摘要： 1.直接删除 适合缺失值数量较小，并且是随机出现的，删除它们对整体数据影响不大的情况 2.使用一个全局常量填充 譬如将缺失值用“Unknown”等填充，但是效果不一定好，因为算法可能会把它识别为一个新的类别，一般很少用 3.使用均值或中位数代替 优点：不会减少样本信息，处理简单。缺点：当缺失数据不是 阅读全文

摘要： 1. 在大陆的科研环境中，需要你有高质量文章，也需要你有水文，正常的科研流程是一大步+一小步，即一大步，一篇高质量，很solid的文章，+一两篇小改进的水文章。一年之间，应该是1+1/ 1+2的模式。 2. 时间安排，论文框架一周； 实验一周；修改论文两周； 3. 科研进程是一个高斯曲线，有慢热期和 阅读全文

摘要： 1. know your data. 知道里面有哪些pattern，正常的pattern是什么，不正常的pattern是什么，点异常的情况是什么，模式异常的情况是什么。 异常： 已知 可以通过预处理处理掉的 不能通过预处理处理掉的，如何在loss部分进行处理。 未知 motif: 小的、细微的频繁出 阅读全文

摘要： 像AAAI，IJCAI这种水会，投论文更多的像是掷筛子，随机性很大，你投不中不能说明你不好，你投中了也不能说明你强。 从审稿人角度考虑，如果这篇文章他看得懂，那他很可能会拒掉；如果他看不懂，那么他觉得这篇文章可能有价值，得琢磨一下。 纯方法类的文章研究和提升起来是很难的，很少有人做这个，所以作为普通 阅读全文

摘要： 1. 了解有几种attention mechanism Seq2Seq, from a sequence input to a sequence output. Align & Translate, A potential problem of the vanilla Seq2Seq archite 阅读全文

摘要： 2思考问题，写introduction的时候，是用领域问题描述，还是通用方法，如果数据特殊就说领域问题，但你需要指出这类领域数据的特点和scientific challenge.，比如能源的异常检测和其他的有啥区别，为什么传统方法不行。 通用方法创新要难一些。 introduction两方面，mot 阅读全文

摘要： References: https://www.zhihu.com/question/20525198 阅读全文

摘要： The return of Pytorch.nn.LSTM is: output, (h_n, c_n) Outputs: output, (h_n, c_n) output (seq_len, batch, hidden_size * num_directions): tensor contain 阅读全文

摘要： Humans can recognize new object classes from very few instances. However, most machine learning techniques require thousands of examples to achieve si 阅读全文

摘要： Purpose: understand how visual data "travels" on Twitter. Contribution: they propose a neural network architecture identify whether a post includes a 阅读全文