- 博客(150)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 四分化训练：B站小魏
前三组15RM（个人目前应该是7.5或者10）RM：最大可重复次数，训练前后记得充分拉伸。下蹲时 前脚与地面约90°，前脚发力起身。每组15下，单脚做完换脚做。
2024-01-30 11:13:55
829
原创 文本挖掘day6 基于文本挖掘的化工事故致因网络分析
1. 使用文本挖掘技术可以从大量事故报告文本数据中识别出化工事故关键致因，提高工作效率，并将文本挖掘结果可视化，绘制词云图和构建事故致因网络，直观反映出化工事故的关键致因; 关联规则分析可以挖掘出事故致因之间的强关联性。2. 使用社会网络分析技术可以对化工事故致因网络的整体结构、规模和网络中各节点的结构特性进行深入分析，确定化工事故关键致因和风险传播路径。关键事故致因的确定，有助于针对性地提出化工事故预防控制措施，及时排查事故隐患并阻断风险传播路径。3. 构建了化工事故致因网络，并对化工事故致因之间的影
2023-09-25 13:01:18
1072
1
原创 图神经网络 day2 图的分类
上面提到的图是静态的，观察时节点之间的连接是固定的。这些类型的演化图可以表示为动态图，其中每个节点或边都与时间戳关联。GAE：encoder用GCN替换，得出的特征矩阵Z，decoder替换成Z的转置，通过转置生成的图与原图比较得出最小化结构性误差，通过最小损失函数可以得出GCN的参数。f（）求的就是节点i和相邻节点的attention系数，再求g（）得出的该节点的特征，再归一化就是下一层的特征表示yi‘。作者提出的假设：如果这两个节点很近，那么他们的表征应该是相似的，反之，则他们的表征会有所不同。
2023-08-15 18:06:27
1949
原创 文本挖掘 day5：文本挖掘与贝叶斯网络方法识别化学品安全风险因素
本研究旨在提出一种改进的文本挖掘方法来分析大量的化学品事故报告。设计了一个建立和更新分词词库的工作流。关联规则挖掘和贝叶斯网络分析的结果能够清晰地揭示安全风险因素之间的相互关系。本研究的方法可以快速有效地从事件报告中提取关键信息，为管理者提供新的见解和建议。
2023-08-14 15:36:10
2391
原创 图神经网络 day1Graph Embedding
一阶相似性：两个节点连接且边的权重比较大，那么他们的embedding应该是相似的。用KL求联合概率密度和经验概率密度的距离，越小说明embedding的值效果越好。之前的Deepwalk，LINE,node2vec，struc2vec都使用了浅层的结构,浅层模型往往不能捕获。二阶相似性：节点的邻居，共享邻居的节点可能是相似的。每个节点有两个向量表示，u:顶点本身的表示向量。不用考虑节点之间和周围节点的连接性，只考虑这两个节点的相似性。u’︰该点作为其他节点邻居时的表示向量。即产生了SDNE方法，
2023-07-20 16:56:57
464
原创 文本挖掘 day4 基于PMC知识框架文本挖掘的新能源汽车政策动态评价
考虑新能源汽车产业政策面临的复杂应用场景，从政策的外部属性和内部属性多维度出发，建立了基于PMC知识边缘框架的政策挖掘知识字典，采用文本挖掘技术，通过机器赋值完成265个新能源汽车政策PMC评价分数的计算。通过动态挖掘和评价分析，多维度探索新能源汽车产业政策中存在的问题，并提出相应的优化对策。具体研究结论如下:**结论1**:由于各阶段政策的逐步分化和发展，政策内部一致性水平不够，呈现下降趋势。PMC指标评分结果(表5)和分数泡图(图4)显示出完美评分时pol - ies不足，PMC有阶段性下降的趋势。
2023-07-18 11:11:33
1473
1
原创 TextMining Day3 基于信息抽取的文本挖掘
本文给出了集成IE和KDD的初步结果，证明了这两种优势。文本挖掘是自然语言处理、机器学习、数据挖掘和信息检索相结合的一个相对较新的研究领域。通过适当地整合来自这些学科的技术，可以开发出从大型文本语料库中发现知识的有用新方法。特别是，计算语言学和机器学习之间日益增长的相互作用对有效的文本挖掘系统的开发至关重要。
2023-07-12 00:45:00
373
原创 文本挖掘 day2 文本挖掘的研究趋势：期刊语义网络和主路径分析（2020年）
**近年来，文本挖掘越来越多地作为一种研究手段而不是研究的目的**。在国际学术文献数据库的基础上，对研究之间的引文和被引数据进行了提取和预处理。本研究的贡献在于揭示了1980年至今文本挖掘的研究趋势，并通过分析语义网络和这些网络中的主要路径得出了这些趋势的含义。本研究的一个延伸是分析文本挖掘的研究趋势，比较“文本挖掘作为一种研究手段”和“文本挖掘作为一种研究主题”。
2023-07-11 09:06:31
1698
原创 TextMining day1 电力设备运维过程中的短文本挖掘框架
提出了一种适用于电力设备运维的文本挖掘框架。我们的主要创新是针对电力设备运维中短文本的特点，对框架的各个模块提出了具体的设计，使框架更适合电力行业的文本挖掘。通过两个与缺陷程度判断和缺陷处理决策相关的案例研究，论证了短文本挖掘框架对实际应用的指导作用。同时，两个案例研究的结果表明，对每个模块的具体设计对提高电力设备运维中短文本挖掘的整体性能是有益的。在电力设备运维中，短文本挖掘研究的进一步完善主要有两个方面。一是通过句法分析等技术增强短文本挖掘框架的可解释性，使其能够以更接近人类思维的方式理解文本数据。
2023-07-04 10:48:29
407
1
原创 Vision Transformer综述 总篇
Transformer首先应用于自然语言处理领域，是一种以自我注意机制为主的深度神经网络。由于其强大的表示能力，研究人员正在寻找将变压器应用于计算机视觉任务的方法。在各种视觉基准测试中，基于变压器的模型表现类似或优于其他类型的网络，如卷积和循环神经网络。由于其高性能和较少的视觉特异性感应偏倚需求，变压器正受到计算机视觉界越来越多的关注。在本文中，我们对这些视觉转换器模型进行了综述，并根据不同的任务对其进行了分类，分析了它们的优缺点。我们探讨的主要类别包括骨干网络、高/中级视觉、低级视觉和视频处理。我们还包括
2023-06-15 09:33:14
3687
3
原创 Vision Transformer综述 part II
视觉转换器的多头自注意、多层感知器、快捷连接、层归一化、位置编码和网络拓扑等组成部分在视觉识别中发挥着关键作用。如上所述，为了提高视觉变压器的有效性和效率，人们提出了许多工作。从图6的结果可以看出，将CNN和transformer结合使用可以获得更好的性能，这说明它们通过局部连接和全局连接实现了互补。对骨干网的进一步研究将有助于整个视觉社区的改进。对于视觉变压器的自监督表征学习，我们还需要努力追求大规模的预训练在NLP领域的成功。
2023-06-12 14:37:20
975
原创 Vision Transformer综述 part I Transformer简介及组成
Transformer首先应用于自然语言处理领域，是一种以自我注意机制为主的深度神经网络。由于其强大的表示能力，研究人员正在寻找将变压器应用于计算机视觉任务的方法。在各种视觉基准测试中，基于变压器的模型表现类似或优于其他类型的网络，如卷积和循环神经网络。由于其高性能和较少的视觉特异性感应偏倚需求，变压器正受到计算机视觉界越来越多的关注。在本文中，我们对这些视觉转换器模型进行了综述，并根据不同的任务对其进行了分类，分析了它们的优缺点。我们探讨的主要类别包括骨干网络、高/中级视觉、低级视觉和视频处理。我们还包括
2023-06-10 14:55:49
1063
原创 ChatGPT提示词工程进阶教学
ChatGPT提示词工程1 两种大型语言模型LLM1.1 基础大模型（base LLM）1.2 指令调优大模型(Instruction Tuned LLM)2 如何更清晰、具体地书写提示词2.1 在提示词中使用“定界符”2.2 向模型请求结构化的输出2.3 要求模型检查任务条件是否满足2.4 输入多范例提示2.5 总结3 给模型充足的思考时间3.1 指定完成任务所需的步骤3.2 让模型自己推理并制定出解决方案3.3 gpt-3.5-turbo模型有什么局限性?4 如何更好地迭代提
2023-05-27 10:31:03
3543
原创 计算机视觉——day95 PANet:基于样本原型对齐的Few-Shot图像语义分割
我们提出了一种基于度量学习的多镜头分割算法(PANet)。PANet能够从支持集中提取鲁棒原型，并使用非参数距离计算进行分割。通过提出的PAR，我们的模型可以进一步利用支持信息来辅助训练。在没有任何解码器结构或后处理步骤的情况下，我们的PANet比以前的工作表现要好得多。
2023-05-23 13:47:05
1421
3
原创 计算机视觉 day94 DDH - YOLOv5:基于双IoU感知解耦头改进的YOLOv5，用于对象检测
本文针对YOLOv5检测头存在的问题，提出了一种基于YOLOv5的改进模型DDH-YOLOv5，包括解耦头以解决分类和定位任务之间的冲突，以及双iou感知路径以增强检测结果中分类分数和定位精度之间的相关性。在MS COCO2017数据集和PASCAL VOC2007数据集上的大量实验表明，双iou感知解耦头(Double IoU-aware 解耦头，DDH)能够显著提高模型性能，并且收敛速度更快。我们希望这份报告能够帮助开发人员和研究人员更好地体验单级物体检测器。
2023-05-21 14:32:41
2335
1
原创 计算机视觉 YOLOv5_3.1实验记录
该二维曲线用于在不同分类阈值下评估模型的性能，其中横轴表示召回率，纵轴表示精度。随着分类阈值的变化，分类结果的精度和召回率也随之发生变化，从而形成一些 (精度, 召回率) 的坐标点。通常情况下，该曲线越靠近左上角的红线，模型的性能就越好，因此需要在召回率和准确率之间进行权衡，并选择适当的分类阈值进行模型评估。包含了每个类别的名称和一个独特的颜色编码，这有助于在可视化时快速区分不同类别的目标。它显示了标注数据中所有不同的类别，在训练过程中会使用这些标注数据进行模型训练。这些参数通常用于目标检测模型的评估。
2023-05-21 09:31:36
1156
原创 计算机视觉 day 93 学习像素级膨胀滤波的高效率单图像去噪
在本文中，我们提出了一种新的无模型脱模方法，称为EfficientDeRain。我们的方法不仅可以实现显著的高性能，而且运行效率比最先进的方法超过80倍。首先，我们提出并设计了一种新颖的像素级膨胀滤波方法，其中每个像素由脱机训练的核预测网络估计的多尺度核进行滤波。其次，我们提出了一种简单而有效的训练网络的数据增强方法，即RainMix，弥合了合成数据和真实数据之间的差距。最后，我们在流行的和具有挑战性的综合数据集Rain100H和Rain1400，以及真实世界的数据集SPA和Raindrop上进行了大规模的
2023-05-18 12:11:42
925
原创 计算机视觉——day 92 基于跨领域协作学习的单图像去雨
在本文中，我们提出了一种跨领域的协作学习方法来完成单个图像的解析任务。首先，提出了一种基于MSARB的双分支脱轨网络，通过协作学习消除图像雨纹在合成域内的分布偏移;然后，利用在线生成的伪标签对双分支脱轨网络进行训练，减小合成域与实域之间的域差;在多个数据集上的大量实验表明，基于标记合成域和无标记实域的协同学习方法有效地提高了网络模型的降雨去除泛化能力。与现有的基于单个合成域雨纹信息的半监督雨纹去除方法相比，我们提出的方法充分利用了不同合成雨纹的多样性和互补性，更好地实现了从合成域到实际域的知识脱轨转移。然而
2023-05-17 10:47:09
883
原创 计算机视觉——day 91基于双网络的鲁棒特征高光谱目标检测（偏门且很水啊）
本文提出了一种基于双网络的鲁棒签名目标检测方法。首先，基于一个目标样本构造一个具有代表性的训练集。然后，根据目标不同的显著性特征，建立两种不同的神经网络对目标进行检测。最后，利用图像融合策略对两种神经网络的检测结果进行融合。在HSIs上的实验表明，与其他方法相比，该方法以一个目标样本为先验，能够提供更好的、更鲁棒的检测结果。未来的工作可以在双网络结果的自适应融合上进行。
2023-05-14 14:05:23
782
1
原创 计算机视觉——day 90 基于级联卷积神经网络和对抗学习的显著目标检测
本文提出了一种基于级联卷积神经网络和对抗学习的端到端显著性目标检测模型(CCAL)。设计了由级联cnn组成的编码器-解码器网络和深度残差网络，分别完成了全局显著性估计和局部显著性细化。采用由粗到细的级联方式，显著目标检测的性能可以逐步提高。作为一种结构化的损耗函数，识别器引入的对抗性损耗有助于CCAL更好地学习突出目标的结构信息，实验结果说明了它对提高性能的重要性。该方法无需任何后处理，即可产生准确的显著性目标检测结果。实验表明，CCAL不仅在8个基准数据集上获得了最先进的性能，而且在GPU上达到了17帧/
2023-05-13 16:37:55
1478
原创 计算机视觉——day89 Restormer：高效的高分辨率图像恢复变压器（CVPR简读）
我们提出了一个图像恢复变压器模型，恢复器，它是计算效率处理高分辨率的图像。我们介绍了Transformer模块核心组件的关键设计，以改进特征聚合和转换。具体来说，我们的multiDconv head transposed attention (MDTA)模块通过跨通道而不是空间维度应用自我注意来隐式模拟全局上下文，因此具有线性复杂性而不是二次复杂性。此外，所提出的门控- dconv前馈网络(GDFN)引入了一种门控机制来进行受控的特征转换。为了将cnn的强大功能整合到Transformer模型中，MDTA和
2023-05-10 14:51:46
1486
3
原创 计算机视觉——day88 读论文：基于驾驶员注意视野的交通目标检测与识别
该方法使用由前视立体成像系统和非接触式三维凝视跟踪器联合交叉校准获得的注视点的驱动器三维绝对坐标。在检测阶段，结合了多尺度HOG-SVM和Faster r - cnn模型。识别阶段通过ResNet-101网络来验证生成的假设集。我们将这种方法应用于城市环境中驾驶过程中收集到的真实数据。
2023-05-02 10:04:12
2018
2
原创 计算机视觉——yolov5回归与跨网格预测、训练技巧（下篇）
3. YOLOv5目标框回归与跨网格预测策略3.1 回顾：目标框PASCAL VOC标注格式3.2 标记文件一个例子3.3 目标框回归3.4 YOLOv5跨网格匹配策略4. YOLOv5 训练技巧4.1 训练预热warmup4.2 自动计算锚框4.3 超参数进化4.4 自动混合精度训练4.5 断点续训 !!!!!!!!!4.6 多GPU训练4.7 并行数据加载
2023-04-19 10:23:54
2506
原创 计算机视觉——yolov5网络架构、组件和损失函数（上篇）
1. yolov5网络架构与组件1.1 网络可视化工具 netron1.2 不同模型的配置1.3 Focus 模块1.4 CSPNet 跨阶段局部网络1.5 SPP 空间金字塔池化1.6 PANet 路径聚合网络image-202303301306037432. 损失函数2.1 类别预测2.2 边界框回归2.3 回顾IoU2.4 IoU推广——GIoU loss2.5 IoU推广——DIoU loss2.6 IoU推广——CIoU loss2.7 总结
2023-03-30 13:46:54
950
原创 计算机视觉——目标检测常用数据集和性能指标介绍
计算机视觉——目标检测常用数据集和性能指标介绍，包括VOC和COCO的简介和ap&MAP等指标的介绍
2023-03-28 14:32:05
835
原创 CV——day87 基于挤压激励跳跃连接路径网络的光学遥感图像舰船检测
这项工作提出了一种新的神经网络结构称为挤压激发skip-connection道路网络(SESPNets)船舶检测光学遥感图像。基于两阶段检测框架,这项工作提出了一个等级skip-connection结构来提高网络的能力来描述该地区的多尺度特性的建议阶段。同时,SE模块纳入网络通道级信息的提高学习。该地区由ROI对齐,其次是级融合,和softNMS后处理。实验结果表明，SESPNets模型的查全率、查准率和F1分别为0.841、0.831和0.836，取得了较好的性能。和实验证明了该方法改进结果从每个
2023-03-20 16:27:47
586
原创 CV——day86 HAR-Net: 基于混合注意的联合学习单阶段目标检测
在本文中，我们利用视觉注意机制进行单阶段目标检测，特别是基于FPN的检测。提出三种类型的注意力模块，并依次集成到目标检测网络中。通过对称扩张卷积学习空间注意力，以求软区域建议，以缓解分类不平衡。通过CLGN和CLSE学习信道注意力，以便有效地选择特征。通过金字塔构造中用于特征对齐的独立变形模块学习对齐注意力。我们将三个注意力模块结合起来，提出了用于单阶段目标检测的混合注意力机制。HAR-Net是通过将混合注意力机制集成到视网膜网络中来提出的。此外，我们还开发了单级探测器的多尺度测试。实验证明了混合注意力和
2023-03-20 09:00:00
437
原创 CV——day85 注意力机制经典之作——Attention Is All You Need
注意函数可以描述为将查询和一组键值对映射到输出，其中查询、键、值和输出都是向量。输出是作为值的加权和计算的，其中分配给每个值的权重是通过查询与相应键的兼容性函数计算的。
2023-03-19 09:58:46
307
原创 CV——day84 多尺度变形注意与多层特征聚合遥感目标检测
在本文中，我们提出了一种MSDAM和一种MLFAM，并将它们插入FPN中，以提高不同形状和大小的遥感目标的检测性能。在DIOR和RSOD数据集上进行的大量实验表明，本文提出的方法在检测精度方面优于目前最先进的基线方法。
2023-03-18 11:00:45
1622
原创 CV——dy83 接昨天的论文中DAM模块：压缩-激励的宽残差网络在图像分类中的应用
SeNets的目的是通过明确地建模其卷积特征的信道之间的相互依赖关系来提高网络的表示能力。全局协方差池描述了特征通道之间的相关性。本文提出了利用信道信息的SE-WRNs-GVP。为了避免SE-blocks造成的信息丢失，提出了一种rSE-blocks。我们的rSE-WRN-26-10-GVP对CIFAR10的错误率为3.79%，对CIFAR100的错误率为20.44%，低于WRN。在加入全局协方差池时，学习速率衰减和带有dropout的SE-blocks对解决过拟合问题至关重要。信道信息的有效利用将提高
2023-03-05 11:10:33
824
原创 CV——day82 读论文：遥感目标检测的改进注意力特征融合SSD (AF-SSD)方法
本文提出了一种单阶段遥感目标探测模型，我们称之为AF-SSD。为了解决物体小、背景复杂和尺度变化带来的问题，我们首先引入自顶向下的FFM融合浅层和上层的特征。然后，引入一个DAM来抑制背景噪声。然后，设计了一个MRF模块来扩大接收域和捕获多尺度特征。此外，我们对损失函数进行了改进，以缓解正、负样本之间的不平衡。在DOTA和NWPU VHR-10上的实验结果表明，该方法对航拍图像中的小目标具有较好的检测效果。
2023-03-05 00:12:35
2043
原创 CV——day81（2） 读论文：注意力机制的早期研究
在本文中，我们猜想固定长度向量的使用是提高这种基本编码器-解码器架构性能的瓶颈，并建议扩展这种瓶颈，允许模型自动(软)搜索源句子中与预测目标词相关的部分，而不必明确地将这些部分形成硬段。
2023-03-02 19:11:47
525
原创 CV——day81（1） 读论文： 基于自监督一致性学习的驾驶场景交通事故检测（有源码）
本文吸收了前人的帧预测和位置预测的优点，提出了一种通过学习连续帧内外观、运动和上下文关系一致性的交通事故检测方法，并采用生成式和对抗性训练策略的多任务一致性学习框架来实现。我们还设计了一种融合外观、运动和上下文一致性测量的新策略。基于我们之前收集的两个具有挑战性的数据集，即AnAn交通事故检测(A3D)和DADA-2000的广泛实验。通过与几种最新方法的比较，验证了该方法的优越性。此外，在我们的DADA-2000数据集上，我们分析了每种方法在不同交通事故行为类型、不同事故类别以及涉及或不涉及自我车的情况下的
2023-03-02 13:23:05
867
2
原创 CV——day80 读论文：DLT-Net:可行驶区域、车道线和交通对象的联合检测
本文提出了一种可行驶区域、车道线和交通目标联合检测的统一网络DLT-Net。这三个任务被认为是自动驾驶汽车最关键的感知任务。该网络在BDD数据集的所有三个任务中都显示出竞争性能。在DLT-Net中设计的上下文张量显著提高了检测精度，使其性能优于多项网络。考虑到智能交通应用的性质，与将每个任务分开相比，统一网络具有固有的优势。此外，与分离每个解码器相比，上下文张量结构在提高检测精度方面显示出固有的优势。
2023-03-01 12:41:26
1196
原创 CV——day79 读论文：基于小目标检测的扩展特征金字塔网络
在本文中，我们提出了一种扩展的金字塔网络来解决小目标检测的问题，它是由类似fpn的框架生成一个专门针对小目标的层。在类fpn框架中嵌入一种新的特征纹理传递模块，通过基于参考的特征级SR有效地捕获扩展金字塔级的更多区域细节。此外，我们引入交叉分辨率蒸馏机制来提高SR特征的质量，其中我们设计了前景-背景-平衡的训练损耗来缓解前景和背景的区域不平衡。在各种数据集上的最新性能表明了EFPN在小目标检测方面的优越性。
2023-02-26 10:35:57
1763
原创 CV——day78 读论文：通过静态背景构建扩展低通道路边雷达的探测距离（目标是规避风险）
在本文中，我们提出了一种扩展路边激光雷达探测范围的方法。首先，构造一个静态背景作为漏斗来过滤背景点。在静态背景构建中，利用多帧点云数据覆盖激光雷达传感器的最大水平角和垂直角，最终获得背景信息。此外，对静态背景进行优化，以减少远距离背景点的缺失和噪声点的出现。与其他方法相比，本文提出的方法可以用较少的点云数据构造出更精确的静态背景。
2023-02-25 15:58:39
594
原创 CV——day77 简读论文：视频中交通标志的跟踪检测
随着先进的驾驶员辅助系统或自动驾驶应用的出现，从安装在汽车上的摄像机检测和识别道路标志的问题正获得越来越多的关注。在这篇论文中，我们尝试在单一影像物件侦测器的基础上改善侦测效能。我们已研究了可纳入该制度的各种措施。我们研究并实现了Tractor-based、基于IOU的方法、DFF、FGFA和SELSA。我们也提出一个架构，作为一个后处理程序，基于Faster R-CNN的两阶段目标检测器。
2023-02-14 10:36:23
662
原创 CV——day76 读论文：BBC Net：遮挡鲁棒目标检测的边界盒临界网络
本文提出了一种新的考虑遮挡区域的目标检测训练框架。在提出的方法中，我们设计了边界盒（BB）估计器，用于以BB图的形式预测目标区域和遮挡区域。BB估计器估计输入图像的对象和遮挡特性。我们建立了高层和低层BB估计器来估计BB图。从而诱导特征编码网络对物体的区别特征和遮挡特征进行编码。
2023-02-12 10:56:51
640
1
原创 CV——day75 读论文：基于差分特征融合CNN的轨道交通目标检测
为了预防铁路调车事故的发生，提出了一种基于DFF-Net的铁路交通目标实时检测系统。为了提高网络的精度和实时性，我们在DFF-Net中引入了两个新的部分：优先目标检测模块和目标检测模块。首先，在前对象检测模块生成用于下一模块的在前锚框。目标检测模块利用已有的锚盒作为输入，通过特征融合子模块丰富语义信息，从而实现目标的准确检测。
2023-02-11 19:20:13
889
3
原创 CV——day74 读论文：关注前景的anchor-free交通场景探测器
综上所述，为了提高无锚点检测器在交通目标检测中的性能，提出了FII-CenterNet算法，该算法引入前景信息以消除交通场景中复杂背景信息的干扰。前景区域建议网络基于语义分割，其由从边界框标签生成的分割标签监督。引入中景作为前景与背景的过渡，可以提供丰富的目标边缘信息。由于引入了前景位置和尺度信息，有效地提高了检测精度，在KITTI验证集上的实验结果验证了这一点。KITTI基准测试和PASCAL VOC 2007测试结果表明，FII-CenterNet在准确性和效率方面都达到了最先进的水平。
2023-02-10 16:45:41
767
YOLOv1-v3笔记
2023-01-31
Swin Transformer目标检测实验环境安装包
2022-11-25
ID-YOLO：基于驾驶员固定区域的实时突出目标检测（
2022-10-17
基于图神经网络和注意力的每小时太阳辐射预测的可解释深度学习模型（APPLIED ENERGY 2022）
2022-10-11
综述——（2019 计算机学报）深度卷积神经网络的发展及其在计算机视觉领域的应用_张顺.zip
2022-10-10
基于深度学习的数据竞争检测方法DeleRace（计算机研究与发展 2022）.zip
2022-10-09
综述—自然语言处理中的文本表示研究_赵京胜（2022 软件学报）.zip
2022-10-07
基于深度学习的海洋环境感知
2022-10-04
基于深度强化学习的网约车动态路径规划_郑渤龙（2022 计算机研究与发展）.zip
2022-10-01
深度 ReLU 网络在特征提取和泛化中的深度选择（2022 Q1）.zip
2022-09-30
（2021 ICCV）Swin Transformer
2022-09-29
基于改进模拟退火算法的推动式生产-配送协调优化（2022 运筹与管理）.zip
2022-09-25
基于自然语言处理的产业链知识图谱构建_毛瑞彬（2022 情报学报）.zip
2022-09-23
（外 Q1 2021） 具有动态正则化的卷积神经网络-未看消融研究和讨论.zip
2022-09-19
模糊需求与时间窗的车辆路径问题及混合遗传算法求解_范厚明（2019 系统管理学报）
2022-09-17
基于改进 Sigmoid 卷积神经网络的手写体数字识别（2021 计算机科学）
2022-09-16
基于强化学习动态规划的城市多路径规划模型（2022 Q1 外）
2022-09-13
day 15马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用（2022 计算机学报）
2022-09-09
城市突发事件中基于事故演变...援需求决策模型及其优化求解（2020 运筹与管理） md笔记与思维导图
2022-09-09
（外 Q1 2021）基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测
2022-09-04
大规模车辆路径问题的深度强化学习算法研究 mind map
2022-09-02
Day6的两篇英文文献： （外 Q1 2022）基于深度学习的文本分类：综述 （外 Q1 2022）基于深度学习的行为识别概述
2022-08-30
Day5 ，读论文 （外）面向自动驾驶的深度强化学习：调查
2022-08-29
笔记.zip 包含思维导图和md文件
2022-08-27
day21_JQuery高级.zip
2020-02-20
day20_JQuery基础.zip
2020-02-20
day22_Ajax&Json.zip
2020-02-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人