关于Net Learning分类中的后续文章

最新推荐文章于 2025-12-03 19:42:25 发布
原创 最新推荐文章于 2025-12-03 19:42:25 发布 · 981 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#相册 #blog #网络

因发长文章存在排版、字体显示等问题，博主决定将Net Learning文章发至ABP论坛网络技术板块，待相关站点开设后再转移。同时，利用此blog相册功能放相关图片，因ABP发图困难，可在此发图后供ABP引用。
由于这里发一些较长的文章时，会出现很多排版问题，包括字体显示等各个方面，所以以后关于Net Learning的文章我就不发在这里了，我将发在ABP论坛的网络技术板块，也许等lj他们开设了Computer Science之类的站点之后，都会放到那里去。

不过我会用这个blog的相册功能放一些相关的图片，因为发现在ABP上发图片好像很困难，所以在这里发图片，然后那边引用就方便多了，呵呵
终身学习（LifeLong Learning）/ 增量学习（Incremental Learning）、在线学习（Online Learning）
Drug discovery
05-24 5246
Lifelong learning终生学习，又名continuous learning，increment learning，never ending learning。通常机器学习中，单个模型只解决单个或少数几个任务。对于新的任务，我们一般重新训练新的模型。而LifeLong learning，则先在task1上使用一个模型，然后在task2上仍然使用这个模型，一直到task n。Lifelong learning探讨的问题是，LifeLong learning需要解决三个问题。
Literatures on Deep Learning 关于Deep Learning的一些文章
萧瑟一笑的专栏
11-12 1517
Recently I engaged in studying Deep Learning, which was motivated by G. E. Hinton from University of Toronto in 2006. The striking paper was A FAST LEARNING ALGORITHM FOR DEEP BELIEF NETS in Neural Co
读过的一些deep learning文章
Aselan的专栏
08-27 2132
1.      Survey （1）      Learning Deep Architectures forAI, by Yoshua Bengio.经典中的经典，将deep learning里面各个算法的源流阐释得极为清楚。 （2）      Representation Learning: AReview and New Perspectives, by Yoshua Bengio, A
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
DAOCHI
11-06 9861
一、基本简介 论文下载地址：https://arxiv.org/abs/1612.00593 代码开源地址：https://github.com/charlesq34/pointnet 最近，开始研究基于3D点云的深度学习算法。PointNet 作为点云特征提取的开创性论文，非常有必要好好研究总结。本文在翻译论文时，会结合代码来解释每一个关键点或者关键模块。同时，本文翻译会附英文原文和中文翻译对照，目的是为了让大家能够通过中文理解该论文的同时，也可以参照英文原文，形成自己的理解以及对翻译的勘误。 Ab
分类网络 DenseNet
阿辉的博客
05-28 951
DenseNet 论文:Densely Connected Convolutional Networks DenseNet是在ResNet之后的一个分类网络,连接方式的改变,使其在各大数据集上取得比ResNet更好的效果. 网络结构 以DenseNet-121为例,介绍网络的结构细节. 网络结构一开始与ResNet类似,先进行一个大尺度的卷积,再接一个池化层;随后接上连续几个子模块(Dense ...
Transfer Learning 文章解析
Sun7_She的专栏
11-29 2154
transfer learning: 包含所有的source  or target, labeled or unlabeled, finetune, multi-task learning的情况。总而言之一句话，训练的过程中用（单个数据集做supervised learning）之外的所有情况都算在transfer learning中。 supervised learning: 训练数据都有标签...
PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space
DAOCHI
11-11 9646
基本简介 论文下载地址：https://arxiv.org/pdf/1706.02413.pdf 代码开源地址：https://github.com/charlesq34/pointnet2 作者以及论文信息如下： 这一篇文章和 PointNet 论文是一个系列，并且是同一个作者的研究成果，但是两篇论文却有较大的区别。这篇论文在后续的点云处理上，被引用次数非常多，常作为3D点云特征提取的基础模块，类似于2D图像的 ResNet 算法。 Abstract 以前很少有工作研究直接处理3D点集的深度学习
LSTM文本情感分类在Deeplearning4j+spark环境中的scala实践
lorrylee1346的博客
12-13 2707
         小编近来要做用户推荐相关的一些工作，根据调研，目前用于搜索、推荐等的算法以阿里妈妈、美团等团队的DIN等算法为主，因此需要祭出神经网络这样的武器，但奈何公司的大数据基础建设仍有待提高，直接使用高维度的item变量及用户变量进行模型开发可能会面临一定的工程难度，因此考虑使用循环神经网络的方法，将用户的点击页、浏览页作为一个个词，并用来评估用户下一步对产品、活动的兴趣点，而且LSTM...
3D点云-CVPR2017-PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
一名从Java开发工程师转型的人工智能研究生，致力于图像修复和图像超分领域的探索与研究。通过博客分享个人的学习心得、研究成果以及在人工智能应用中的实际经验，欢迎与同行交流。
09-08 4087
3D点云（Point Cloud）、PointNet、PointNet++介绍，包含源码解析
图像分类经典论文阅读笔记（VGGNet、Google Net、ResNet、DenseNet、SENet、ResNeXt）
weixin_47365232的博客
06-07 1234
下图就是Inception网络架构的两个模块，(a)是原始版本，但是每个Inception模块都会增加维度，最后会导致计算爆炸。为什么维度一定会增加？（结合后面的Concatenate操作）因为存在一个池化层，而池化层的维度和输入的维度是一致的，所以不管其他三个卷积的卷积核个数到底是多少，最终得到的输出结果维度都会增加。如果输入的维度是x，那么输出的维度至少也是x+3。(b)是改进后的模块，通过加入1 x 1卷积，实现降维，可以降低参数量和计算量。
Deeplearning4j 快速入门
GitChat
07-02 9271
课程亮点 机器学习经典案例基于 DL4J 的实现 Spark 分布式场景下的模型训练及调优 多 GPU 环境下的并行建模 迁移和强化学习的模型训练 搭建在线服务环境实战演练 本课程是关于 Eclipse Deeplearning4j 的基础课程。Deeplearning4j 是基于 Java/JVM 的深度学习开源库，课程内容涵盖了 Deeplearning4j 生态圈中核心框架的使用（如 N...
图像分类模型 GoogLeNet
mengxianglong123的博客
07-08 1130
GoogLeNet的名字不是GoogleNet，而是GoogLeNet，这是为了致敬LeNet。GoogLeNet和AlexNet/VGGNet这类依靠加深网络结构的深度的思想不完全一样。GoogLeNet在加深度的同时做了结构上的创新，引入了一个叫做Inception的结构来代替之前的卷积加激活的经典组件。GoogLeNet在ImageNet分类比赛上的Top-5错误率降低到了6.7%。GoogLeNet中的基础卷积块叫作Inception块，得名于同名电影《盗梦空间》（Inception）。Incept
TCP，UDP使用socket编程流程
weixin_46855342的博客
12-01 102
UDP socket编程流；
【Android逆向工程】第19章：协议分析与接口还原
w987333120的博客
12-03 343
本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。
多厂商配置对齐器：AI 如何在 Cisco / Huawei / Juniper 间做语义映射
最新发布
oQianYuan的博客
12-03 449
这些模型上的差异，使得简单的“语法级模板替换”永远会失败。“给我一个能阻止外网 SSH 进入财务内网的安全策略，并在所有出口设备上同步生效（Cisco/Huawei/Juniper 各一套）。需特别注意 mask 类型的标准化，AI 内部统一用 CIDR (/24) 或 Wildcard 存储，渲染时再转换。/* 假设 Gi0/0 属于 untrust，内网为 trust */在过去十几年里，不同厂商 CLI 的“语法差异”从来不是最难的问题。AI 在多厂商对齐中的真正价值，是负责把。
网络安全（黑客技术）—2025自学手册
2401_84760527的博客
11-24 1583
网络安全可以基于攻击和防御视角来分类，我们经常听到的 “红队”、“渗透测试” 等就是研究攻击技术，而“蓝队”、“安全运营”、“安全运维”则研究防御技术。走安全行业的工程方向的，技术上面其实有很大的重叠性，抛开甲乙方、岗位名称、岗位职责等因素来看，作为学技术的，也根据以往我们给学员推荐就业和入职情况来看，只要好好掌握以下几种技术（网络协议与安全设备、Linux操作系统、Web服务部署/开发、主流渗透测试/安全工具、一门及以上的编程语言）中的2到3个，都可以较好的胜任工作需求。
openEuler + Nginx 高性能 Web 服务深度评测
笃行其道的博客
12-03 771
本文介绍了在openEuler操作系统上部署Nginx集群的性能测试方案。通过优化内核参数、资源限制和系统调优，在32核64GB环境的华为云实例上进行八大维度的压测：静态文件服务测试显示小文件QPS达23万+，大文件传输速率13.97GB/s；反向代理性能测试QPS23万；HTTPS测试降幅仅16%；长连接测试QPS8.6万；压缩测试显示99%压缩率；极限测试支撑10万+并发。测试结果表明，openEuler的网络/I/O优化与Nginx事件驱动架构完美结合，CPU利用率96%且内存占用<10%，延迟
如何解决ws2_32.dll丢失问题：解决网络相关错误和程序崩溃的完美方案
xiaoshuotui的博客
12-02 932
当你尝试启动一个程序或游戏时，突然遭遇“ws2_32.dll丢失”的错误，这可能会让你的计划受阻。幸运的是，这个问题通常有直接的解决方法。本文将详细介绍如何找出丢失或损坏的ws2_32.dll文件，并提供有效的修复策略，让你的电脑重新运行起来。
学习：《The QUIC Transport Protocol: Design and Internet-Scale Deployment》
qq_45913654的博客
12-02 530
QUIC协议是基于UDP的新型传输协议，旨在解决TCP协议在互联网环境中的固有缺陷。
图像处理中的深度学习应用：从分类到对象检测
资源摘要信息:"本教程是关于深度学习在图像处理中的应用，内容涵盖了分类和目标检测两个方面。深度学习已经成为图像处理领域的一个重要研究方向，其强大的特征提取能力使得其在处理图像问题上展现出优异的性能。教程...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值