相关文章
LLMs之LCM：《MemLong: Memory-Augmented Retrieval for Long Text Modeling》翻译与解读
LLMs之LCM：《MemLong: Memory-Augmented Retrieval for Long Text Modeling》翻译与解读 导读：MemLong 是一种新颖高效的解决 LLM 长文本处理难题的方法，它通过外部检索器获取历史信息，并将其与模型的内部检索过程相结合ÿ…
缺陷检测论文回顾（一）
前言：把以前刷的一些和基金相关的文章，年前这几周，分批次回顾一下。
[1] A fast and robust convolutional neural network-based defect detection model in product quality control
2017年7月的一篇杂志文章。作者使用一个多层的CNN网络对DAGM2007数据集中的六类缺陷样…
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
这篇文章来大致介绍一下ConvLSTM的基本原理和应用场景。个人认为有时候对于一个算法改进很大程度上会受到应用场景的启示，比如现在要说的这篇。不知道论文作者当时想到这个idea时是不是也是这样。
1.论文的核心思想
先来想象一下这么一个应用场景：根据…
论文阅读：NetworkTrimming: A Data-Driven Neuron Pruning Approach towards Efficient Deep Architectures
文章链接
Motivation
作者在对现在主流的CNN网络进行分析后，发现CNN中的很多神经元的“表现力”很弱(low activations)，这些神经元可以被剪枝，同时网络的表现能力不会被破坏，作者提出了一个可迭代的优化方法来对这些弱神经元进行…
交通事故预测 读书笔记
Hetero-ConvLSTM: A Deep Learning Approach to Traffic Accident Prediction on Heterogeneous Spatio-Temporal Data（KDD2018）
Author: Zhuoning Yuan, Xun Zhou, Tianbao Yang
中文提示：交通事故预测 摘要：
预测交通事故是改…
文献阅读笔记-CSC-数据集-A Hybrid Approach to Automatic Corpus Generation for Chinese Spelling Check
A Hybrid Approach to Automatic Corpus Generation for Chinese Spelling Check 文献阅读笔记
论文相关信息：
EMNLP-2018： “本文由腾讯 AI Lab 主导，与清华大学和腾讯 SNG 合作完成。” “作者：汪鼎民 已经开源本文内容-https…
《Key Points Estimation and Point Instance Segmentation Approach for Lane Detection》翻译
《车道线检测的关键点预测和点实例分割方法-PINet》 一、摘要1、体系结构2、方法概述3、方法优点 二、研究现状三、实现方法1、车道线点实例网络2、后处理方法 四、实验结果1、评价标准2、实验 一、摘要
1、体系结构
包含共享的特征提取层和多个分支，用于检测和嵌…
论文翻译：2022_PACDNN: A phase-aware composite deep neural network for speech enhancement
论文地址：PACDNN：一种用于语音增强的相位感知复合深度神经网络 相似代码：https://github.com/phpstorm1/SE-FCN 引用格式：Hasannezhad M，Yu H，Zhu W P，et al. PACDNN： A phase-aware…
论文笔记 ACL 2020|A Two-Step Approach for Implicit Event Argument Detection
文章目录 1 简介1.1 动机1.2 创新 2 方法3 实验 1 简介
论文题目：A Two-Step Approach for Implicit Event Argument Detection 论文来源：ACL 2020 论文链接：https://aclanthology.org/2020.acl-main.667.pdf 代码链接：https://g…
《一种基于无监督学习的纹理表面缺陷自动检测方法》-- 阅读笔记
参考论文：《An Unsupervised-Learning-Based Approach for Automated Defect Inspection on Textured Surfaces》
整体思路
使用无缺陷样本进行模型训练，无监督学习 多尺度卷积降噪自编码器 + 高斯金字塔重建 完成训练
CDAE（卷积降噪自编码器）：重建输入图像块，并生成残…
RoBERTa：A Robustly Optimized BERT Pretraining Approach（2019-7-26）
模型概述
RoBERTa可以看作是BERT的改进版，从模型结构上讲，相比BERT，RoBERTa基本没有什么创新，它更像是关于BERT在预训练方面进一步的探索。其改进了BERT很多的预训练策略，其结果显示，原始BERT可能训练不足…
【论文笔记】Personalized Federated Learning with Theoretical Guarantees: A MAML Approach
Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Learning Approach（联邦个性化元学习） 创新性本篇论文的贡献Per-FedAvg算法步骤评估指标和实验结果评估指标实验数据集对比方法实验结果Guarantees: A Model-Agnostic Meta-Learning Ap…
【图像去模糊】Rethinking Coarse-to-Fine Approach in Single Image Deblurring
论文地址：https://arxiv.org/pdf/2108.05054.pdfhttps://arxiv.org/pdf/2108.05054.pdf
代码地址：https://github.com/chosj95/MIMO-UNethttps://github.com/chosj95/MIMO-UNet 粗到精细的策略已被广泛应用于单个图像去模糊网络的体系结构设计。传统的方…
【预训练语言模型】RoBERTa: A Robustly Optimized BERT Pretraining Approach
阅读摘要： 本文在BERT模型的基础上进行了一些改进，提出了RoBERTa模型，并证明了RoBERTa比BERT的效果更好一些。 参考文献： [1] RoBERTa: A Robustly Optimized BERT Pretraining Approach [2] BERT模型讲解，…
【PLM—2】——2019-Arxiv-Robera
2019年Arxiv上的一篇预训练模型RoBERTa: A Robustly Optimized BERT Pretraining Approach，虽然后来也没看到这个模型被哪个会议录用了，大概是因为创新点并不大。不过似乎因为效果比Bert好了一些些，而被研究者们广泛使用了（虽然也…
【论文阅读】A Deep Learning Approach for Underwater Image Enhancement
论文：A Deep Learning Approach for Underwater Image Enhancement 作者：Javier Perez 年份：2017年 期刊： International Work-conference on the Interplay Between Natural & Artificial Computation 文章目录 介绍方法比较…
【NLP】 RoBERTa: A Robustly Optimized BERT Pretraining Approach
1. Dynamic Masking🌺 RoBERTa 是对 BERT 的优化提升，改进之一就是在 Masked Language Model (MLM) 任务中，使用 dynamic masking 代替原先的 static masking。 BERT ：随机15%的 token 进行 mask，这个过程在数据预处理…
从ASML年报看半导体产业的未来
来源：半导体行业观察 在前几天的文章《光刻机巨头ASML的十年变迁》中，笔者梳理了ASML近10年来的财报数据，介绍了其EUV/DUV光刻机出货量、年销售额、研发投入以及各地区的销售情况等。 近日，ASML又公布了2021年年报，我们…
芯片 Chip 制造技术之：深紫外光刻 Lithography 与极紫外 Lithography 光刻
文章目录 芯片制造技术之：深紫外光刻与极紫外光刻1. 背景介绍2. 核心概念与联系3. 核心算法原理 & 具体操作步骤3.1 算法原理概述3.2 算法步骤详解3.3 算法优缺点3.4 算法应用领域4. 数学模型和公式 & 详细讲解 & 举例说明4.1 数学模型构建4.2 公式推导过程4.3 案…