UnDefined

摘要： 参考资料：https://paddlepedia.readthedocs.io/en/latest/tutorials/deep_learning/normalization/basic_normalization.html。下文仅为复制无任何改动。 归一化基础知识点 1. 什么是归一化 归一化是一 阅读全文

摘要： XGBoost 参考资料： https://blog.csdn.net/v_JULY_v/article/details/81410574 https://dl.acm.org/doi/abs/10.1145/2939672.2939785 https://blog.csdn.net/anshuai 阅读全文

摘要： Domain Agnostic Learning with Disentangled Representations 1. Introduction 本文研究了领域不可知论学习(DAL)，这是一个比较困难但实际的问题，即知识从一个标记的源领域转移到多个未标记的目标领域。领域不可知学习的主要挑战是:( 阅读全文

摘要： 1 Introduction 最近的研究发现，DNNs倾向于以与人类不同的方式学习决策规则 [17, 21, 16]。例如，在基于ImageNet的图像分类任务中，卷积神经网络（CNNs）倾向于学习局部纹理以区分对象，而我们人类则可能使用全局对象形状的知识作为线索。DNNs学到的特征可能只属于特定的 阅读全文

摘要： Patient Subtyping via Time-Aware LSTM Networks 3.1.2 Time-Aware LSTM (T-LSTM). T-LSTM 被提出，以将经过时间的信息纳入标准 LSTM 架构中，从而能够捕捉具有时间不规则性的序列数据的时间动态。所提出的 T-LSTM 阅读全文

摘要： Progressive Domain Expansion Network for Single Domain Generalization 3. Method 本文提出的PDEN用于单域泛化。假设源域为 \(\mathcal{S}=\left\{x_i, y_i\right\}_{i=1}^{N_S 阅读全文

摘要： Anomaly detection with domain adaptation 3. Methodology Problem Statement 我们研究了在领域适应设置中的半监督异常检测问题。在训练阶段，学习算法可以访问 \(n\) 个数据点 \(\left\{\left(\boldsymbol 阅读全文

摘要： Anomaly Detection under Distribution Shift ICCV 2023 用于异常检测的无监督方法。 训练集仅使用source distribution的normal数据。 测试集使用source 和 target distribution的数据，包含normal和a 阅读全文

摘要： SelfReg: Self-supervised Contrastive Regularization for Domain Generalization 采用了自监督对比学习的方法，提出了Individualized In-batch Dissimilarity Loss和Heterogeneou 阅读全文

摘要： Domain generalization via feature variation decorrelation 3 METHOD 在本节中，我们首先在第3.2节解释我们的动机。然后，在第3.3节中，我们介绍特征变化的解缠和讨论方差转移的想法。最后，在第3.4节中，我们提出了我们的新颖特征变化解相 阅读全文