- 博客(61)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Neighborhood Contrastive Learning for Novel Class Discovery (CVPR 2021)
在本文中，我们解决了新类发现(NCD)的问题，即给定一个具有已知类的有标签数据集，在一组未标记的样本中揭示新的类。我们利用ncd的特性构建了一个新的框架，称为邻域对比学习(NCL)，学习对聚类性能至关重要的判别表示。我们的贡献是双重的。首先，我们发现在标记集上训练的特征提取器会生成表示，其中一个通用查询样本和它的邻居可能共享同一个类。我们利用这一观察结果，通过对比学习来检索和聚集伪正对，从而鼓励模型学习更多有区别的表示。其次，我们注意到大多数实例都很容易被网络识别，对对比损失的贡献较小。
2023-07-04 22:22:35
494
原创 OpenMix Reviving Known Knowledge for Discovering Novel Visual Categories in An Open World
在本文中，我们解决了在无标签的可视数据中发现新类的问题。现有的方法通常首先用有标签数据对模型进行预训练，然后通过无监督聚类在无标签数据中识别新的类。然而，在第二步中，提供基本知识的有标签数据往往被忽视。我、而挑战在于有标签数据和无标签数据都来自于没有重叠的类，这使得很难在它们之间建立学习关系。在本工作中，我们引入OpenMix来混合来自开放集合的无标签样本和已知类的有标签样本，其中它们的非重叠标签和伪标签同时混合到一个联合标签分布中。OpenMix以两种方式动态组合样本。
2023-07-03 23:53:59
254
原创 AutoNovel_ Automatically Discovering and Learning Novel Visual Categories (TPAMI 2021）
我们解决了在一个图像集合中发现新的类的问题，给出了其他类的带标签的例子。我们提出了一种名为AutoNovel的新方法来解决这个问题，它结合了三个想法:(1)我们认为，使用带标签数据的自引导图像表示的常见方法只会引入不必要的偏差，而这可以通过使用自我监督学习从头开始训练有标签和无标签数据的表示来避免;(2)利用排序统计量将模型对带标签类的认识转移到对无标签图像的聚类问题上;(3)通过对数据的带标签和无标签子集优化联合目标函数来训练数据表示，提高了带标签数据的监督分类和无标签数据的聚类。
2023-07-02 19:45:06
309
1
原创 End-to-end novel visual categories learning via auxiliary self-supervision (Neural Networks 2021)
半监督学习在很大程度上缓解了深度学习对大量标注的强烈需求。然而，大多数方法都采用了一个共同的假设，即在同一类未标记的数据中总是有标记的数据，这是不切实际的，而且对于现实世界的应用程序是受限制的。在本研究工作中，我们关注的是当未标记数据和标记数据的类别彼此分离时的半监督学习。主要的挑战是，当标签数据彼此独立且不属于同一类别时，如何有效地利用标签数据和非标签数据中的知识。以前最先进的方法已经提出构造成对相似伪标签作为监测信号。
2023-07-01 23:32:38
155
原创 Automatically Discovering and Learning New Visual Categories with Ranking Statistics (ICLR 2020)
我们解决了在给定其他类的带标签示例的图像集合中发现新类的问题。这种设置类似于半监督学习，但明显更难，因为新类没有标记的示例。因此，挑战在于利用标记图像中包含的信息来学习通用的聚类模型，并使用后者来识别未标记数据中的新类。在这项工作中，我们通过结合三个想法来解决这个问题:(1)我们认为，使用标记数据的引导图像表示的常见方法只会引入一种不必要的偏差，而这可以通过使用自我监督学习从有标记和无标记数据的联合上从头开始训练表示来避免;(2)利用秩统计量将模型对带标签类的认识转移到对无标签图像的聚类问题上;
2023-06-30 23:32:01
201
原创 Open-World Class Discovery with Kernel Networks (ICDM 2020)
我们研究了一个开放世界类发现问题，在这个问题中，训练样本是来自旧类有标签的样本，而我们从没有标记的测试样本中发现新的类。解决这一范式有两个关键的挑战:(a)将知识从旧类转移到新类，(b)将从新类学到的知识整合到原始模型中。我们提出了一种深度学习框架——类发现扩展核网络(CD-KNet-Exp)，该框架利用Hilbert Schmidt独立性准则将有监督信息和无监督信息系统地连接在一起，从而适当地提取旧类中的知识以发现新类。
2023-06-29 21:57:47
576
1
原创 Learning to discover novel visual categories via deep transfer clustering (ICCV 2019)
我们考虑在图像集合中发现新的对象类别的问题。虽然这些图像没有标签，但我们也假定有相关但不同的图像类的先验知识。我们利用这些先验知识来减少聚类的模糊性，提高新发现类的质量。我们的贡献是双重的。第一个贡献是将深度嵌入聚类扩展到迁移学习环境;我们还通过引入表示瓶颈、时间集合和一致性来改进算法。第二个贡献是估计无标签数据中的类数量的方法。这也从已知的类转移知识，使用它们作为探针来判断未标记子集中类数量的不同选择。
2023-06-27 23:05:33
317
原创 Multi-class classification without multi-class labels (ICLR 2019)
这项工作提出了针对多分类的新策略，不需要具体的类别标签，取而代之是利用样本之间的两两相似度，这是一种弱化的标注方式。所提方法称作元分类学习，为两两相似度预测优化一个二分类器，并通过该过程学习一个多分类器作为子模块。我们阐述了这种方法，并给出了它的概率图形模型，以及推导出一个极其简单的损失函数指导基于神经网络的模型训练。接着。我们展示了相同的框架可以泛化到监督学习、无监督学习、跨任务学习以及半监督学习的设置上。我们在三种学习设置上和最先进的方法进行比较。
2023-06-26 22:19:34
853
原创 Learning to cluster in order to transfer across domains and tasks (ICLR 2018)
这篇论文提出一个进行跨域/任务的迁移学除了习任务，并将其作为一个学习聚类的问题。除了特征，我们还可以迁移相似度信息，并且这是足以学习一个相似度函数和聚类网络来同时进行域自适应和跨任务迁移学习。首先，我们将分类信息弱化为两两约束，也就是只考虑两个样本是否属于同一类（两两语义相似度）。这种相似度是不知道类别的，并且可以通过相似度网络从源域数据中学到。我们接着展示了两种用这个相似度函数的新方法来进行迁移学习。
2023-06-25 23:52:33
834
原创 前缀和变形：和与乘积
aia_iai的范围是1~200000,nnn的范围是1~200000，则区间和的最大值等于最大区间长度×\times×元素的可取最大值200000×200000236200000×200000236, 将一个区间内大于111的数的个数记为tottottot，那么对于任意一个合法区间都满足tot36tot < 36tot36一个区间的的乘积显然≥2tot≥2tot；当一个区间的tot≥36tot\geq 36。
2023-06-25 13:13:38
248
原创 并查集：星球大战
现在，反抗军首领交给你一个任务：给出原来两个星球之间的以太隧道连通情况以及帝国打击的星球顺序，以尽量快的速度求出每一次打击之后反抗军占据的星球的连通块的个数。某一天，凭着一个偶然的机遇，一支反抗军摧毁了帝国的超级武器，并攻下了星系中几乎所有的星球。：对两个星球结点进行连接操作时，判断所有没有毁坏的星球的连通状态，进行并查集的合并操作，每合并一次两个结点，连通集合的数量就减少 1；个被摧毁星球的编号，并将结点一一修复，对修复的节点进行并查集的合并操作，计算维护。，分别表示星球的数目和以太隧道的数目。
2023-06-25 13:10:40
405
原创 前缀和：火星旅行
如果我们给每个点设一个“濒死值”，表示刚到某个点，还没有拿这个点的油时，油的剩余量。：看一下每个点走到自己对应的点的路上最小的濒死值的最小值是否大于这个点的剩余（也就是这个点的濒死值），就可以判断是否能从这个点开始走完一圈了。使用列表 fuel 记录输入的每个空间站的燃料数，列表 dis 记录输入的每个空间站到下个空间站的距离。向左走到出发点的情况类似。，如何在一个长为 2n 的序列中，求出一些长为 n 的段的最小值——优先队列。）的情况下，能否熬过以它开始的一圈中汽油最少的一段（濒死值最小的一个点）。
2023-06-25 13:10:05
223
原创 并查集：方格染色
题目链接方格染色题目大意Sam 和他的妹妹 Sara 有一个包含 n×mn \times mn×m 个方格的表格。他们想要将其中的每个方格都染成红色或蓝色。出于个人喜好，他们想要表格中每个 2×22 \times 22×2 的方形区域都包含奇数个（ 1 个或 3 个）红色方格。例如，下面是一个合法的表格染色方案（R 代表红色，B 代表蓝色）：B B R B RR B B B BR R B R B可是昨天晚上，有人已经给表格中的一些方格染上了颜色！现在 Sam 和 Sara 非常生气。不过，他
2023-06-25 13:08:55
325
原创 动态规划：开心的金明
金明今天很开心，家里购置的新房就要领钥匙了，新房里有一间他自己专用的很宽敞的房间。更让他高兴的是，妈妈昨天对他说：“你的房间需要购买哪些物品，怎么布置，你说了算，只要不超过。1、建立一个名为 ritem 的类，有 price 和 weight 两个属性，分别表示物品的价格和重要度；今天一早金明就开始做预算，但是他想买的东西太多了，肯定会超过妈妈限定的。个正整数，为不超过总钱数的物品的价格与重要度乘积的总和的最大值。元）的前提下，使每件物品的价格与重要度的乘积的总和最大。的物品的基本数据，每行有。
2023-06-25 13:04:42
167
原创 动态规划模板题：采药
辰辰是个天资聪颖的孩子，他的梦想是成为世界上最伟大的医师。医师把他带到一个到处都是草药的山洞里对他说：“孩子，这个山洞里有一些不同的草药，采每一株都需要一些时间，每一株也有它自身的价值。我会给你一段时间，在这段时间里，你可以采到一些草药。如果你是一个聪明的孩子，你应该可以让采到的草药的总价值最大。的列表 htime 和 hvalue 存储每个草药的采集时间和价值；）的整数，分别表示采摘某株草药的时间和这株草药的价值。输出在规定的时间内可以采到的草药的最大总价值。代表山洞里的草药的数目。），用一个空格隔开，
2023-06-24 20:23:53
460
原创 动态规划：括号序列
给定一个括号序列，要求尽可能少地添加若干括号使得括号序列变得合法，当添加完成后，会产生不同的添加结果，请问有多少种本质不同的添加结果。个右括号，我们以原序列中的右括号为分界点，那么一共可以划分出。3、若添加的左括号和添加的右括号匹配了，则是一对无意义的添加。1、添加的左括号必然只能和原序列中的右括号匹配；2、添加的右括号必然只能和原序列中的左括号匹配；1、添加的左括号的方案只和原序列中的右括号相关；2、添加的右括号的方案只和原序列中的左括号相关，对于右括号的添加方案，原括号序列反转，并令。
2023-06-24 20:22:14
1037
原创 稀疏表：最大公约数
这样每个数我们都定为左端点去二分它的右端点，所有答案取最小值就能找出。ST算法是基于倍增思想设计的在线算法，记录从每个元素开始的连续长度为。给定一个数组, 每次操作可以选择数组中任意两个相邻的元素。的整数倍区间，这些区间是求多次最大公约数能得到答案。任务转换——原数组中找到最短的子数组，使得它们的。这两个区间恰好是刚刚已经初始化好的，前者对应的是。，所有的情况下最多只要两个区间要求区间 ,个数中的GCD，即记录中的最大公约数。中的最大公约数，找到一个数。的区间中元素的GCD。的最大公约数，而区间。
2023-06-24 20:21:15
140
原创 动态规划：数组切分
由于 python 语言本身执行效率较低，故采用上述解法的 python 代码提交的结果是超时。经过时间测试，该代码完成最大测试用例的时间在 22s 左右。之间的区间是连续数，我们则认为是合法的。于是dp(i)可以通过。个数字为最后一个部分的右端点端点，：枚举每一个左端点和每一个右端点。转移过来，最后一部分表示的区间为。2、枚举最后一个部分的左端点。每个部分恰好为连续数。
2023-06-24 20:20:50
284
原创 快速幂：新型斐波那契数列
从第四项起每一项等于前面三项之和，求此数列第。小于等于 3 时，可以直接输出 1 返回结果；新型斐波那契数列的第一、二、三项都为。——按照表达式直接递推，时间复杂度为。根据题意，假设这个新型斐波那契数列。大于3 时，利用矩阵快速幂计算出。采用矩阵快速幂的方法快速计算出。输出一行为新型斐波那契数列第。的最后一行求和，该结果即为。的数据范围较大，会超时。对数列的前几项计算，
2023-06-24 20:19:54
258
原创 动态规划：包子凑数
当顾客想买 11 个包子时，大叔就会选 2 笼 3 个的再加 1 笼 5 个的（也可能选出 1 笼 3 个的再加 2 笼 4 个的）。最多100个，最大的数不超过100，由因为他们是互质数，所以不能凑出来的最大数为100*99-100-99，因此 dp 列表的长度设置到。，那么这个组合可以在整数的定义域内完成对所有整数的覆盖，否则，该组合将不能完成对整数的覆盖。个包子，卖包子的大叔就会迅速选出若干笼包子来，使得这若干笼中恰好一共有。如果本题输入的数据的最大公约数不等于1，那么凑不出的数目必定有无限多个。
2023-06-24 20:17:45
221
原创 简单图论：迷路
枚举一个中间点，用乘法原理，i到j两步的路径数等于i到k一步的路径数乘k到j一步的路径，然后再对于不同的中间点用加法原理，每次都枚举了i能到的所有点，以及能到j的所有点。假设先不考虑每条路径间的具体距离，只用 0，1 表示两个结点间边连接的情况，可以使用邻接矩阵表示输入的有向图，该邻接矩阵记为。因此，如果只有 0，1 表示两个结点间边连接的情况，那我们就可以通过矩阵快速幂的方式求解。通过拆点操作将距离不为 1 的结点一一转化为只有 0，1 的邻接矩阵后，就可以使用矩阵快速幂求解了。是一个数字字符，若为。
2023-06-24 20:16:52
1127
原创 Neural network-based clustering using pairwise constraints (ICLR-workshop 2016)
将孪生网络应用到聚类任务，抛弃分类任务中标签和网络输出的强关联，根据所给样本之间的关系决定拉近/推远输出分布之间的距离。
2023-06-24 20:13:37
196
原创 选素数（标题字数不够）
再对区间内的每个数再做一次求区间的操作，对于第二次求得区间的左端点的最小值就是我们要求的满足题意的最小的。一开始最小可以是多少, 而如果不存 在任何解, 说明小乔看错了, 此时请输出。的最大质因子是哪个数，先预处理一下，用倍数枚举的方法求得所有数字的最大值质因子。如果有多个解, 输出最小的。如 果不存在解, 请输出。小乔看到了小蓝进行了 2 次上述操作后得到的结果。, 每次操作小蓝会选择一个小于。的最大质因子，继而得到。, 表示经过两次操作后。的素数，同样不存在解。则不存在小于他的素数。
2023-06-23 14:43:13
262
原创 最小质因子之和
线性筛的思想是让每个合数只被其最小质因数筛去一次，这里对于每个素数，筛去其不小于其平方，不大于上界的所有倍数。4、即同一个数仍然有可能被重复选中，仅在其未被筛过（最小质因数为初始值）时将其最小质因数赋值为该素数。每个数最小质因数的算法，然后对于重复的查询质因数之和只需要用前缀和维护确定直接输出即可。3、在素数条件下，将不小于其平方，不大于上界的所有倍数标记。2、循环中未被标记的数为素数，显然其最小质因数为本身。1、首先初始化判断素数列表为真，最小质因数列表为0。并计算存储其前缀和。每个数的最小质因数之和。
2023-06-23 14:40:21
217
原创 计算系数（直接调用库函数）
（尽量调用库函数，因为阶乘运算涉及除法，整型和浮点型的转化可能导致不必要的错误！也可以直接调用math库中的comb函数。不需要快速幂，直接暴力乘即可。只需要在最后各项相乘时取模即可。二项式定理：多项式展开后。，请求出多项式展开后。
2023-06-23 14:39:11
184
原创 最短循环节问题
一个字符串可以由若干个相同的字符串拼接而成，称字符串中这样的子串为循环节。现给出该字符串的一个子串，由此求出原子串最短循环节的长度。1、利用count函数统计子串中循环节出现的次数，若次数等于子串长度除以循环节长度，则整除循环节长度部分由循环节构成。2、最后判断字符串子串整除循环节长度余数部分是否与循环节前余数项部分相等即可。一个由循环节生成的字符串任一与循环节长度相等的子串都是循环节。1、判断给出字符串子串整除循环节长度部分是否由循环节构成；2、再特判字符串子串整除循环节长度余数部分。
2023-06-23 14:38:43
170
原创 简单题：串的前缀
2、从大到小取proper前缀，如果满足取完proper前缀的后缀是所取proper前缀的前缀，则返回最大周期长度。找出给定字符串每个前缀中的最长真前缀，使得该前缀剩下的真后缀是上述真前缀的前缀。2、在此基础上，考虑真前后缀的最短相等长度，记为最短前缀函数。希望周期尽可能的大，也就是希望真前后缀相等长度尽可能的短。最后只需要根据题意，排除前后缀重叠的情况，即可得到答案。并统计这些最长真前缀的长度之和（不存在记为0）。（真前/后缀：不包含自身的非空前/后缀）。的真前后缀最长相等长度。
2023-06-23 14:36:09
173
原创 拓扑排序：神经网络
每层神经元只向下一层的神经元输出信息，只从上一层神经元接受信息。输出若干行，每行有两个整数，分别对应一个神经元的编号，及其最后的状 态，两个整数间以空格分隔。现在，给定一个神经网络，及当前输入层神经元的状态（通常，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。当神经元处于兴奋状态时，下一秒它会向其他神经元传送信号，信号的强度为。3、所有的节点的权值是从他的上一个节点推过来的，根据公式求权值。2、根据公式，要求一个点的权值C，就要求出所有的C[j]*W[i,j]。
2023-06-23 14:35:31
1239
原创 简单图论+二分搜索：环境治理
当从一个城市 A 前往另一个城市 B 时, 可 能存在多条路线, 每条路线的灰尘度定义为这条路线所经过的所有道路的灰尘 度之和, LQ 国的人都很讨厌灰尘, 所以他们总会优先选择灰尘度最小的路线。为了改善出行环境, 每个城市都要有所作为, 当某个城市进行道路改善时, 会将与这个城市直接相连的所有道路的灰尘度都减少 1 , 但每条道路都有一个 灰尘度的下限值 LL, 当灰尘度达到道路的下限值时, 无论再怎么改善, 道路的 灰尘度也不会再减小了。第 n+1 天, 0 号城市对与其直接相连的道路环境进行改善;
2023-06-23 14:34:41
1184
原创 简单图论：聪明的猴子
*改动：**根据任务需求，在构建最小生成树时，每添加一组连边，则比较一下点与点之间距离，保留最大值。发现：根据Kruskal算法的步骤流程，构建的Kruskal是由最短边逐次添加，即。根据每只猴子的最大跳远距离和最小生成树中的距离最大值的比较，计算结果。问题实质：构建一个连通图，使得该连通图的最长边最短。该连通图的最长边最短。
2023-06-23 14:33:44
55
原创 简单图论：指数移动
利用倍增原理计算新图 mp[]，复杂度 O(n^3)。在新图 mp[] 上计算最短路。由于要计算所有点对之间的路径，所以用 Floyd 算法。1、 计算出一个新图，初始化所有节点间的距离为无穷大。3、在这个新图上，求 1 到 n 的最短路径就是答案。计算长度为 2^t 的路径：可以根据倍增的原理，有。根据 Floyd 算法的思路，路径通过一个中转点。小明所跑的路径，可以分成几段，每一段长为。的边长 mp[i][j] 赋值为 1 ，表示 i 、 j 之间有一条长。所以关键在于确定任意点对。
2023-06-23 14:33:43
1155
原创 简单图论：旅行
问题2：直接基于Kruskal算法构建生成树，算该连通图中的最小比值是否可行？5、直到以所有边开始的最小生成树构建完成，输出比值。而是连通起始点和终点的路径上最大最小速度比值最小。3、添加边，当起始点和终点连通，计算速度比值；1、按Kruskal算法思路，按路径值排序；2、从最短边开始基于并查集构建最小生成树；基于并查集构建最小生成树，重复第三步；问题1：什么情况下比值最小？不是连通的权重最小；
2023-06-23 14:32:52
1086
原创 通电-python版题解
这一次，小明要帮助 n 个村庄通电，其中 1 号村庄正好可以建立一个发电站，所发的电足够所有村庄使用。现在，这 n 个村庄之间都没有电线相连，小明主要要做的是架设电线连接这些村庄，使得所有村庄都直接或间接的与发电站相通。2015 年，全中国实现了户户通电。作为一名电力建设者，小明正在帮助一带一路上的国家通电。2、利用Prime算法构建最小生成树。1、根据已知位置信息构造边。模板题——最小生成树。
2023-03-08 20:23:30
109
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人