weixin_41497908的博客

原创 多模态特征表示和融合学习

多模态的特征表示是使用来自多个此类实体的信息，主要存在的问题有：（1）如何组合来自不同模态的数据 （2）如何处理不同模态不同程度的噪音 （3）如何处理缺失数据。联合特征表示将各模态信息映射到相同的特征空间中，而协同特征表示分别映射每个模态的信息，但是要保证映射后的每个模态之间存在一定的约束，使它们进入所谓的协同空间。主要任务是学习如何更好的提取和表示多模态数据的特征信息，以利用多模态数据的互补性（即研究如何将多模态数据包含的语义信息通过embedding的方式实现向量化，便于后续计算）.

原创 图-基础知识

原创 神经网络·前向传播

小白理解。

原创 Epoch、Batch、Iteration区别

然后根据损失函数的值计算参数的梯度，并使用梯度下降算法等优化算法来更新参数。中包含多个样本，模型会对这些样本进行前向传播和反向传播，计算出参数的梯度并进行更新。的大小决定了每次迭代更新参数的样本数量，也对模型收敛速度和效果有一定影响。中通常会进行多次迭代更新参数，直到达到一定的迭代次数或者满足停止条件为止。中，模型会对整个数据集进行一次前向传播和反向传播，更新所有的参数。是常用的概念，它们分别表示模型训练的三个层次。指的是把整个数据集丢进神经网络训练10次.（指的是每次扔进神经网络训练的数据是10个.（

原创 自然语言处理（NLP）任务详解

文本摘要是将文本内容进行压缩和提炼，生成概括性的摘要的过程。它可以应用于新闻摘要、文档摘要、自动化报告等领域。它能够自动化地生成包含关键信息的摘要，帮助用户快速了解文本的主要内容。----提取式摘要：基于原始文本中的关键句子或短语来构建摘要。该方法通过识别文本中重要的句子或短语，并将其组合形成摘要。常用的技术包括句子重要性评分、关键词提取、文本聚类等。---- 生成式摘要：基于原始文本生成新的摘要句子。

原创 Python、PyCharm安装教程| 菜鸟小白教程（windows）

Python、PyCharm安装教程| 菜鸟小白教程（windows）

翻译 Learning Collaborative Sparse Representation for Grayscale-Thermal Tacking

1、介绍热红外传感器在较差的光照条件下比可见光光谱相机更有效；可见光谱相机在分离两个运动物体交叉或运动时更有效。灰度数据+热频谱数据可以互补信息，在具有挑战性的场景中实现鲁棒的跟踪性能。本文针对灰度热跟踪的协同模型和综合评价基准，通过现有的工作，解决以下几个问题：如何根据灰度和热信息的可靠性，自适应地利用灰度+热信息实现鲁棒跟踪。（联合稀疏表示方法在灰度热跟踪中取得了良好的效果，但是忽略了稀疏表示中不同模式的可靠性。）如何建立一个全面的灰度-热跟踪基准来促进这一方向的研究。（缺乏全面的视频基