不确定性问题的论文笔记

已于 2024-02-20 22:06:01 修改
阅读量753 收藏 11
点赞数 10
分类专栏： 不确定性应用的相关论文 文章标签： 论文阅读
于 2024-02-20 21:38:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37833297/article/details/136199020
版权
文章概述了2024年开始的一系列顶级IT会议，如CVPR、ICLR和ECCV等，并提到了ShaoW等人在arXiv上关于自动驾驶运动预测失败检测的不确定性视角论文。
摘要由CSDN通过智能技术生成

Statistics starting from 01/2024, 仅列出了优秀工作中的一部分
每一年的排列顺序:

  • CVPR, ICLR, ECCV, ICCV, ICML, AAAI, TPAMI，TIP，Arxiv 等

每周更新

2024

论文信息速览笔记是 否 已精读精读笔记
Shao W, Xu Y, Peng L, et al. Failure Detection for Motion Prediction of Autonomous Driving: An Uncertainty Perspective[J]. arXiv preprint arXiv:2301.04421, 2023https://blog.csdn.net/m0_37833297/article/details/136199354?spm=1001.2014.3001.5502否无
yijun009
关注
专栏目录
论文笔记: 分类不确定性计算的证据深度学习方法
minfanphd的博客
11-03 2243
摘要: 本文描述对论文 Murat Sensoy, Lance Kaplan, Melih Kandemir, Evidential deep learning to quantify classification uncertainty, NIPS 2018 的理解.
地下水模拟不确定性分析
天地一沙鸥GW
11-16 2922
引言：最近在做一个二维剖面地下水模型，奈何当地地质、水文地质资料少的可怜，在建模型时发现模型概化及后续的校正都存在很大的问题，具有强烈的不确定性，不知如何下手。就想着能不能通过敏感性分析多分析下，通过分析多种可能性，尝试得出结果。然后就查找不确定性的论文，突然就发现了这么一个新大陆，原来不确定性分析还有这么多道道，原谅我之前只知道参数的敏感性分析[笑哭]。 在此将昨天看的几篇文献整理下，一是笔记...
【鲁棒优化】| 论文笔记：The Price of Robustness - 列不确定性部分的推导
HsinglukLiu的博客
03-03 3162
【鲁棒优化】| 论文笔记：The Price of Robustness - 列不确定性部分的推导论文原文我自己的推导：所有详细步骤全部列举出来了参考文献 作者：刘兴禄，清华大学，博士在读 这个问题是来源于经典文献的。一个小伙伴问道了，我在这里给一个完整、详细的推导。 确实单篇原文是无法推出来的，只有结合了另外两篇更先前的论文才能顺理成章的推出来。 也感谢这位小伙伴提问。 论文原文 我自己的推导：所有详细步骤全部列举出来了 max⁡∑j∈Jcjxjs.t.∑j∈Jaijxj+∑j∈Jia^ijyj⩽
论文笔记 | 标准误聚类问题
Claire_chen_jia的博客
03-10 1万+
标准误聚类层面的选择
人工智能导论(4)——不确定性推理(Uncertainty Reasoning)
热门推荐
hustlei的专栏
12-06 2万+
推理是人工智能经典三大基本技术之一，是人类求解问题的主要思维方法。 本文重点内容包括：不确定性推理的概念及分类；不确定性推理中的基本问题；概率方法及贝叶斯公式；可信度方法；模糊推理
ATOM视频目标跟踪论文笔记
越野者的博客
06-16 9589
文章目录1. 论文基本信息2. 论文想要解决的问题3. 核心思想 1. 论文基本信息 论文标题：ATOM: Accurate Tracking by Overlap Maximization 论文作者：Martin Danelljan（CVL, Linkoping University, Sweden）等人 论文出处：CVPR 2019 在线阅读：https://arxiv.org/pdf/18...
Deblurring via Stochastic Refinement 论文笔记
weixin_46872424的博客
01-10 1676
成功将扩散模型应用到了去模糊任务上，增强了生成清晰图片的随机过程，使得最后出来的图片并不是唯一的，但是在人眼观察重建质量上取得了很好的效果，并且在PSNR等指标上也有一定的可比性。此外，论文还认为这两个方向上的指标是相反的，即不能兼顾，一项高就使得另外一项必然会低。最大的亮点是在模型中提出了残差的思路，使得推理速度加快，并且加上初始的推理取得了不错的效果。另外，模型还有很多提升的空间，例如可以采用Unet的结构优化初始推理过程。
Deep Frequency Filtering for Domain Generalization论文阅读笔记
read, note and comment papers
05-30 1755
CVPR2023 DFF for DG论文阅读笔记
【论文笔记】Out-of-Distribution Detection using Combination of Feature Uncertainty and Mahalanobis
wufen_的博客
02-18 2492
Fine-Grained Out-of-Distribution Detection of Medical Images using Combination of Feature Uncertainty and Mahalanobis Distance 论文速读
如何建模时间序列的不确定性？
fareise的博客
05-29 717
这篇文章给大家详细介绍一下这两种方法，以及采用这两种方法的经典时间序列预测论文。
笔记 - 基于贝叶斯网络的不确定性估计（从一篇车载视角的行人框预测论文出发）...
aikk824242的博客
09-01 2592
本文的出发点是一篇期刊论文，但集中探讨的是这篇文章中不确定度估计的原理与过程，行文将与之前的文献报告不同。 原文 Bhattacharyya A , Fritz M , Schiele B . Long-Term On-Board Prediction of People in Traffic Scenes under Uncertainty[J]. 2017. 原文的一篇重要引用文...
论文浅尝 | 知识图谱的不确定性衡量
开放知识图谱
06-12 1354
论文笔记整理：谭亦鸣，东南大学博士。来源：Knowledge and Information Systems volume62,pages611–637(2020)链接：https:...
论文浅尝 | PASSLEAF：基于样本池的不确定性知识图谱嵌入半监督学习框架
开放知识图谱
10-07 1108
笔记整理：陈一林，东南大学硕士，研究方向为不确定性知识图谱规则与推理。论文引用：Citation: Chen, Z.M., Yeh, M.Y. and Kuo, T.W., 2021, May. PASSLEAF: A Pool-bAsed Semi-Supervised LEArning Framework for Uncertain Knowledge Graph Embedding. In ...
[论文笔记]NEZHA
日积月累，天道酬勤
10-22 743
⭐ 本篇工作，作者主要提出了功能相对位置编码技术，可以使模型具有更强的扩展性，当遇到比训练中序列长度更长的序列时，依然可以发挥作用。
【论文笔记】Prefix-Tuning: Optimizing Continuous Prompts for Generation
最新发布
小嗷犬的博客
11-10 296
微调是利用大型预训练语言模型进行下游任务的事实上的方法。然而，微调会修改所有语言模型参数，因此需要为每个任务存储一个完整副本。在本文中，我们提出了Prefix-tuning，这是一种轻量级的自然语言生成任务微调替代方案，它保持语言模型参数冻结，并优化一系列连续的任务特定向量，我们称之为Prefix。Prefix-tuning从语言模型的提示中汲取灵感，允许后续标记将此Prefix视为“虚拟token”。我们将Prefix-tuning应用于GPT-2进行表格到文本生成，以及应用于BART进行摘要。
【论文阅读】Learning dynamic alignment via meta-filter for few-shot learning
cainiaomyf的博客
11-07 972
小样本学习（Few-shot Learning, FSL）旨在通过极其有限的小样本（支持集）示例，适应已学到的知识来识别新类别，仍然是计算机视觉中的一个重要开放问题。现有的大多数小样本学习中的特征对齐方法仅考虑图像级别或空间级别的对齐，而忽略了通道差异。我们的观点是，这些方法会导致冗余匹配，从而导致适应性差，而利用通道级别的调整是将学到的知识有效适应到新类别的关键。因此，本文提出了一种动态对齐学习方法，可以根据不同的局部支持信息有效地突出查询区域和通道。
【论文笔记】Wings: Learning Multimodal LLMs without Text-only Forgetting
小嗷犬的博客
11-09 627
多模态大型语言模型（MLLMs）以训练好的LLM为基础，首先将图像与文本对齐，然后对多模态混合输入进行微调。然而，MLLM在灾难性地忘记了仅包含文本的指令，这些指令不包括图像，可以在初始LLM中解决。在本文中，我们提出了WINGS，这是一种新型的MLLM，在纯文本对话和多模态理解方面都表现出色。分析MLLM在多模态指令中的注意力发现，纯文本遗忘与从预图像文本到后图像文本的注意力转移有关。据此，我们构建了额外的模块，作为增强学习器来补偿注意力转移。
论文阅读--捍卫基于激光雷达视野范围的三维目标检测
weixin_43899239的博客
11-07 788
在本文中，我们提出了一种基于 LiDAR 的。
Sat-NeRF论文笔记和复现问题处理
Destiny_Di的博客
11-06 1101
懒得写
UTP中的天使与恶魔：统一模型探讨非确定性编程
论文通过构建一个二元多重关系模型，与单调谓词变换模型相一致，以表达这种对确定性的追求。 相比之下，恶魔的非决定性涉及到非约束的选择结构，其选择是任意的，不提供任何保证，成功与否是潜在的。这类选择在抽象...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值