- 博客(21)
- 收藏
- 关注
RSS订阅原创 209.长度最小的子数组
如果不存在符合条件的子数组，返回。是该条件下的长度最小的子数组。找出该数组中满足其总和大于等于。个正整数的数组和一个正整数。
2023-11-21 22:21:49
32
原创 Visual Knowledge Tracing论文解读
在人类学习的过程中，他们的大脑会更新它所提取和关注的视觉特征，最终为他们最终的分类决策提供信息。本文提出了一项新的任务，即跟踪人类学习者在从事具有挑战性的视觉分类任务时不断发展的分类行为。本文提出了联合提取学习者使用的视觉特征以及预测他们使用的分类函数的模型。数据是从真实的人类学习者中收集了三个具有挑战性的新数据集，以评估不同视觉知识跟踪方法的性能。研究结果表明，本文的循环模型能够预测人类学习者在三个具有挑战性的医学图像和物种识别任务上的分类行为。
2023-11-09 16:34:25
34
1
原创 screen
2. 创建带有会话名称的新会话：使用以下命令创建一个带有名称的会话：`screen -S session_name`，将`session_name`替换为你想要的会话名称。3. 分离会话：当你在一个`screen`会话中时，可以使用以下键盘快捷键分离会话：按下`Ctrl + a`，然后按下`d`键。7. 在会话之间切换：在多个会话之间切换时，按下`Ctrl + a`，然后按下`n`（下一会话）或`p`（上一会话）。1. 启动一个新会话：在终端中输入 `screen` 即可启动一个新的`screen`会话。
2023-10-30 00:01:48
27
原创 Symbolic Brittleness in Sequence Models on Systematic Generalization in Symbolic Mathematics论文解读
论文主要研究了符号数学中序列模型的符号脆弱性和系统化推广。在符号数学领域，序列模型是一种用于处理输入和输出序列的机器学习模型。作者关注的是这些模型在处理符号数学问题时的一种重要特性，即它们在解决与训练数据不完全相同但具有类似结构的问题时表现出的脆弱性。符号数学积分问题特别需要泛化能力。本文开发了一种评估泛化的方法SAGGA，该方法利用了问题域的结构和对验证器的访问，来评估LC模型的泛化能力。本文调查强调了用主要的建模和学习方法进行良好泛化的困难，以及在泛化的不同方面评估测试集之外的重要性。
2023-10-23 01:08:22
32
原创 安卓网络请求
这样就可以实现kotlin直接使用控件。在Manifest中插入权限以访问网络。然后在activity中插入。首先在gradle中插入。
2023-10-15 21:25:18
22
1
原创 The Use of Deep Learning for Symbolic Integration——A Review of (Lample and Charton, 2019)论文解读
The Use of Deep Learning for Symbolic Integration——A Review of (Lample and Charton, 2019)论文解读
2023-10-15 21:17:21
46
1
原创 DEEP LEARNING FOR SYMBOLIC MATHEMATICS论文解读
DEEP LEARNING FOR SYMBOLIC MATHEMATICS论文解读
2023-10-14 21:40:38
75
2
原创 A Survey of Deep Learning for Mathematical Reasoning论文解读
A Survey of Deep Learning for Mathematical Reasoning论文解读
2023-10-08 09:44:59
172
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人