utflpc的博客

原创 LDL组会分享

同时考虑全局和局部标签相关性来估计相对标签重要性。

原创 LDL组会分享

对于大多数现有的 LDL 和 LE 算法，输入矩阵的维数远高于输出矩阵的维数这一事实总是被忽略，并且通常由于单向投影而导致维数减少。隐藏在特征空间中的有价值的信息在映射过程中丢失了。

原创 LDL组会分享

基于保持正负标签关系的LE算法，该算法包含了一种新颖的排序损失，可以根据不同的排序误差产生不同的惩罚。

原创 LDL组会论文分享

采用低秩表示方法（low-rank representation）来捕获样本的全局关系并预测隐式标签相关性以实现标签增强。

原创 asdsadasda

from math import sqrt  import networkx as nx  import matplotlib.pyplot as plt    # 定义点  node = [i for i in range(9)]&nbsp

原创 论文写作课程总结

论文写作课程总结目录论文写作课程总结序言如何做研究TopicProblemIdeaConcrete work像外行一样思考，像内行一样实践具体写作题目摘要序言论文部分4 expriments4.1 性能比较4.2 参数设置4.3 图4.4 讨论代码部分序言研究的目的是发现新知识、发明新技术。写论文的目的是让别人知道自己的工作，经过同行评审，成为科学文献。论文是“做”出来的而不是“写”出来的。只要有了好的研究工作，写论文不过就是用文字把你的工作描述出来。如何做研究Topic首先要进入一个具体

原创 Abstract写作方法

Abstract写作方法第一句：背景介绍，说明我们做的是什么方向，能解决什么问题。第二句：陈列出目前该方向已经有的工作（一两个即可），陈述完后用However转折接第三句（不可用But）第三句：总结出上面已有的工作存在的缺陷第四句：提出自己的工作。第五、六、七句：分步骤陈述自己的工作（首先、其次、最后）第八句：陈述自己的工作效果（如提升了某某指标）...

原创 推导过程2

原创 LDL研究工作前瞻

目录如何快速进入研究状态1. 做系统性的工作2. 接手师兄师姐们的工作LDL研究内容1. 老问题 →\to→ 新方法2. 新问题 →\to→ 老方法3. 新问题 →\to→ 新方法横向课题如何快速进入研究状态1. 做系统性的工作作为一名研究生，我们需要做一名papermaker，这要求我们做一些系统性的工作。去读文献，尤其是一些顶刊顶会的文章。除此之外，概述性的文章也尤为重要。通过读概述性文章，了解方向研究脉络，同时结合当前出现的新的技术、方法、观点等，尝试去对概述性文章进行拓展。2. 接手师兄

原创 论文写作之实验部分

论文部分4 expriments在这个部分，我们列出了几个问题（后面的内容要回答这些问题）自己的方法比别人的方法好吗？参数设置是否适合不同的数据集运行时间是否与之前的复杂度分析一致然后用一段话描述本文用到的数据库，同时要用列表的形式展示这些数据库。4.1 性能比较这里采用文字加表格（图）的方式来进行比较。一定要采用多维度的比较。注：但凡涉及到矩阵运算时，都是运行10次，取平均值 ±\pm± 标准差。4.2 参数设置一个实验中会有多个参数，这里挑最重要的两三个参数来进行描述。每个

原创 论文写作之题目与摘要

序言审稿人不一定是专家，他可能⼀直忙于其他事，在deadline到来之前⼀天要完成n篇的审稿。审稿时他往往先看题目、摘要，扫⼀下introduction（知道你做什么），然后直接翻到最后找核⼼实验结果（做得好不好），然后基本确定录还是不录（也许只⽤5分钟！）。题目一个好的题目永远能在第一时间吸引住审稿人的注意。清楚得表达出主要工作。字数忌长（尽可能不要超过20字）有吸引力摘要摘要写的不好但是内容好的情况少之又少。首先说明本篇论文所处理的问题的重要性。其次说明在自己的研究之前其他人

原创 论文写作之如何做研究

序言论文是“做”出来的而不是“写”出来的。写论文的目的是让别人知道自己的工作，经过同行评审，成为科学文献如何做研究Topic首先要进入一个具体的分支学科和领域，并获得必要的了解。由导师给topic，然后去阅读该话题的重要文献，了解话题的研究历程、研究现状。自己想topic，可以找人请教或者自己将近几年自己领域里最重要的刊物、会议上的文章拿来读，了解近几年的topic从而启发自己。确定的topic最好是自己的兴趣同时自己拥有相关的知识结构，最重要的是自己是否可以得到必要的相关资源。Pro

原创 Multi-Stage Progressive Image Restoration处理流程详解

这里写目录标题模块分析CAB（Channel Attention Block）Stage 11. 计算浅特征2. 使用编码器处理照片特征（第一步得到的浅特征）3. 合并深特征模块分析CAB（Channel Attention Block）分为3步操作 ：先对原始输入x进行一次二维卷积操作，然后使用激活函数对卷积结果进行处理（此处激活函数选用的是PReLU），然后在对处理后的结果再进行一次二次卷积得到结果a；将a进行池化处理（此处采用均值池化），然后对处理结果依次进行一次二维卷积、一次激活函数处

原创 AudioSet指标解释

混淆矩阵混淆矩阵包含四部分的信息：True negative(TN)，称为真阴率，表明实际是负样本预测成负样本的样本数False negative(FN)，称为假阴率，表明实际是正样本预测成负样本的样本数False positive(FP)，称为假阳率，表明实际是负样本预测成正样本的样本数True positive(TP)，称为真阳率，表明实际是正样本预测成正样本的样本数ROC（receiver operating characteristic curve）FPR=FPFP+TNFPR

原创 数学表达式第二轮课后作业

8月3日课后作业1.写出本例中的 U,C,D和V\mathbf{U}, \mathbf{C}, \mathbf{D}和 \mathbf{V}U,C,D和V。注: 最后两个属性为决策属性答：U={x1,x2,x3,x4,x5,x6,x7}\mathbf{U}=\{x_1,x_2,x_3,x_4,x_5,x_6,x_7 \}U={x1​,x2​,x3​,x4​,x5​,x6​,x7​} is the set of instances;C=\mathbf{C}=C={\{{Headache, Tem

原创 8月2日课后作业

8月2日课后作业作业一写出该无向图的邻接矩阵.答：E=[0111101011011010]\mathbf{E}= \left[ \begin{matrix}0 &1&1&1\\1&0&1&0\\1&1&0&1\\1&0&1&0\end{matrix}\right]E=⎣⎢⎢⎡​0111​1010​1101​1010​⎦⎥⎥⎤​定义无向网络.答：Definition 11.4 An

原创 二维码提高对比度文献调研(2)--HINet: Half Instance Normalization Network for Image Restoration

简介（1）论文名称：HINet: Half Instance Normalization Network for Image Restoration CVPR 2021（2）论文链接：https://arxiv.org/abs/2105.06086（3）源代码：https://github.com/megvii-model/HINet主要idea这篇论文本文探讨了规范化在低层次视觉任务中的作用，作者提出了一种新的块:半规范化块(HIN块)，以提高图像恢复网络的性能。基于HIN块，作者设计了一

原创 二维码提高对比度文献调研(1)--Multi-Stage Progressive Image Restoration

这里写目录标题简介主要idea实验简介实验结果模型一（Deblurring）模型二（Deraining）模型三（Denoising）实验结论简介（1）论文名称：Multi-Stage Progressive Image Restoration CVPR 2021（2）论文链接：https://arxiv.org/abs/2102.02808（3）源代码：https://github.com/swz30/MPRNet主要idea本篇文章在空间细节和高级上下文信息直接的平衡上提出了一个新的协同

原创 7月28日课后作业

7月28日课后作业作业一将向量下标为偶数的分量 (x2, x4, …) 累加, 写出相应表达式.答：表达式：∑imod  2=0xi\sum\limits_{i \mod 2=0}x_iimod2=0∑​xi​各出一道累加、累乘、积分表达式的习题, 并给出标准答案答：累加：下表为奇数的分量 (x1, x3, …) 累加, 写出相应表达式∑imod  3=1xi\sum\limits_{i \mod 3=1}x_iimod3=1∑​xi​累乘：下三角矩阵分量的累乘∏i=1n

原创 7月27日课后作业

7月27日作业作业一令A={1,2,5,8,9},写出A上的“模2同余”关系及相应的划分\mathbf{A}=\{1,2,5,8,9\},写出\mathbf{A}上的“模2同余”关系及相应的划分A={1,2,5,8,9},写出A上的“模2同余”关系及相应的划分答：R={(a,b)∈A×A∣amod  2=bmod  2}\mathbf{R} = \{(a, b) \in \mathbf{A} \times \mathbf{A} \vert a \mod 2 = b \mod 2\}R={(a

原创 7月26日课后作业

7月22日课后作业作业一答：在使用数学表达式时遇到的困难如下：能用中文表达的意思很难转换为数学表达式表达式中大写字母和希腊字母或者是相似的字母容易搞混 如R、 R\RR 、 RRR大括号、小括号、中括号的使用规则不太清楚作业二令A={3,5}\mathbf{A}=\{3,5\}A={3,5},写出2A2^\mathbf{A}2A.答：2A={∅,{3},{5},{3,5}}2^\mathbf{A}= \{\emptyset, \{3\},\{5\},\{3,5\}\}2A=

原创 有限状态自动机-习题3.1、3.2

习题3.1 模仿自动机的样子来重新定义二叉树A binary tree is a 6-tuple M=(Σ,Q,V,r,c,ϕ),M = (\Sigma,Q,V,r,c,\phi),M=(Σ,Q,V,r,c,ϕ), wherea)Σ={l,r}\Sigma = \{l,r\}Σ={l,r} is the alphabetb)Q=V∪{ϕ}Q = V \cup \{\phi\}Q=V∪{ϕ} is the set of states,.c)V={,v1,v2,...,v2}V = \{, v_1,.

原创 离散数学入门级概念：集合、关系、元组习题解答_V2

离散数学入门学习（集合，关系，元组）原文参考-离散数学入门级概念：集合、关系、元组习题 1: { 0 , 1 , { 0 , 1 } , { 1 , 2 } } 有几个元素? 机器学习中, 这类形式的集合有什么优点和缺点?答：该集合有四个元素，分别为0，1，{0，1}和{1，2}优点：集合内的元素可以是不同的数据类型，提高了数据集的可扩展性。缺点：集合内有多种数据类型，数据的维度也各不相同，导致数据处理时很麻烦，耗时增高。习题 2: ∅ 的基数是多少? { ∅ } 呢?答： ∅ 的基数

原创 离散数学入门级概念：集合、关系、元组习题解答

离散数学入门学习（集合，关系，元组）原文参考习题 1: { 0 , 1 , { 0 , 1 } , { 1 , 2 } } 有几个元素? 机器学习中, 这类形式的集合有什么优点和缺点?答：该集合有四个元素，分别为0，1，{0，1}和{1，2}优点:...