现阶段NLP最火的两个idea 一个是对比学习（contrastive learning） 另一个就是 prompt prompt 说简单也很简单 看了几篇论文之后发现其实就是构建一个语言模板 但是仔细想想又觉得复杂总感觉里面还有很多

Learning to Promote Saliency Detectors论文阅读 旧文重发 https:githublartpangMachine-Deep-Learning 缩写标注: SD: Saliency Detecti

部分可观察MDP的深度循环Q学习 摘要：Deep Reinforcement Learning已经为复杂的任务提供了熟练的控制器。然而，这些控制器具有有限的存储器并且依赖于能够在每个决策点处感知

摘要深度强化学习已经为复杂任务提供了精准的控制器。但是，这些控制器的内存有限，并且依赖于能够在每个决策点感知完整的游戏画面。为了解决这些缺点，本文研究了用循环LSTM替换卷

Abstract 深度RL已经为复杂的任务提供了精通的控制器。但是，这些控制器的内存有限，并且依赖于能够在每个决策点感知完整的游戏画面。为了解决这些缺点，本文研究了用循环LS

IntelliLight 全文脉络概述1、本文贡献1）Experiments with real traffic data.2）Interpretations of the policy.3&am

论文地址：https:ieeexplore.ieeedocument9008383 源码地址：https:githubGabriel-Maciasrobust_frcnn 1 以前的方法在目标域中有

论文解读：DeepSurf：一种基于表面的深度学习方法预测蛋白质上的配体结合位点  期刊：Bioinformatics 中科院分区;Q1 影像因子&#xff1a

ICLR 2018的一篇文献，看Multiple Instance Active Learning for Object Detection的在评价性能的时候看到了这个模型，由于是第一次接触主动学

A Discriminative Feature Learning Approach for Deep Face Recognition Y. Wen, K. Zhang, Z. Li, & Y. Qiao, A Discrimin

背景差分隐私(Differential Privacy)隐私其实是一个很微妙的定义，在机器学习领域，这个定义变得更加模糊，考虑以下场景：高德地图曾

知识点 了解few-shot learning: 理解1，理解2 欧式距离Contribution We present multimodal social relation datasets, which

IPM变换建立image到BEV平面的映射关系但是IPM变换的前提假设是世界是一个平坦的平面，但是3D物体是有高度的，或者当路面出现起伏的时候就会违反这一假设，导致出现目标物

《A Spatiotemporal Deep Learning Approach for Unsupervised Anomaly Detection in Cloud Systems》-2020-TNNLS-B类背景整体结构GraphL

文章目录 摘要 1.引言 2.相关工作 3.提出的方法（PROVID） 3.1 概述 3.2 外观特征提取（by CNN） 3.3 基于SNN的车牌识别 3.4 基于时空关系重排序 4.实验 4.1 数据集 4.2 实验设置 4.3 车牌验

一种使用 Transformer 对 Twitter 中的机器人进行鲁棒检测的深度学习方法 论文链接：https:ieeexplore.ieeeielx76287639931271009385071.pd

（1）出发点：现有的几种主流方法一般利用额外的线索（例如，人体姿势信息）来区分人体部位和障碍物&#x

论文名字HybridAlpha: An Efficient Approach for Privacy-Preserving Federated Learning来源会议 the 12th ACM Workshop年份20

BYOL算法简要介绍。 论文地址：byol论文链接。 代码链接：https:githubdeepminddeepmind-researchtreemasterbyol 1、self-supervised learning 当

博客内容将首发在微信公众号"跟我一起读论文啦啦"，上面会定期分享机器学习、深度学习、数据挖掘、自然语言处理等高质量论文，欢迎关注！本篇博文分享和总结