原创[Typecho]主题修改相关
文末版权声明代码(post.php对应位置添加以下内容)<strong>版权声明:</strong>本文采用 <a rel="license nofollow" href="https://creativecommons.org/licenses/by-nc-sa/3.0/cn/" target="_blank&quo
文末版权声明代码(post.php对应位置添加以下内容)<strong>版权声明:</strong>本文采用 <a rel="license nofollow" href="https://creativecommons.org/licenses/by-nc-sa/3.0/cn/" target="_blank&quo
写在前面差分隐私从开始了解也有一段时间了,是时候写下paper笔记了。由于笔者能力或理解有限,如有不当之处欢迎拍砖~ 期待能与同道中的你一同研究学习(除paper外,中文的相关学习资料不多)本文参考《本地化差分隐私研究综述》,文中所引图片版权归属原作者,如侵权请邮件联系笔者。Zotero-Paper联动链接--读者可忽略本地化差分隐私的引出如何在数据发布核分析的同时保证其中的个人敏感信息不被泄露是
<span># 写在前面本文主要记录Few-Shot Learning、Meta Learning相关的一些重要概念或小结。更多细节内容后续再补充。文中部分图片来自CVPR 小样本PPT。链接: https://pan.baidu.com/s/1Ya4hv3bqvcmxNPJVE0xLRQ 提取码: 2020 复制这段内容后打开百度网盘手机App,操作更方便哦Few-shot Lear
概述Life-long Learning 终身学习:one model for all the tasks (同一个模型在做学习)Meta Learning元学习:How to learn a new model (不同的任务做不同的模型,利用过去的学习经验能够使之后的学习能够更快)Meta Learning 中 机器之所以能够学习得更快并不是依赖于旧任务中已获取的“知识”,而是机器到了如何去获取
一个人 一只背包 在国庆中秋双节时开始一次不凡的旅行从以往的想象直到真正地亲身体会 会发现事情并非都如想象般那样或许这是开始的第一站 但相信绝非最后一站沿途随手拍当不知所措或迷惘时 不妨停下来思考 想想昨天 想想今天 想想明天 2020终究是一个不平凡之年 也是崭新的起点我一直在路上!(flag时间恰好是2020 哈哈)(凡事都需全力以赴 同样开心也是 双节快乐~)
写在前面 参考文献:Transfer Adaptation Learning: A Decade Survey,这是2019年的一篇综述,简单看了一下发现信息量有点大(真就挖坑“把自己埋了”)。还是先简单写个目录吧,再逐步把坑填起来!同时非常欢迎同在研究相关内容的学者交流,感谢!当前因为部分内容对于个人来说有些难度,所以暂时空出待补!--fzhiy.更新于2020年9月27日19点39
<span># 写在前面 计划在这几天看一些TL相关综述论文,并初步写一点学习笔记(待完善,又挖坑了)。本文主要参考《A survey on transfer learning.2016》和《迁移学习研究进展,2015》。欢迎留言交流或批评指正【】内表示原论文中的参考文献条目。TransferLearning-GitHub:https://github.com/jindongw