- 博客(56)
- 收藏
- 关注
原创 Adaptive Subgraph Neural Networkwith Reinforced Critical Structure Mining
1 Introductiongraph mining area: 图挖掘领域图具有广泛的局部结构:从节点、模体(motifs)到子图(subgraph)主流研究表明:图的重要特征和突出模式是通过主要由一些关键局部结构(如模体和子图)决定反映出来的图核方式 Graph kernel methods: 通过核函数(kernel functions)分解图得到子图结构,然后直接利用它们来衡量图对的相似性,而不是转化成矢量形式(vectorization)图圣经网络方式 Graph neural ne
2024-08-13 17:10:54
795
原创 【缺啥补啥】图表征学习-1
学习图中的元素,如节点、边、子图或整个图的向量表征,并应用基于向量的机器学习算法进行图数据的建模和分析图数据包括结构、特征、性质、任务等,随时间发生变化泛指数据分布、学习目标、特征或标签等因素在机器学习过程或应用场景中发生变化图中存在负的边权重。
2024-04-18 20:35:44
700
原创 【人工智能:现代方法】第19章:样例学习
(decision tree):将属性值向量映射到。:根节点到true叶节点的路径上的属性-值测试形式。不存在一种表示方式使得任何函数都能被有效地表示。:对一个样例的分类结果能产生最大影响的属性。所有的决策树将空间分割为。,即与坐标轴平行的方框。根据输入有3种类型的。(即“决策”)的函数。
2024-01-16 12:59:03
1020
原创 图像检索(image retrieval)
SSSSxisketchxiimgyi∣yi∈YS{(xisketchxiimgyi∣yi∈Y,将数据划分成训练集和测试集Strxisketchxiimg∣yi∈YtrainStr{(xisketchxiimg∣yi∈YtrainStexisketchxii。
2024-01-16 12:57:59
1019
原创 Zero-Shot Learning—A Comprehensive Evaluation of the Good, the Bad and the Ugly
标准的分类器在上述问题定义上是无法在测试集上分类成功的,因为训练集和测试集不相交,同时分类器实际上会对训练集上的每个类训练得到一个参数向量(由某类样本直接到所属类标签的映射),结果是只能对训练集中的类进行分类,而对测试集模型不知道该怎么做。
2024-01-16 12:57:37
949
原创 数据结构基础
x 是子节点,P和T互换,x = p,T=p.parent(x),所以再令x = T,去看STR这个枝干——交换之后,继续上浮,让x始终做上一层的子节点,去与其新的父节点比较。若某个节点A比它的子节点(中的一个)小,那么A就不配做父节点,应该让A下去,让更大的那个节点上来。看 R 节点,其父节点在数组中的位置是 3/2=1,其左孩子节点在数组中的位置是 3。若某个节点B比它的父节点大,那么B就不应该做子节点 ,应该让B上去,让父节点下来。先把堆定元素和堆底最后的元素B对调,然后删除A,让B下沉到正确位置。
2024-01-16 12:57:08
822
原创 Control-oriented meta-learning
对于在复杂动态环境中运行的机器人实时自适应控制(real-time adaptation)是必不可少的理论上,假定任何不确定的动力学项(dynamics terms)都是已知非线性特征(konown nonlinear features)的线性参数,那么自适应控制规律(adaptive control laws)可以赋予非线性系统良好的轨迹跟踪性能(trajectory performance)实际上,很难预先指定这些特征想法使用神经网络进行数据驱动(data-driven)建模,从过去的数据中。
2024-01-16 12:56:18
872
原创 Deep Learning Face Attributes in the Wild
人脸属性识别,挑战问题在于从野外图像中识别出人脸属性,因为会遇到姿势、光线、遮挡等情况的影响(主要两大类)针对复杂场景下无约束人脸属性识别问题提出了一个新的深度学习框架,同时揭示了一些有价值的事实。
2024-01-16 12:54:25
941
原创 3 -灰度变换和空间滤波
压缩像素值的动态范围,将图像的低灰度值部分扩展,高灰度值部分压缩—— 对图像中低灰度值(暗)的细节进行增强。映射到 更广泛的灰度范围内的分布,且各灰度级的频次较为均衡——这样一幅图像中的各个位置都能看到,提高对比度。将第灰度的急剧过渡——降噪、减少图像中的无关细节、平滑因灰度级数量不足导致的图像中的伪轮廓——奶油抹匀了。a) 可以将感兴趣取悦内的所有灰度值显示为一个值,而将其他区域的显示为另一个值——得到二值图像;关于图像灰度的函数,该函数的输出是图像中各个灰度级出现的次数或频率。概率论基本结论,已知。
2024-01-16 12:53:42
885
原创 Distributed Multi-Agent Meta Learning for Trajectory Design in Wireless Drone Networks
其中,
2023-07-14 21:40:16
121
原创 Few-Shot Learning in Wireless Networks: A Meta-Learning Model-Enabled Scheme
ICC-小样本-元学习-无线通信
2023-07-11 21:55:31
165
原创 2023通感一体化系统架构与关键技术白皮书
广域:面向开放式的空间范围内的业务,通常关注远距离宏观感知参数局域:面向封闭式的空间范围内的业务,通常关注近距离微观高感知。
2023-07-09 19:00:58
5318
原创 CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive Few-Shot Learnin
语义分割,端到端,注意力机制-CVPR19
2023-03-08 21:02:14
548
2
原创 Few-Shot Segmentation Without Meta-Learning: A Good Transductive Inference Is All You Need?
小样本分割-CVPR21-放弃元学习
2023-03-01 17:32:03
373
原创 7-Java核心:面向对象-代码块、内部类、static、final、抽象类、接口
oop:代码块、内部类、static、final、抽象类、接口
2022-10-18 21:15:26
322
原创 可能会问到的题目(概念性)
1.什么叫做流?流的提取和插入是指什么?2.什么叫做异常?C++异常处理的特点3.C++异常处理机制有何优点?4.浅拷贝和深拷贝的区别?5.C++的四个默认函数?6.哪些运算符必须重载?7.C++中的显示类型转换有哪些?各自有什么特点?9.8.继承与派生有什么联系?9.预先定义的输出流对象有哪些?10.智能指针有哪些?各自有什么特点?11.函数重载和函数模板之间的联系和区别?12.资源泄漏是什么?13.赋值运算符重载的特点?14.什么叫做作用域?有几种作用域?什么叫做可见性?15
2022-04-01 14:25:39
537
原创 前置与后置++
前置++与后置++转自 http://blog.csdn.net/randyjiawenjie/article/details/6747720class TestPlusP {private: int data; static int count; int id;public: TestPlusP(int d =0 ) { data = d; id = count++; cout << "构造函数" << " id=" << id<
2022-03-31 21:18:04
250
原创 一些容易混淆的概念
目录1.delete 和 delete[]2.常量指针和指针常量3.数组指针和指针数组4.初始化和赋值1.delete 和 delete[]前提了解系统默认实现了 new/delete、new[]/delete[]、placement new/delete(借助已经存在的内存来构建对象)6个运算符函数new 完成两个工作:1.分配一块动态内存空间;2.调用构造函数初始化对象delete 完成两个工作:1.调用对象类型的析构函数;2. 释放这块内存空间C++ 中分配数组内存时系统内部会增加4/
2022-03-31 17:45:50
1353
原创 一些基础概念
1.基本内置类型,可以分为两种:空类型(void)算术类型:整型(字符、布尔值、整型数);此外除了布尔值和扩展的字符型,整型又可分为带符号和无符号两类浮点型2.类型转换非布尔类型赋值给布尔类型:初始值为0则为true,否则为false;布尔类型赋值给非布尔类型:false为0,true为1浮点数类型赋值给整数类型:保留小数点前的部分整数类型赋值给浮点类型:小数部分记为0给无符号类型赋值为一个超出其表示范围的值: 初始值对无符号类型表示数值总数取模后的余数给带符号类型赋值为一
2022-03-31 16:27:35
967
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