1. 前言 Pairwise data（成对数据）指的是在数据集中，数据点是以成对的形式出现的，通常用于分析两者之间的关系或比较。在成对数据中，数据点通常是以两个变量的组合出现的，代表两个实体、两个属性或两个观测值之间的关系。 本篇文章讲解成对数据的可视化形式 2. plot()折线图 用途：最常见的折线图绘制函数，用于绘制连续数据的趋势 适用场景：绘制简单的线性或非线性关系，比

1 不那么重要的引言 一般地，在推荐系统中，对于召回结果集需要经过排序截取topN露出，那么就需要给每条结果打一个分值，按分值排序。因此，找到一个合适的打分函数就至关重要，那么排序学习算法的作用就是通过学习训练找到这样一个打分函数。『pairwise』顾名思义，就是两两成对。在排序学习算法中，pairwise其实就是一种算法思想，与传统的打分函数相比，pairwise另辟蹊径。 2 通俗理解p

论文地址 http://arxiv.org/abs/2112.02936 现有的问题 现有的图神经网络过度重视神经网络的 架构 来增加其表达能力，但是忽略了在链接预测问题上的一些基本特性。例如，把链接预测问题建模成二分类问题并且使用交叉熵损失函数，由于 由于大多数图的自然稀疏性，链接分类是极不平衡的，也就是邻接矩阵是稀疏的，大多数节点之间都没有真正的链接(正样本)大多数链接预测优化的目标不

来源：CVPR2015 创新点： 多目标跟踪可以使用最小成本网络流（min-cost network flow）优化技术来实现。这种方法能够同时解决在一个视频中多个目标的跟踪轨迹，并且能够在多条轨迹间建模依赖关系。在tracking-by-detection的方法中，物体检测器常会因为遮挡等原因导致检测失败。为解决这一问题，提出在min-cost network flow 框架中添加使用p

小样本学习&元学习经典论文整理||持续更新 核心思想   本文提出一种基于度量学习的小样本学习算法（SRPN），作者提出了两个观点，一、使用可学习的神经网络用于距离计算效果优于固定的距离度量函数；二、损失函数上引入强力的正则化项能够有效的改善分类效果。针对第一个观点，作者提出了Skip Residual Pairwise Network （SRPN）用于取欧氏距离或余弦距离等固定的距离度量函数

像这种题感觉有点难找规律，所以不强求，但是还是写个博客记录一下。这道题稍作推敲就会发现只有当a或b为1或2时才能使等式floor((a+b)/(a*b))不为0。其他都为0，其中的数学推理，应该是基本不等式。a+b>=2*sqrt(a*b)。则(a+b)/(a*b)>=2*sqrt(a*b)/(a*b). #include <stdio.h>int main(int argc, const

2019 IEEE MyeongAh Cho; Tae-young Chung; Taeoh Kim; Sangyoun Lee 一、简介 从人脸图像中提取的局部特征包含人脸各个组成部分的信息。对于两个不同的域特征，使用局部特征之间的关系比直接使用它更具有域不变性。除了这些关系，位置信息，如从嘴唇到下巴或眼睛到眼睛的距离，也提供了域不变的信息。 提出了一个关系模块，用来减少模态差异。该模块由