- 综合排序
- 最热优先
- 最新优先
- 来自专栏AutoML(自动机器学习)
Network Architecture Search Survey
?
51520发布于 2018-10-15 - 来自专栏星流全栈
Developer Survey Results 2016
http://stackoverflow.com/research/developer-survey-2016 本文来自Stack Overflow，世界上最大的程序员问答社区。
32020发布于 2018-06-01 - 来自专栏NLP小白的学习历程
论文的 research 和 survey
第二章开头以约一页的篇幅描述我要survey的内容、范围与架构[ 必须提供充分的理由说明这样组织分类的理由 ]。 设定一适当的焦距，决定文献探讨的领域范围。 对每个类别survey之后必须对整个章节做一个结论。汇总出这个领域目前的研究进展，还有哪些不足，并且以此支撑我的研究动机，以承接下一章。 （3）第三章是描述我的研究议题与方法。 survey工作 （1）目的：对研究的议题有个深入且广泛的了解。知道该领域研究的进展，state of the art是什么，知道哪些还可以被开发，哪些可以拿来应用。 （5）第二阶段的survey：第一阶段survey在研读论文的时候，注意它们发表在哪里，从而知道有哪些相关的国际会议。
65320发布于 2020-11-13 - 来自专栏计算机视觉理论及其实现
Deep visual domain adaptation: A survey
深度视觉域适配作为一个解决大量标注数据缺失的新的学习技巧而出现。与传统的学习共享特征子空间或使用浅层表示重用重要源实例的方法相比，深度域适应方法通过将域适应嵌入深度学习管道中，利用深度网络学习更多可迁移的表示。对于浅域适应的研究已经有了全面的调查，但很少及时回顾基于深度学习的新兴方法。在这篇论文中，我们提供了一个全面的调查深入领域适应方法的计算机视觉应用有四个主要贡献。首先，根据定义两个领域如何分化的数据属性，我们给出了不同深度领域适应场景的分类。其次，我们根据训练损失将深度领域适应方法归纳为若干类别，并对这些类别下的最新方法进行简要分析和比较。第三，我们概述超越图像分类的计算机视觉应用，如人脸识别、语义分割和目标检测。第四，指出了现有方法可能存在的不足和未来的发展方向。
2K20编辑于 2022-09-02 - 来自专栏AutoML(自动机器学习)
AutoML: A Survey of the state-of-the-art
“A survey on data collection for machine learning: a big data-ai integration perspective.” arXiv preprint
1.8K42发布于 2019-08-08 - 来自专栏DrugOne
Survey | 多任务学习综述
深度学习模型通常需要大量有标签数据才能训练出一个优良的分类器。但是，包括医学图像分析在内的一些应用无法满足这种数据要求，因为标注数据需要很多人力劳动。在这些情况下，多任务学习（MTL）可以通过使用来自其它相关学习任务的有用信息来帮助缓解这种数据稀疏问题。
1.1K30发布于 2021-01-29 - 来自专栏计算机视觉理论及其实现
Object Detection in 20 Years: A Survey
目标检测作为计算机视觉中最基本、最具挑战性的问题之一，近年来受到了广泛的关注。它在过去二十年的发展可以说是计算机视觉历史的缩影。如果我们把今天的物体检测看作是深度学习力量下的一种技术美学，那么让时光倒流20年，我们将见证冷兵器时代的智慧。本文从目标检测技术发展的角度，对近四分之一世纪(20世纪90年代至2019年)的400余篇论文进行了广泛的回顾。本文涵盖了许多主题，包括历史上的里程碑检测器、检测数据集、度量、检测系统的基本构件、加速技术以及最新的检测方法。本文还综述了行人检测、人脸检测、文本检测等重要的检测应用，并对其面临的挑战以及近年来的技术进步进行了深入分析。
3.5K55编辑于 2022-09-03 - 来自专栏Apache IoTDB
Time Series Management Systems: A Survey
今天分享一篇时序数据库Survey，《Time Series Management Systems: A Survey》，2017 年 TKDE 的。 Survey 方法 由于是一篇 Survey，所以这篇文章一共调研了 27 个时序数据库，都是近10年有公开发表的文章。 Survey 的方法有这么几步，首先已经有一些相关文章了，其次： 文章中的参考文献 引用这些文章的文章（谷歌学术可以搜到） 相关的会议或期刊（SIGMOD，VLDB，ICDE，USENIX等）。 总结 这篇 Survey 对三种架构的分类还是比较清楚的。每种架构也分别对各个系统进行了介绍，本文就不展开了。
71710发布于 2020-09-27 - 来自专栏CreateAMind
A survey on Bayesian deep learning 2021
A survey on Bayesian deep learning贝叶斯深度学习综述 https://dl.acm.org/doi/pdf/10.1145/3409383 https://arxiv.org
60110编辑于 2024-07-05 - 来自专栏CreateAMind
Semantic Reasoning frameworks for robotic systems，A survey
paper：https://doi.org/10.1016/j.robot.2022.104294
50320编辑于 2023-02-14 - 来自专栏计算机视觉理论及其实现
DEEP DOMAIN ADAPTIVE OBJECT DETECTION: A SURVEY
基于深度学习的目标检测获得了很大的方法。这些方法基本上假定可以获得大规模的训练标签，训练和测试数据服从理想的分布。然而这两个假设在实际中通常不满足。深度域适配目标检测做为一种新的学习范式开始出现，来解决上述问题。这篇文章旨在对最先进的域适配目标检测方法进行综述。首先，我们简要介绍域适配的概念。第二，深度域适配检测器可以分为四类，并提供了每个类别中有代表性的方法的详细说明。最后给出了将来的研究趋势。
1.3K20编辑于 2022-09-02 - 来自专栏NLP小白的学习历程
论文中的research 和 survey
论文中的research 和 survey https://blog.csdn.net/weixin_39088580/article/details/82725987 https://blog.csdn.net 第二章开头以约一页的篇幅描述我要survey的内容、范围与架构[ 必须提供充分的理由说明这样组织分类的理由 ]。 设定一适当的焦距，决定文献探讨的领域范围。 对每个类别survey之后必须对整个章节做一个结论。汇总出这个领域目前的研究进展，还有哪些不足，并且以此支撑我的研究动机，以承接下一章。 （3）第三章是描述我的研究议题与方法。 survey工作 （1）目的：对研究的议题有个深入且广泛的了解。知道该领域研究的进展，state of the art是什么，知道哪些还可以被开发，哪些可以拿来应用。 （5）第二阶段的survey：第一阶段survey在研读论文的时候，注意它们发表在哪里，从而知道有哪些相关的国际会议。
1.2K30发布于 2020-11-13 - 来自专栏蓝里小窝
阅读笔记｜A Survey of Large Language Models
., “A Survey of Large Language Models.” arXiv, Sep. 11, 2023. Accessed: Sep. 18, 2023. [Online].
1K30编辑于 2023-10-15 - 来自专栏challenge filter
Time Series Data Augmentation for Deep Learning: A Survey
Time series data augmentation for deep learning: A survey[J]. arXiv preprint arXiv:2002.12478, 2020. Time Series Data Augmentation for Deep Learning: A Survey 摘要 时间序列相关的问题中，时间序列数据可能并不充足。
95610编辑于 2022-06-17 - 来自专栏Khan安全团队
WordPress Plugin Perfect Survey - 1.5.1 - SQLi
import datetime import os # User-Input: my_parser = argparse.ArgumentParser(description= 'Perfect Survey
1K20编辑于 2022-03-09 - 来自专栏机器学习、深度学习
人脸对齐--Face Alignment In-the-Wild: A Survey
Face Alignment In-the-Wild: A Survey Computer Vision and Image Understanding Volume 162, September /article/pii/S1077314217301455 人脸对齐综述文献 还有另一篇总数文献 Facial feature point detection: A comprehensive survey
2K60发布于 2018-01-03 - 来自专栏GiantPandaCV
A Survey of Transformer 一篇Transformer综述（上）
Transformer现在是一种在各个领域被广泛使用的模型，包括NLP,CV,语音领域。随着这几年发展，一些Transformer的变体在以下几个方面进行改进：
2.1K20发布于 2021-07-01 - 来自专栏AutoML(自动机器学习)
论文笔记系列-Neural Network Search ：A Survey
论文笔记系列-Neural Network Search:A Survey 论文 笔记 NAS automl survey review reinforcement learning Bayesian
1.6K30发布于 2018-09-27 - 来自专栏人人都是数据分析师
因果推断文献解析|A Survey on Causal Inference(6)
一介绍 本系列，我们介绍因果推断的经典综述论文《A Survey on Causal Inference》，上一篇ZZ介绍了本篇综述的第三个因果推断方法：“匹配方法“；匹配方法是针对每一个样本，匹配一些合适的近邻来估计反事实结果 本文我们来学习基于树的方法；首先附上上一篇链接： 因果推断文献解析|A Survey on Causal Inference(5) 论文原文点击文末【阅读原文】即可查看。
2K51发布于 2021-05-13 - 来自专栏人人都是数据分析师
因果推断文献解析|A Survey on Causal Inference(2)
下面我们继续解析论文，探索作者给我们描绘的因果世界，首先附一下上篇内容： 因果推断文献解析|A Survey on Causal Inference(1) 论文原文点击文末【阅读原文】即可查看。
1.2K20发布于 2021-05-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号