- 博客(1)
- 资源 (18)
- 收藏
- 关注
RSS订阅转载 LaTeX从零上手——学习路线
对于基于网络的服务(Internet-based services)而言，密切监控服务性能并检测异常情况是至关重要的。尽管多年来已经提出了数十种异常检测器（Anomaly detector），然而，要将它们部署到给定的服务仍然是面临很大挑战（**实际应用中的难点需要手动和迭代地调整检测器参数和阈值**）。本文通过一种基于**有监督机器学习**的新方法来解决这一挑战。在作者设计的系统（Opprentice--运维人的学徒）中，运维人员的**唯一手动工作是通过便捷的工具定期对监测数据（performance d
2018-11-14 10:12:58
1175
leaflet 开发插件，网络地图资源
Leaflet插件：用于提供来自不同提供商的图块图层，包括* OpenStreetMap *，* Stamen *，* Esri *和* OpenWeatherMap *。可以免费使用层的完整列表（预览）（http://leaflet-extras.github.io/leaflet-providers/preview/index.html）。该页面将为您显示与`leaflet-providers.js`一起使用的名称以及在没有依赖关系的情况下使用它的代码。
2020-10-29
【GIS源码学习】基于web 电子地图的照片服务系统-SuperMap 杯第十二届全国高校GIS 大赛作品
需求分析，功能设计全套文档及源码
SuperMap 杯第十二届全国高校GIS 大赛作品，武大团队作品：
基于web 电子地图的照片服务系统
2020-10-29
迁移学习入门手册transfer_learning_tutorial_wjd.pdf
第 1 章介绍了迁移学习的概念，重点解决什么是迁移学习、为什么要进行迁移学习这
两个问题。
第 2 章介绍了迁移学习的研究领域。
第 3 章介绍了迁移学习的应用领域。
第 4 章是迁移学习领域的一些基本知识，包括问题定义，域和任务的表示，以及迁移
学习的总体思路。特别地，我们提供了较为全面的度量准则介绍。度量准则是迁移学习领域
重要的工具。
第 5 章简要介绍了迁移学习的四种基本方法，即基于样本迁移、基于特征迁移、基于
模型迁移、基于关系迁移。
第 6 章到第 8 章，介绍了领域自适应的 3 大类基本的方法，分别是：数据分布自适应
法、特征选择法、子空间学习法。
第 9 章重点介绍了目前主流的深度迁移学习方法。
第 10 章提供了简单的上手实践教程。
第 11 章对迁移学习进行了展望，提出了未来几个可能的研究方向。
第 12 章是对全手册的总结。
第 13 章是附录，提供了迁移学习领域相关的学习资源，以供读者参考。
2019-11-15
好用的数据库可视化工具Navi_cat【纯净版】
Navicat中文cracked_green_pure_version，解压即用~！数据库管理工具，支持多种数据库格式。谁用谁知道
2018-09-01
【CVPR-2018】Real-world Anomaly Detection in Surveillance Videos
CVPR 2018论文：真实监控场景中的异常事件检测
安防作为近年最热门的计算机视觉研究落地方向，与视频分析研究有着很紧密的关系。在真实的监控视频中，一个常见的需求就是要自动识别视频流中的异常事件，也就是异常事件检测任务（Anomaly detection)。
最近 UCF 的 CV 研究中心就在 CVPR18 上发表了一篇关于监控视频异常事件检测的论文，提出了一种基于深度多实例排序的弱监督算法框架，同时提出了一个新的大规模异常事件检测数据集。
论文解读：https://mp.weixin.qq.com/s/G0LLRrHyIEShHjjuuzeDdQ
2018-06-21
【作者代码】Adversarial Multi-task Learning for Text Classification-ACL 2017
论文题目：Adversarial Multi-task Learning for Text Classification
作者：Pengfei Liu, Xipeng Qiu and Xuanjing Huang
出处：ACL 2017
论文主要相关：多任务学习、文本分类、情感分析
概要：常规的多任务学习通常单纯的共享某些参数，导致共用特征空间和私有特征空间中存在大量冗余的特征。作者提出了一种对抗性多任务学习框架，缓解了共享特征空间和特定任务特征空间（私有潜在特征空间）之间的相互干扰的问题，并采用对抗学习确保共用特征空间中仅存在共用特征和任务无关的特征，辅以正交约束来去除私有和共用特征空间中冗余的特征。在16个任务的情感分析测试中，该框架比单任务学习平均效果提升了4.1%，比其他多任务学习框架（FS-MTL、 SP-MTL等）效果更好。并且实验结果表明模型的共享特征学习到的知识，容易被迁移到新任务的情感分析中。
2018-06-12
Deep Learning in Mobile and Wireless Networking：A Survey
推荐一篇今年3月份发表在 arXiv上的 关于深度学习在移动无线网络中应用的综述。首先，本文简要介绍了深度学习技术的基本背景和最新进展，以及在网络方面的潜在应用。
然后讨论了几种有助于在移动系统上高效部署深度学习的技术和平台。随后，本文对基于深度学习的移动无线网络研究进行了百科全书式的回顾，并按不同领域进行了分类。
此外，作者还基于自己的经验讨论了如何针对特定的移动网络环境对深度学习模型进行修改调整以更好适应于实际任务。
并在最后的章节中明确了当前的挑战和未来的研究方向。
2018-06-12
AIops Anomaly Detection Dataset
参加第一届AIops异常检测项目的数据集，KPI异常检测指的是通过算法分析KPI的时间序列数据，判断其是否出现异常行为。这里的难点主要有：
1 异常发生的频率很低。在实际的运维场景中，业务系统很少发生异常，因此可供分析的异常数据很少。
2 异常种类的多样性。因为实际的业务系统很复杂，并且会不断更新升级，所以故障的类型多种多样，从而导致了异常种类的多样性。
3 KPI的多样性。KPI有表现为周期型的，有表现为稳定型的，有表现为不稳定的，持续波动型
2018-06-12
LSTM_TimeSeries_AnomalyDetection[python/Keras]
异常点检测是指寻找那些偏离标准值或正常值的数据点。异常点有几种常见的类型：短期内产生的峰值，包括最大值、最小值、以及零值；长期的数据合计与上一周期的比较等。检测方法也可以归类为两种：对数据点进行分类，标记异常与否；或是对未来数据走势做预测，给出置信区间。人工神经网络也能够进行异常检测，只是这一方式还处于科研阶段。想要提醒读者的是，尽量从简单的模型开始，针对你的具体问题进行优化，因为通用的算法并不一定是最优的。
2018-06-12
50个c/c++源代码网站
C/C++是最主要的编程语言。这里列出了50名优秀网站和网页清单，这些网站提供c/c++源代码 。这份清单提供了源代码的链接以及它们的小说明。我已尽力包括最佳的C/C++源代码的网站。这不是一个完整的清单，您有建议可以联系我，我将欢迎您的建议，以进一步加强这方面的清单。
2013-02-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人