networks neural bigdataaiml-ibm-a introduction
[KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks
# [KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks ## 总结 提出了个多任务prompt学习框架，扩展GNN的泛化能力： 1. 统一了NLP和图学习领域的prompt格式，包括prompt token、to ......
A Neural Influence Diffusion Model for Social Recommendation
[TOC] > [Wu L., Sun P., Fu Y., Hong R., Wang X. and Wang M. A neural influence diffusion model for social recommendation. SIGIR, 2019.](https://dl.acm ......
【AL】QUBO Models Introduction
1 Introduction 2 Application Quadratic Assignment Problems Capital Budgeting Problems Multiple Knapsack Problems Task Allocation Problems (distributed ......
SocialLGN Light graph convolution network for social recommendation
[TOC] > [Liao J., Zhou W., Luo F., Wen J., Gao M., Li X. and Zeng J. SocialLGN: Light graph convolution network for social recommendation. Information ......
引言(Introduction)
1.2 机器学习是什么？ Arthur Samuel：他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。 Tom(卡内基梅隆大学)定义的机器学习是，一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理T ......
《Zero Stability Well Predicts Performance of Convolutional Neural Networks》
# 《Zero Stability Well Predicts Performance of Convolutional Neural Networks》 ## 文章结构1. 摘要2. 引言3. 预备知识4. 来自现存CNNs的观察5. 零稳定性网络ZeroSNet6. 实验-- 通过零稳定预测性能 ......
Docker搭建lnmp之network篇
docker pull nginx #拉去最新的nginx镜像 一、搭建vagrant+VagrantBox VM环境 创建Vagrantfile文件 vagrant init 编辑Vagrantfile文件 Vagrant.configure("2") do |config| config.vm. ......
[SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs
# [SIGIR 2023] Subgraph Search over Neural-Symbolic Graphs ## 总结 ## 研究的问题 在包含非结构化数据（图像、视频、文本等）的神经符号数据库（neural-symbolic graph datasets）上如何进行高效的神经符号子图匹配 ......
我的BIOS之行1-Introduction
# 前言 想对自己在本月所学的东西做一个总结，因而产生了写本系列博客的冲动，由于工作较为繁忙，不能及时更新，敬请原谅 ## CPU Introduction & Multi-Processor 本节博客将简单介绍CPU的情况。 ## 1、CPU简介 CPU – The Central Process ......
Convolutional neural network (CNN)–extreme learning machine (ELM)
1. 介绍 论文：(2020)Neural networks for facial age estimation: a survey on recent advances. 地址： http://link.springer.com/article/10.1007/s10462-019-09765-w ......
README_network
[TOC] #### 1、功能 - 一键拖拽上传 - 默认“未发布”，可选择直接发布 - 重复上传，提示是否更新博客 #### 2、环境 (1)Python 3 - 安装 pyyaml 库：cmd中输入 pip3 install pyyaml ![252274b5022933c43e4859daed ......
Paper Reading: NBDT: Neural-Backed Decision Trees
为了提高计算机视觉模型的可解释性，本文融合深度学习和决策树提出了神经支持决策树(NBDTs)。NBDT 使用一个可微的倾斜决策树取代了神经网络的最后一个线性层，和经典的决策树方法不同，NBDT 使用从模型参数派生的层次结构，不使用分层 softmax。NBDT 可以从任何现有的分类神经网络中创建，无... ......
HS-GCN Hamming Spatial Graph Convolutional Networks for Recommendation
[TOC] > [Liu H., Wei Y., Yin J. and Nie L. HS-GCN: Hamming spatial graph convolutional networks for recommendation. IEEE TKDE.](https://arxiv.org/pdf/ ......
[论文阅读] Neural Transformation Fields for Arbitrary-Styled Font Generation
## Pre title: Neural Transformation Fields for Arbitrary-Styled Font Generation accepted: CVPR 2023 paper: https://openaccess.thecvf.com/content/CVPR2 ......
深度 Q 网络（deep Q network，DQN）原理&实现
# 深度 Q 网络（deep Q network，DQN）原理&实现 ## 1 Q-Learning 算法 ### 1.1 算法过程 Q-learning是一种用于解决强化学习问题的无模型算法。强化学习是一种让智能体学习如何在环境中采取行动以最大化某种累积奖励的机器学习方法。 在Q-learning ......
阅读笔记 An introduction to inertial navigation
**摘要** 小巧轻量的MEMS惯性传感器最近在性能上的提升，使得惯性技术可以应用到诸如人体运动捕获这样的领域。这使得对惯性导航的研究兴趣被激发，然而目前对这个主题的导论都没有充分讲清楚惯性系统的误差特性（error characteristic）。 **引言** 这是一篇剑桥大学Oliver J. ......
Co-occurrence Network：相关系数矩阵的阈值
"abs(occor.r) < 0.7" 这部分代码是对相关系数矩阵进行阈值处理的一部分。这里的 "0.7" 是一个阈值，用来筛选相关性较强的微生物对。具体来说，对于相关系数矩阵中的每个元素，如果其绝对值小于0.7，则将其设置为0。 相关系数范围在-1到1之间，绝对值越接近1表示相关性越强，绝对值越 ......
SIAMHAN:IPv6 Address Correlation Attacks on TLS E ncrypted Trafic via Siamese Heterogeneous Graph Attention Network解读
1. Address 论文来自于USENIX Security Symposium 2021 2. Paper summary 与ipv4地址采用nat掩盖不同，ipv6地址更加容易关联到用户活动上，从而泄露隐私。但现在已经有解决隐私担忧的方法被部署，导致现有的方法不再可靠。这篇文章发现尽管在有防护 ......
NEURAL SUBGRAPH MATCHING
# NEURAL SUBGRAPH MATCHING ## 总结 ## 问题定义 给定一个查询图，判断该图是不是一个大图的子图。如果图中有点和边的特征，就要都匹配上。 ## 动机 同构问题是NP完全的，已有的方法虽然能匹配很大的target图，但query图会很小。 ## 模型框架 分为embedd ......
Neural Network 初学
参数：机器学习的内容 超参数：人手动设置的数值，比如学习率、训练轮数 # MLP 在 input layer 和 output layer 之间有一堆 hidden layer，每两层之间可以理解成一张完全二分图，二分图的邻接矩阵上有一些权重，随机初始化。 将图片的每个像素点抽出来变成向量之后在二分 ......
Azure Virtual Network (21) ER专线启用Fast Path
《Windows Azure Platform 系列文章目录》 在Azure ER专线启动Fast Path，具体的区别如下： 禁用Fast Path 启用Fast Path Azure VM访问本地VM流量，流量不经过ER网关 Azure VM访问本地VM流量，流量不经过ER网关 本地VM流量访问 ......
DeepObfusCode：Source Code Obfuscation Through Sequence-to-Sequence Networks
一、Introduction 代码混淆技术旨在解决代码逆向对抗问题。 本质上，代码混淆技术的目标是：在保持一个程序逻辑结构不变以及完整保存的前提下，同时让攻击者不易识别，以此保护软件的完整性和知识产权。 传统的防护策略包括： 插入空白/冗余的逻辑运算 增加不必要的条件运算等 传统的混淆技术最大的问题 ......
机器翻译 | Improving Neural Machine Translation Robustness via Data Augmentation: Beyond Back Translation论文总结
论文地址：https://arxiv.org/abs/1910.03009 ### 动机 神经机器翻译(NMT)模型在翻译**干净文本**时已被证明是强大的，但它们**对输入中的噪声非常敏感**。改进NMT模型的鲁棒性可以看作是对噪声的“域”适应的一种形式。 最先进的方法严重依赖于大量的反向翻译数据 ......
Introduction to Embedding for Retrieval 向量化召回简介
# 引言 搜广推类似场景都是retrieval + ranking两阶段方式，前者用从海量候选粗选一轮，后者再用负载模型，是效果、延迟和机器资源的trade-off的产物。 retrieval广泛使用embedding + ANN方案，比起invert index 个性化更强。 # embeddin ......
Unit network.service could not be found的解决方法
学习自：报错：Unit network.service could not be found.[已解决] 1）yum install network-scripts 2）下载完成后，查看network的运行状态 systemctl status network 此时的network处于关闭（inac ......
POJ 3694 Network
##[POJ 3694 Network](http://poj.org/problem?id=3694) ### 一、题目大意 $n$个点，$m$个边,连通图。 点与点之间通过边连接，如果切断某个边使得有点与其他点连接断开（连通分支增加），则称这种边为 **桥梁**（离散上叫 **割边**）。 接下 ......
MIT6.s081/6.828 lectrue1：Introduction and examples
目前课程官网能够查到 2020,2021.2022 秋季的课程表，但是视频都是 2020 年录制的那一版 简单复习+回顾下自己的 OS 学习之旅 ## 参考资料： 官网：https://pdos.csail.mit.edu/6.828/2022/schedule.html 视频翻译：https:// ......
[论文研读]空天地一体化(SAGIN)的网络安全_A_Survey_on_Space-Air-Ground-Sea_Integrated_Network_Security_in_6G
** 恢复内容开始 ** ## 空天地一体化(SAGIN)的网络安全 **目前关注的方面：** 集中在安全通信、入侵检测、侧通道攻击、GPS欺骗攻击、网络窃听、消息修改/注入等方面，有些侧重于分析现有的安全威胁[20]、[21]，有些提出了他们的攻击方法[14]、[22]，还有一些则更多地侧重于SA ......
算法_贝叶斯网络学习_bayesian networks
###基本概念 条件概率 联合概率 边缘概率 链式法则 随机变量的独立性 条件独立性 贝叶斯规则、贝叶斯概率推理和贝叶斯网络模型。 stochastic，主要用作形容词，主要意思为“随机的；猜测的” ###R语言包 R语言用lme4多层次（混合效应）广义线性模型（GLM），逻辑回归分析 lme4广义 ......
funcontain_network
### Function #### 介绍、定义 组织好的（提前写好内置）、可重复使用的、用以实现特定功能的 *代码段* 。 ```py str1 = "iloveu" str2 = "goodluck" str3 = "seeya" count = 0 for i in str1: count += ......