”元学习“ 的搜索结果

     前言：写本篇是为了记录一下之前阅读过的一些关于联邦学习的文章（主要是两篇联邦学习综述），然后对其中的一些关键点进行了总结，并加入了个人对于联邦学习这一研究领域的理解以及思考（侵删）。 可供参考链接：...

     联邦学习的安全与隐私安全和隐私攻击攻击目标攻击方式1.恶意参与者2.恶意服务器攻击方法投毒攻击对抗攻击参与者GAN攻击推理攻击联邦学习的防御措施安全防御措施1.投毒攻击的防御--异常检测、对抗训练2.对抗攻击防御...

     迁移学习的核心就是通过减少源域和目标域之间的分布差异，进而利用源域信息完成目标域的学习。与领域自适应问题强调适配源域与目标域之间的数据分布相比，领域泛化更强调有源域学习到的模型可以泛化到任意新出现的...

     prompt learning.(提示学习） 打破了传统在PLM+finetune的方式，而是直接在应用预训练+prompt解决下游任务。（可是实现无监督、低资源场景，利用的是PLM中存储到的先验知识） 在看2022评选出最佳论文中，以个是考虑...

     好多人都在问如何学习有限元分析，下来我们就针对这个问题做一下简单的梳理：也是我总结的学习有限元分析心得，感谢大家的阅读。 如果我不得不说出人们在学习有限元分析时遇到的第一个问题，那肯定是缺乏时间。 当...

     1943：形式神经元模型（M-P模型），并在物理网络得以实现——开启了神经网络研究的序幕。 （1）机器学习的目的 特征表示 （2）深度学习的任务/优势 浅层学习——深度学习 （3）深度学习的改进/方向 参数少 模型...

     基于小样本学习的图像分类技术综述 人工智能技术与咨询昨天 本文来自《自动化学报》，作者李颖等 关注微信公众号：人工智能技术与咨询。了解更多咨询！ 图像分类是一个经典的研究课题, 典型的图像分类算法涉及两...

     在神经网络的参数更新过程中，学习率不能太大也不能太小，太大可能会导致参数在最优值两侧来回移动，太小会大大降低优化速度，为了解决学习率的问题，TensorFlow 提供了一种灵活的学习率设置方法，即指数衰减法。...

     小样本学习（Few-Shot Learning）是近几年兴起的一个研究领域，小样本学习旨在解决在数据有限的机器学习任务。 小样本学习存在的意义？ 近些年，以深度卷积神经网络为代表的深度学习方法在各类机器学习任务上...

     深度强化学习(DRL)已成为人工智能研究的热点之一。它已被广泛应用于端到端控制、机器人控制、推荐系统、自然语言对话系统等各个领域。本文对深度RL算法及其应用进行了分类，并将现有的DRL算法分为基于模型的方法、无...

10  
9  
8  
7  
6  
5  
4  
3  
2  
1  

推荐文章