论文阅读心得

最新推荐文章于 2024-09-02 20:11:28 发布
最新推荐文章于 2024-09-02 20:11:28 发布
阅读量370 收藏 7
点赞数 7
文章标签： 论文阅读
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_74475278/article/details/135754177
版权
本文探讨了技术论文的写作结构，从研究背景和动机引入，强调了开头对问题的阐述和研究目的。方法部分详细描述了实验设计和变量控制，而结论部分则总结了研究成果，承认了可能存在的局限性。同时，引用重要文献提供了理论支持。
摘要由CSDN通过智能技术生成

首先阅读题目

Abstract：认真阅读，摘要是文章的概括，是研究问题，研究方法，研究结论的概括

（总体感知）

Introduction：开头几行会介绍文章的研究背景和研究动机，结尾会提到研究的意义

（思路严谨）（研究意义）（要解决什么问题）

Conclusion：总结论文的结构和思路，将是研究罗列出来，提出研究的局限性（research limitations）

（看看做成什么程度，结果）（应证前面自己的猜想）

Methodology：时间、地点、人物及变量

Reference：（中间有好文章）为什么要引用这样的文献

m0_74475278
关注
  • 7
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
论文笔记: Boosting Object Detection with Zero-Shot Day-Night Domain Adaptation
c2861024198的博客
09-02 483
论文泛读笔记
论文阅读：VideoMamba: State Space Model for Efficient Video Understanding
ghost_him的博客
08-30 676
为了解决视频理解中的局部冗余与全局依赖性的双重挑战。作者将 Mamba 模型应用于视频领域。所提出的 VideoMamba 克服了现有的3D卷积神经网络与视频 Transformer 的局限性。在视觉领域有可扩展性，无需大规模数据集来预训练。对于短期动作也有敏感性，即使是细微的动作差异也可以识别到在长期视频理解方面有优越性，相比基于特征的模式，有显著的进步。与其他的模态有兼容性，在多模态环境中表现出色。
【论文阅读】一种针对多核神经网络处理器的窃取攻击（2020）
Glass_Gun的博客
09-02 192
攻击者可以通过侧信道信息(Side-channel)完成模型窃取攻击[17].
【论文阅读】QUEEN: Query Unlearning against Model Extraction（2024）
Glass_Gun的博客
08-30 1142
disruption-based defenses，基于中断的防御。Model extraction attacks，模型提取安全。sensitivity measurement，灵敏度测量。AI security，人工智能安全。
【论文笔记】Multi-Task Learning as a Bargaining Game
xhyu61的博客
09-02 499
你这蠢货！！就是亲兄妹才好啊！！——《不时轻声地以俄语遮羞的邻座艾莉同学》周防有希
[论文笔记] LLaVA
心宝的博客
09-02 84
把 Image + Instruction 给到 LLaVA，把 GT 的 Image description 和 Instruction 给到 Text-only 的 GPT-4。如图中所示，对于每张图片都会生成一份多轮对话数据，包含 query 和 answer 部分，整体组织成一个序列 (q1, a1, q2, a2, qT, aT)，所有的 answer 作为模型回答，第一轮指令随机选择 (q1, 图片) 或者 (图片, q1)，后面就直接使用对应轮次 qT 了。Projection：使用。
GraphRAG论文阅读笔记
Rising_shit的博客
08-29 683
GraphRAG阅读笔记
[论文笔记] LLM模型剪枝
心宝的博客
09-02 109
LLaMA2在剪枝时，跳过ffn和跳过full layer的效果差不多。相比跳过ffn/full layer，跳过attention layer的影响会更小。跳过attention layer：7B/13B从100%参数剪枝到66%，平均指标只下降1.7～1.8pp。跳过ffn：7B/13B从100%参数剪枝到66%，平均指标下降了12.2～15.1pp。跳过full later：7B/13B从100%参数剪枝到66%，平均指标下降了12.2～13pp。
论文阅读——Compact Single-Feed Dual-Mode Antenna for Active RFID Tag Application
weixin_45975569的博客
08-30 1194
文章提出了一种用于主动射频识别（RFID）标签应用的紧凑型单馈双模天线。该天线由一个位于FR4基板上的开槽贴片、一个馈电微带线和一个体积仅为60 mm × 50.3 mm × 6 mm（0.48λ₀ × 0.40λ₀ × 0.048λ₀，其中λ₀为中心频率的波长）的泡沫垫片组成。它在自由空间中表现为偶极子，在金属表面上则表现为贴片天线。
【论文阅读】为大规模航空图像应用神经辐射场
WoooChi的博客
08-31 1316
Enabling Neural Radiance Fields (NeRF) for Largescale Aerial Images – A Multi-tiling Approach and the Geometry Assessment of NeRF 部分翻译
论文笔记：GEO-BLEU: Similarity Measure for Geospatial Sequences
qq_40206371的博客
08-27 521
—>论文基于 BLEU，提出了GEO-BLEU。
A Tutorial on Near-Field XL-MIMO Communications Towards 6G【论文阅读笔记】
最新发布
aixdm的博客
09-02 677
A Tutorial on Near-Field XL-MIMO Communications Towards 6G
【论文阅读】通过使用实体增强框架融合多种多模态线索来改进假新闻检测
qq_43858783的博客
08-30 1088
最近，带有文本和图像的假新闻比纯文本假新闻实现了更有效的传播，引发了多模态假新闻检测的严重问题。 目前关于这个问题的研究对开发多模态模型做出了重大贡献，但在充分建模多模态内容方面存在缺陷。 他们中的大多数只是**初步建模图像的基本语义作为文本的补充**，这限制了它们的检测性能。 在本文中，我们发现多模态假新闻中三种有价值的文本-图像相关性：实体不一致、相互增强和文本互补。 为了有效地捕获这些多模态线索，我们创新性地提取视觉实体（例如名人和地标）来理解图像中与新闻相关的高级语义，然后借助视觉实体对多模态实体的
论文阅读：MicroNet: Towards Image Recognition with Extremely Low FLOPs
a486259的博客
09-01 806
MicroNet是一种有效的卷积神经网络，使用极低的计算成本（例如，在ImageNet分类上的6M FLOPs）。现有的低成本的网络在边缘设备上速度理想，但通常会出现严重的性能下降。MicroNet基于两个设计原则来处理极低的FLOPs：`(a)通过降低节点连通性来避免网络宽度的减少`，`(b)通过引入更复杂的每层非线性来补偿网络深度的减少`。首先，提出了`微因子分解卷积，将点态和深度卷积分解成低秩矩阵`，以便在通道数量和输入/输出连接之间进行良好的权衡。其次，我们提出了`一种新的激活函数，即Dynamic
【论文阅读】Stealing Image-to-Image Translation Models With a Single Query（2024）
Glass_Gun的博客
08-29 997
Training deep neural networks（训练深度神经网络） requires（需要） significant computational resources（大量计算资源） and large datasets（大型数据集） that are often confidential（机密的） or expensive（昂贵的） to collect. As a result（因此）, owners（所有者） tend to（倾向于） protect（保护） their models by
论文笔记：2023顶会SIGIR - Strategy-aware Bundle Recommender System
一枚射手座的程序媛
09-02 253
论文笔记：2023顶会SIGIR - Strategy-aware Bundle Recommender System - 捆绑推荐
【论文阅读】viT翻译
2301_77549977的博客
09-01 1023
归纳偏好。我们注意到，与CNN相比，Vision Transformer的图像特定归纳偏好要少得多。在CNN中，局部性、二维邻域结构和平移等变性被嵌入到整个模型的每个层中。在ViT中，只有多层感知机（MLP）层是局部的和具有平移等变性的，而自注意力层是全局的。二维邻域结构的使用非常有限：在模型的开始通过将图像切割成小块，以及在微调时调整不同分辨率图像的位置嵌入（如下所述）。除此之外，初始化时的位置嵌入不包含关于小块的二维位置的信息，所有小块之间的空间关系都必须从头开始学习。
【论文阅读】skill code 和 one-shot manipulate
三木今天学习了嘛の博客
08-29 901
自然语言，作为人类获取新知识的首要媒介，为将人类理解的概念转化为机器可学习格式提供了潜在的直观桥梁。在顶层，模型的任务是学习离散的技能代码；而在底层，策略网络将问题转化为体素化网格，并将离散化的动作映射到体素网格上。我们提出了一种名为不变匹配一次性策略学习（Invariance-Matching One-shot Policy Learning, IMOP）的算法。
[论文阅读]JTORO in NOMA-based VEC:A game-theoretic DRL approach
qq_61897765的博客
09-01 957
论文：Joint task offloading and resource optimization in NOMA-based vehicular edge computing: A game-theoretic DRL approach。
【论文阅读】语义通信安全研究综述（2024）
Glass_Gun的博客
09-02 263
引言：介绍了语义通信技术的背景、发展和重要性，以及它在无线通信系统中面临的安全挑战。语义通信系统架构及安全攻击：描述了一个端到端的深度学习语义通信系统的基本架构，包括语义编解码器、信道编解码器和收发端知识库等模块，并讨论了这些模块可能遇到的安全攻击，如窃听、篡改等。语义通信模型安全研究现状：详细讨论了模型安全攻击手段（数据投毒、后门攻击、对抗攻击和模型窃取）和相应的防御策略（数据清洗、鲁棒训练、模型剪枝和后门检测技术）。
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