survey专题
论文翻译：arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey
Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染：一项综述 文章目录 大规模语言模型的基准数据污染：一项综述摘要1 引言 摘要 大规模语言模型（LLMs），如GPT-4、Claude-3和Gemini的快
A Comprehensive Survey on Graph Neural Networks笔记
一、摘要-Abstract 1、传统的深度学习模型主要处理欧几里得数据（如图像、文本），而图神经网络的出现和发展是为了有效处理和学习非欧几里得域（即图结构数据）的信息。 2、将GNN划分为四类：recurrent GNNs（RecGNN）, convolutional GNNs,(GCN), graph autoencoders(GAE), and spatial–temporal GNNs(S
阅读笔记（四）NoSQL的选择指引《NoSQL database systems: a survey and decision guidance》
一. 前言 《NoSQL database systems: a survey and decision guidance》是一篇很好的综述类论文，详细的论述了NoSQL的特点和各种不同NoSQL数据库的选择依据。 传统的关系型数据库（relational database management systems ，RDBMSs）可以在保证一致性、可靠性、稳定性的前提下提供强有力的数据存储
教育LLM—大型教育语言模型： 调查，原文阅读：Large Language Models for Education: A Survey
Large Language Models for Education: A Survey 大型教育语言模型： 调查 paper: https://arxiv.org/abs/2405.13001 文章目录～ 原文阅读Abstract1 Introduction2 Characteristics of LLM in Education2.1.Characteristics of LLM
综述翻译：Machine Learning-Based Cache Replacement Policies: A Survey 2021
摘要： 虽然在提高命中率方便有了广泛进展，设计一个模拟Belady‘s 算法的缓存替换策略依旧很有挑战。现存的标准静态替换策略并不适合动态的内存访问模式，而计算机程序的多样性加剧了这个问题。有几个因素影响缓存策略的设计，如硬件升级，内存开销，内存访问模式，模型延时等。 用机器学习的算法解决缓存替换的问题取得了令人惊讶的结果，并朝着具有成本效应的解决方案发展。在本文中，我们回顾了一些基于机器学习
【综述】 从稀疏的数据中进行深度补全：Deep Depth Completion from Extremely Sparse Data: A Survey
【综述】 从稀疏的数据中进行深度补全：Deep Depth Completion from Extremely Sparse Data: A Survey 占坑，3日内更新
监控领域的物理对抗攻击综述——Physical Adversarial Attacks for Surveillance: A Survey
介绍 文章贡献 框架提出：提出了一个新的分析框架，用于理解和评估生成和设计物理对抗性攻击的方法。全面调查：对物理对抗性攻击在监控系统中的四个关键任务—检测、识别、跟踪和行为识别—进行了全面的调查和分析。跨领域探索：讨论了物理对抗性攻击在可见光域之外的应用，包括红外、LiDAR和多光谱谱段。方法分析：从四个关键任务的角度回顾、讨论、总结了现有的攻防策略。未来研究方向：从监控角度指出生成成功的物理
Retrieval-Augmented Generation for Large Language Models A Survey
Retrieval-Augmented Generation for Large Language Models: A Survey 文献综述 文章目录 Retrieval-Augmented Generation for Large Language Models: A Survey 文献综述 Abstract背景介绍 RAG概述原始RAG先进RAG预检索过程后检索过程 模块化RAGMo
autoML综述：Benchmark and Survey of Automated Machine Learning Frameworks
Benchmark and Survey of Automated Machine Learning Frameworks 文章链接 摘要： 1.当前autoML方法综述和流行automl框架在实际数据上的benchmark 2.总结重要automl搭建机器学习管线的重要技术 Introduction: ML管线需要： 1.有深厚ML算法和统计功底的数据科学家 2.在特定领域有长期经
Fake news detection: A survey of graph neural network methods
abstract 各种社交网络的出现产生了大量的数据。捕获、区分和过滤真假新闻的有效方法变得越来越重要，特别是在 COVID-19 大流行爆发之后。本研究对假新闻检测系统的图神经网络 (GNN) 的现状和挑战进行了多方面、系统的回顾，并概述了使用 GNN 实现假新闻检测系统的综合方法。此外，还从多个角度讨论了用于实现实用假新闻检测系统的基于 GNN 的先进技术。首先，我们介绍假新闻、假新闻
Retrieval-Augmented Generation for Large Language Models: A Survey论文阅读
论文：https://arxiv.org/pdf/2312.10997.pdf github：https://github.com/Tongji-KGLLM/ RAG-Survey 简介 大语言模型常常制造虚假事实，在处理特定领域或高度专业化的查询时缺乏知识。例如，当所需信息超出模型训练数据的范围或需要最新数据时，LLM可能无法提供准确的答案。这一限制在将生成型人工智能部署到现实世界的生产
【博士每天一篇文献-综述】Modularity in Deep Learning A Survey
阅读时间：2023-12-8 1 介绍 年份：2023 作者：孙浩哲，布朗克斯医疗卫生系统 会议： Science and Information Conference 引用量：4 论文主要探讨了深度学习中的模块化（modularity）概念，模块化具有易于理解、解释、扩展、模块组合性和重用等优点。论文探讨了数据、任务和模型模块化在深度学习中的表现，数据模块化指的是观察或创建不同目的的数据组；
Towards Graph Contrastive Learning: A Survey and Beyond
目录 Towards Graph Contrastive Learning- A Survey and Beyond摘要IntroductionPRELIMINARY符号说明GNN对比学习下游任务 GCL自监督学习增强策略基于规则随机扰动或mask子图采样图扩散 基于学习图结构学习图对抗训练图合理化 对比模式同尺度对比全局上下文局部 跨尺度对比局部-全局局部-上下文上下文-全局 对比优化
【论文学习】A Survey of Deep Learning-based Object Detection-基于深度学习的目标检测综述
A Survey of Deep Learning-based Object Detection 基于深度学习的目标检测综述 原文：https://arxiv.org/pdf/1907.09408.pdf Abstract 【目标检测】是计算机视觉最重要和具有挑战性的分支之一，广泛应用于监控安全，自主驾驶等。 对于检测任务，深度学习网络的飞速发展，给目标检测器性能带来极大的提升。 目标
读《Diffusion Models: A Comprehensive Survey of Methods and Applications》综述
读《Diffusion Models: A Comprehensive Survey of Methods and Applications》综述 关于此文，我的一个见解想法，重点关注他怎么描述 「Diffusion Model」的引用的，以及未来方向就好了。当然从这篇文章可以知道 「Diffusion Model」的一个基石是什么，以及他跟其他生成模型的一个简单的关系，让我有对 「Diffu
论文| Visual place recognition: A survey from deep learning perspective
2021-Visual place recognition: A survey from deep learning perspective
19-Self-supervised-Visual-Feature-Learning-with-Deep-Neural-Networks-A-Survey
who Longlong Jing and Yingli Tian ∗ , Fellow, IEEE2019- what 为了避免收集和注释大规模数据集的大量成本，作为无监督学习方法的子集，提出了自我监督学习方法，以从大规模未标记数据中学习一般图像和视频特征，而无需使用任何人工标注的标签。 一些术语 1. Pseudo label: 伪标签是基于pretext tasks的数据属性
论文阅读《Deep Learning in Video Multi-Object Tracking: A Survey》
时间：2019年11月 作者机构：萨勒诺大学&格拉纳达大学等 链接：https://arxiv.org/abs/1907.12740 《DEEP LEARNING IN VIDEO MULTI -OBJECT TRACKING : A SURVEY》 1.Introduction mot的output 应用领域：video surveillance 、autonomou
深度学习论文:Local Feature Matching Using Deep Learning: A Survey
深度学习论文: Local Feature Matching Using Deep Learning: A Survey Local Feature Matching Using Deep Learning: A Survey PDF: https://arxiv.org/pdf/2401.17592 1 概述 近年来，深度学习模型的引入引发了对局部特征匹配技术的广泛探索。本文旨在全面概述局部
论文阅读笔记：A Survey of Zero-Shot Learning: Settings, Methods, and Applications
论文：A Survey of Zero-Shot Learning: Settings, Methods, and Applications / 零样本学习综述：设定、方法和应用 作者：WEI WANG, VINCENT W. ZHENG, HAN YU and CHUNYAN MIAO 发表刊物：ACM Transactions on Intelligent Systems and Techno
Blind Image Super-Resolution: A Survey and Beyond
TPAMI2023 问题定义 未知图像的退化过程（和之前假定bicubic等一个固定且已知的退化过程相对比），由LR恢复HR；退化来源（不同的图像采集设备，数字信号处理成可见图像的过程中图像处理算法引入的噪声，在图像储存和传输过程中引入的噪声和胶片腐蚀等）方法分类： – 基于经典退化模型及其变体的显式建模； – 利用外部数据集的数据分布的隐式建模； EXPLICIT DEGRADATION M
经典文献阅读之--A Survey on Generative Diffusion Models(扩散模型最新综述)
0. 简介 本文综述了深度生成模型，特别是扩散模型(Diffusion model)，如何赋予机器类似人类的想象力。扩散模型在生成逼真样本方面显示出巨大潜力，克服了变分自编码器中的后分布对齐障碍，缓解了生成对抗网络中的对抗性目标不稳定性。 扩散模型包括两个相互连接的过程：一个将数据分布映射到简单先验分布的前向过程和一个相应的反向过程。前向过程类似于具有时变系数的简单布朗运动。神经网络通过使用去
Transformers in Vision:A Survey 阅读笔记
ACM上的一篇综述，讨论Transformer在CV上的应用。 摘要： Among their salient benefits,Transformers enable modeling long dependencies between inputsequence elements and support parallel processing of sequence as
Vision-Language Models for Vision Tasks: A Survey
论文地址：https://arxiv.org/pdf/2304.00685.pdf 项目地址：https://github.com/jingyi0000/VLM_survey 一、综述动机 视觉语言模型，如CLIP，以其独特的训练方式显著简化了视觉识别任务的流程。它减少了对大量精细标注数据的依赖，使得研究者能够更高效地开展研究工作。 近年来，大量研究论文证明了研究者对视觉语言模型的浓
【ReadPapers】A Survey of Large Language Models
LLM-Survey的llm能力和评估部分内容学习笔记——思维导图 思维导图 参考资料 A Survey of Large Language Models论文的github仓库