自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 Dataloader

Map-style:torch.utils.data.Dataset:子类必须重写__getitem__(),选择性重写__len__(),dataset[idx]可以得到idx-th个元素和对应标签。Iterable-style:torch.utils.data.IterableDataset:适用流数据,适用于随机读取成本高甚至不可能的情况,以及批处理大小取决于所获取的数据的情况。()也都得自己写吧,才能定义__getitem__()等吧。还有。

2024-01-26 14:41:30 1207 1

原创 ADA相关

对系数加L1惩罚,选择重要的特征,简化模型,提高泛化性。岭回归,L2。

2023-12-11 14:43:16 68 1

原创 ADA:Adversarial Data Augmentation

作者:Riccardo Volp研究方向:Computer Vision,Machine Learning知名论文:Certifying Some Distributional Robustness with Principled Adversarial Training。

2023-12-11 14:43:02 95 1

原创 Flat-minima相关

DomainBed是一个开源的机器学习实验框架,旨在简化领域适应(Domain Adaptation)任务的实验设置。领域适应是一种机器学习技术,它涉及到在源领域(source domain)训练模型,然后将其应用到目标领域(target domain),尽管这两个领域的数据分布可能有所不同。DomainBed旨在提供一个统一的界面,以便研究人员可以轻松地比较不同的领域适应算法。DomainBed的主要特点包括:一致性:提供一个标准化的实验设置,以便在不同的工作中保持一致性。

2023-12-09 01:41:47 163

原创 Flat-Minima

DG(Domain Generalization),训练模型在已知域学习泛化性在未知目标域上有好的性能。DG方法很多,但最贱的一项研究表明,在一个fair evaluation protocal:DomainBed下,简单的经验风险最小化(empirical risk minimization:ERM)也能表现出比先前方法相当或更好的性能。但是,简单地在复杂的非凸损失函数上求解ERM很容易因为找到锐极小值(sharp minima)而导致次优泛化性。

2023-12-09 01:40:18 166

原创 CODiT

机器学习模型倾向于对偏离训练分布较大的输入做出错误的预测。这阻碍了他们在安全相关方面的应用。从训练数据到单个数据点的偏移检测已经引起了注意。也有一些相关技术提出,比如OOD detection。但很多应用中,输入是时间序列。现有的技术中针对时间序列的OOD检测,要么没有利用时间关系,要么无法对检测提供保障。

2023-12-05 17:52:51 88 1

原创 Dish-TS

Time Series Forcasting(TSF)问题中分布偏移表明序列分布会随时间改变。现有的针对时间序列分布偏移的工作,大多被分布量化所局限,更重要的,忽视了回顾窗口(lookback)和展望窗口(horizon)之间的潜在分布偏移。本文系统地将TSF中的分布偏移划分为2类。考虑将回顾窗口视为输入空间,展望窗口视为输出空间,则存在:(1)空间内偏移(intra-space):输入空间中分布随时间持续发生偏移;(2)空间间偏移(inter-space):输入空间和输出空间之间发生分布偏移。本文提出D。

2023-12-04 15:40:01 188

原创 AdaRNN

时间序列随时间改变数据特性的问题使其难以预测。提出TCS(Temporal covariate shift)问题。提出AdaRNN(Adaptive RNNs)解决TCS问题。AdaRNN包括2个module:Temporal Distribution Characterization (更好地 characterize 时间序列的信息)和 Temporal Distribution Matching(减少时间序列中的分布不匹配,学习基于rnn的自适应时间序列预测模型)。

2023-12-02 18:04:56 184 2

原创 DIVERSIFY

DIVERSIFY: A General Framework for Time Series Out-of-distribution Detection and Generalization笔记

2023-11-30 20:23:18 125 2

原创 计网期末 java 计算机网络自顶向下 socket编程

web服务器的工作过程就是获得客户端的http请求,从中解析获得客户端真正需要的文件名,再返回相应内容,返回内容前要先返回对内容的解释,告诉客户端返回的内容是个什么类型,就是首部行。(对部分内容不理解的,可以到字母站搜索JavaSocket编程模拟web服务器 这个视频,很细很优秀)1.浏览器测试打开服务器,输入http://localhost:8081/index.html打开服务器,输入http://localhost:8081/hhhh打开服务器,输入http://.........

2022-06-23 11:08:35 334 1

原创 2021-11-05

phase_1` 0x00005555555555a7 <+0>: endbr64 0x00005555555555ab <+4>: sub $0x8,%rsp 0x00005555555555af <+8>: lea 0x1b9a(%rip),%rsi # 0x555555557150 0x00005555555555b6 <+15>: callq 0x555555555a99 &

2021-11-05 15:34:59 491

原创 爬虫之更高级

我的爬虫之更高级继web编程期中大作业后,更可怕的事情、虽然过程艰难,但基本要求基本满足了展示

2021-06-30 19:29:03 170

DIVERSIFY模型图

模型图

2023-11-30

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除