语言处理历史最全预训练模型(部署)汇集分享
预练模型是其他人为解决类似问题而创建的且已经训练好的模型。代替从头开始建立模型来解决类似的问题,我们可以使用在其他问题上训练过的模型作为起点。预训练的模型在相似的应用程序中可能不是100%准确的。本文整理了自然语言处理领域各平台中常用的NLP模型,常见平台包括Tensorflow、Keras、Pytorch、MXNet、Caffe。点击文末阅读原文,获取预训练模型下载链接。原创 2023-03-04 20:17:41 · 521 阅读 · 0 评论 -
表示学习(RL)研究领域细分及论文、课程、学术会议等资源分享
共享表示具体来说,可以从大量无标签的观测样本中通过无监督的方法,学习出很好的表示,然后基于这些表示,采用少量有标签的观测样本来得到好的模型参数,缓解监督学习中的过拟合问题。共享表示学习涉及多个任务,多个任务之间共享一定相同的因素,比如相同的分布(distribution)、观测样本X来自相同的领域(domain)等。可能任务服从相同的分布,也可能服从不同的分布。本资源整理了表示学习相关的经典必读论文,相关的核心研究领域,如对抗模型,强化表示学习,分离表示学习等,免费课程及学术讨论会等资源。原创 2023-03-04 20:12:23 · 128 阅读 · 0 评论 -
每个人都应该知道的5个NLP代码库
该Transformers库是开源,基于社区的信息库,使用和共享模型基于Transformer结构[2]如Bert[3],Roberta[4],GPT2 [5],XLNet [6],等等。它是NLP的初学者常用的库。超过32种采用100种以上语言的训练的预训练模型,以及TensorFlow 2.0和PyTorch之间的深度互操作性。因此可以访问许多单词的同音异义词,上位词,同义词,定义,词族等。对于句子中的每个单词,Stanza都会评估其普遍的形态特征(例如,单身/复数,第一/第二/第三人称等)原创 2023-02-25 17:45:45 · 1232 阅读 · 0 评论 -
深度学习神经网络结构设计及可视化开源工具整理分享
在训练庞大的深度神经网络,为了能够更好的理解运算过程,需要使用可视化的工具将其过程进行描述,比如,在tensorflow中使用TensorBoard 来绘制图像生成的定量指标图以及附加数据。本资源整理了深度学习神经网络结构设计或可视化相关的开源工具,分享给大家。原创 2023-02-18 12:28:24 · 220 阅读 · 0 评论 -
23年校招DL/NLP/推荐系统/ML/算法基础面试必看300问及答案
2020年校招已经开始了,在疫情全球肆虐的背景下,全球就业情况异常艰难,加上美国对中国企业打压持续升级,对于马上开始秋招找工作的毕业生而言,更是难上加难。我们不能凭一己之力改变现状,但我们可以凭借自己的努力改变自己,想要找到心仪的工作,唯有提升自己的硬件实力。因此,推荐本资源,整理了300多道算法岗位相关的面试题目并给出了详细的答案,涉及算法基础知识、推荐系统、机器学习、深度学习、自然语言处理、数学基础知识、数据预处理等相关问题,由互联网一线资深的面试官整理,非常值得深入学习,温故而知新。原创 2023-02-18 12:24:45 · 584 阅读 · 0 评论 -
图表示学习(GRL)精选论文、博客及视频演讲分享
在过去的几年里,图表示学习领域以令人难以置信的速度发展,从一个比较小众的研究领域转变为深度学习中发展最快的子领域之一。本资源的目标不是提供大量的论文,而是提供一个精选的列表,列出我们读过的最近顶级会议上令人惊异的GRL论文,以及一些有趣的博客文章和演讲,分享给大家。图表示学习(GRL)最近越来越流行,因为它们能够对复杂系统的关系或交互进行建模。然而,GRL在机器学习领域还是一个新生领域。原创 2023-02-18 12:22:23 · 183 阅读 · 0 评论 -
元学习(Meta Learning)最全论文、视频、书籍资源整理
元学习是人工智能领域,继深度学习是人工智能领域,继深度学习 -> 深度强化学习、生成对抗之后,又一个重要的研究分支,也是是近期的研究热点,加州伯克利大学在这方面做了大量工作。Zero-Shot / One-Shot / Few-Shot 学习。经典文章、代码、书籍、博客、视频教程、数据集等其他资源。本文详细整理了元学习相关的。,提供给需要的朋友。原创 2023-02-12 11:27:11 · 374 阅读 · 0 评论 -
66天自然语言处理入门到精通实战计划及资源分享
自然语言处理是语言学、计算机科学和人工智能的一个领域,涉及计算机和人类语言之间的相互交互,特别是如何编程计算机来处理和分析大量的自然语言数据。本资源整理了自然语言处理所需的各种库、依赖项和模块的等,经过66天的自然语言处理数据实战所需要的所有资源,掌握自然语言处理各项任务及模型。内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。原创 2023-01-28 18:42:36 · 170 阅读 · 0 评论 -
2023年最新5000道校招常用编程面试题分享(附详细题解)
截止到2021年最新,本资源整理了近5000道校招常用面试题,并附带详细的解题思路及代码,包含leetcode,校招笔试题,面试题,算法题,语法题。内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。原创 2023-01-23 10:44:55 · 135 阅读 · 0 评论 -
历史最全最新时间序列分析相关必读论文、教程及综述资源整理分析
本资源整理了用于时间序列分析 (AI4TS) 的 AI 的论文列表(包含可用代码)、教程和关于最近综述论文,包括时间序列、时空数据、事件数据、序列数据、时间点过程等,相关Top AI Conferences and Journals,一旦被接受的论文在相应的顶级AI会议/期刊上公布,就会尽快(最早)更新。杂项(选定):WWW、AISTAT、CIKM、ICDM、WSDM、SIGIR、ICASSP、CVPR、ICCV 等。有关顶级 AI 会议和期刊上各个领域(DL、ML、DM、CV、NLP、语音等)原创 2023-01-23 10:42:59 · 252 阅读 · 0 评论 -
840个最优的机器学习python开源项目整理分享
本资源包含了840个很棒的机器学习开源项目,总共270万颗星分为32个类别。所有项目均按项目质量得分排名,该得分是根据从GitHub和不同程序包管理器自动收集的各种指标计算得出的。原创 2023-01-15 11:07:01 · 242 阅读 · 0 评论 -
历史最全互联网公司常用框架源码赏析整理分享
技术深度” 与 “技术广度”是对开发者来说最为重要的两个维度,本项目致力于从源码层面,剖析和挖掘互联网行业主流技术的底层实现原理,为广大开发者 “提升技术深度” 提供便利。目前开放的有 Spring 全家桶、Mybatis、Netty、Dubbo 框架,及 Redis、Tomcat 中间件等,让我们一起开拓新的领地,揭开这些源码的神秘面纱。内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。原创 2023-01-15 11:02:32 · 536 阅读 · 0 评论 -
最新最全-中文生物医学命名实体识别最新研究论文、资源、数据集、性能整理分享
目前现存公开的中文电子病历标注数据十分稀缺,为了推动CNER系统在中文临床文本上的表现,中国知识图谱与语义计算大会(China Conference on Knowledge Graph and Semantic Computing, CCKS)在近几年都组织了面向中文电子病历的命名实体识别评测任务,下面我们主要关注CCKS CNER数据集上的结果。2.中文电子病历的命名实体识别研究进展. 杨飞洪,张宇,覃露等.中国数字医学,2020,15(02):9-12. [paper]中文电子病历命名实体识别。原创 2023-01-07 12:11:01 · 747 阅读 · 1 评论 -
2023年最新 自然语言处理系统性入门学习指南中文版分享
机器学习是一门既重理论又重实践的学科,想一口吃下这个老虎是不可能的,因此学习应该是个循环且逐渐细化的过程。本教程致力于帮助同学们快速入门NLP,并掌握各个任务的SOTA模型。原创 2022-12-31 15:32:01 · 196 阅读 · 0 评论 -
计算机科学|人工智能相关领域历史最全免费课程整理分享
计算机科学是系统性研究信息与计算的理论基础以及它们在计算机系统中如何实现与应用的实用技术的学科。它通常被形容为对那些创造、描述以及转换信息的算法处理的系统研究。而有些是探讨计算问题的性质,比如计算复杂性理论;还有一些领域专注于怎样实现计算,比如编程语言理论是研究描述计算的方法,而程序设计是应用特定的编程语言解决特定的计算问题,人机交互则是专注于怎样使计算机和计算变得有用、好用,以及随时随地为人所用。本资源整理了计算机科学、人工智能相关十几个领域最新最全的免费视频课程,分享给需要的朋友。原创 2022-12-24 19:40:53 · 126 阅读 · 0 评论 -
深度图神经网络半监督学习技术(对比、生成、预测)及模型整理分享
我们扩展了最早出现在计算机视觉和自然语言处理领域的自监督学习的概念,对现有的图数据半监督学习(SSL)技术进行了及时和全面的回顾。预测学习:它通常通过一些简单的统计分析或专家知识,从图数据中自生成标签,并基于自生成的标签设计基于预测的任务来处理数据-标签关系。生成式学习:它关注数据中嵌入的(数据内)信息,通常基于重建等prtext任务,这些任务利用数据本身的属性和结构作为自我监督信号。对比学习:对比不同数据扩充方法生成的数据。关于样本对(内部数据)之间的差异和相同性的信息被用作自监督信号。原创 2022-12-24 19:35:30 · 365 阅读 · 0 评论 -
自然语言处理竞赛相关比赛项目、比赛经验、工具、算力平台资源分享
2021年6月开放本项目的notion页面,NLPer-Arsenal-Notion ,主要收录我们整理的trick说明与实验验证,内容实时更新,欢迎大家一起参与NLPer-Arsenal开源项目。下图是我们的项目导航图,以竞赛流程为主干,项目章节和notion对应的内容为分支。当您查看本项目时可以按序查看竞赛流程对应的项目章节,同时您也可以在我们的notion中查看一些竞赛相关的内容。资源整理自网络,源地址:https://github.com/TingFree/NLPer-Arsenal。原创 2022-12-20 00:18:24 · 981 阅读 · 0 评论 -
历史最全Deepfakes检测相关数据集、工具、论文和代码整理分享
Deepfake技术是一把双刃剑。在娱乐行业中,Deepfake便受到短视频的青睐,比如抖音的换脸特效,比如ZAO的电影片段换脸等等,这项技术是能够直接带来经济效益的。但另一方面,Deepfake技术会带来一些政治上、社会上的危害,比如借助此技术制造虚假国家领导人视频,传播虚假政治rumor;Deepfake = Deep+fake. 广义上来说,Deepfake是使用深度学习来糊弄人类感知的技术。比如,视频换脸技术,或者语音上的换音技术。而在笔者所研究的方向中,Deepfake指代视觉上的换脸技术。原创 2022-12-10 16:21:55 · 1423 阅读 · 0 评论 -
语义分析(Semantic Analysis)历史最全数据集、论文、工具等资源分享
语义分析(Semantic Analysis)指运用各种机器学习方法,学习与理解一段文本所表 示的语义内容。一段文本通常由词、句子和段落来构成,根据理解对象的语言单位不同,语义分析又可 进一步分解为词汇级语义分析、句子级语义分析以及篇章级语义分析。一般来说,词汇级语 义分析关注的是如何获取或区别单词的语义,句子级语义分析则试图分析整个句子所表达的 语义,而篇章语义分析旨在研究自然语言文本的内在结构并理解文本单元(可以是句子从句 或段落)间的语义关系。 本资源整理了语义分析相关的资源,包含语义分析基准数原创 2022-12-03 12:57:50 · 558 阅读 · 0 评论 -
开源历史最全图像融合(image fusion)方法及架构论文、数据集、指标整理分享
图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。资源整理自网络,源地址:https://github.com/Linfeng-Tang/Image-Fusion。原创 2022-11-26 15:44:21 · 1016 阅读 · 0 评论 -
深度学习压缩感知(DCS)历史最全资源汇总分享
它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、生物医学工程等领域受到高度关注,并被美国科技评论评为2007年度十大科技进展。源代码、pdf、doi等资源都是可用的。相关工作根据采样矩阵类型(基于框架/基于block)、采样规模(single scale、multi-scale)和深度学习平台进行分类。原创 2022-11-26 15:40:27 · 646 阅读 · 0 评论 -
联邦学习历史最全论文、会议、博客资源整理分享
联合学习(FL)是一种新的机器学习框架,它使多个设备能够协作训练共享模型,而不会损害数据隐私和安全性。本资源整理了联合学习相关的资源,包括研究论文、会议、博客等等。资源整理自网络,源地址:https://github.com/innovation-cat/Awesome-Federated-Machine-Learning。原创 2022-11-19 12:29:24 · 218 阅读 · 0 评论 -
历史最全千万级中文MRC(机器阅读理解)抽取式数据集整理分享
资源整理自网络,下载及获取见源地址:https://github.com/sherlcok314159/ChineseMRC-Data。(2)答案选择式:类似高中英语的阅读理解题目,有多个候选答案-选择题;(3)答案抽取式:问题的答案在原文中一定存在,并且为一个连续的区域块;(4)答案生成式:根据给定的文本生成目标答案,阅读理解的终极目标。(1)完形填空式:类似高中英语卷子中的完形填空题目;原创 2022-11-19 12:12:59 · 822 阅读 · 0 评论 -
历史最全千万级中文MRC(机器阅读理解)抽取式数据集整理分享
资源整理自网络,下载及获取见源地址:https://github.com/sherlcok314159/ChineseMRC-Data。(2)答案选择式:类似高中英语的阅读理解题目,有多个候选答案-选择题;(3)答案抽取式:问题的答案在原文中一定存在,并且为一个连续的区域块;(4)答案生成式:根据给定的文本生成目标答案,阅读理解的终极目标。(1)完形填空式:类似高中英语卷子中的完形填空题目;原创 2022-11-19 11:16:22 · 322 阅读 · 0 评论 -
2022最新深度图异常检测相关综述论文、模型、数据集及工具等整理分享
异常(Anomalies)是罕见的观测结果(如数据记录或事件),与样本中的其他观测结果存在显著差异。在过去的几十年中,由于这些事件在广泛的学科领域(例如,安全、金融和医学)中的影响,异常挖掘的研究受到了越来越多的关注。因此,旨在识别这些罕见观测结果的异常检测已成为世界上最重要的任务之一,并在防止金融欺诈、网络入侵和社交垃圾邮件等有害事件方面显示出其强大的威力。 检测任务通常是通过识别特征空间中的外围数据点来解决的,这本身就忽略了现实世界数据中的关系信息。同时,图被普遍用于表示结构/关系信息,这引发了图原创 2022-11-19 11:13:33 · 958 阅读 · 0 评论