Welcome to FengHZ's Blog!
-
Deep Cluster Method阅读笔记
论文题目: Unsupervised Deep Embedding for Clustering Analysis
文章介绍
Unsupervised Deep Embedding for Clustering Analysis这篇文章是讲关于如何使用深度学习进行聚类的。这里我只简要指出文章用了哪个方法进行了聚类训练，以及这个方法是如何迭代如何初始化的。
-
Deep Subspace Clustering Networks阅读笔记
论文题目: Deep Subspace Clustering Networks
论文简介与笔记大纲
这篇论文主要是提供了一个思路，就是如何利用自动编码器进行聚类。当然一般的想法我们可以直接训练一个自动编码器进行聚类，然后对聚类的特征我们可以采用密度聚类等等特点来进行聚类尝试。这篇论文提出的方法是可以采用自表示方法+谱聚类进行聚类，效果不错。
-
Group Normalization 阅读笔记
论文题目：Group Normalization
论文简介与笔记大纲
这篇论文提出了Group Normalization这一方法，并深入研究了其它的Batch Norm方法，我将从以下2点展开介绍
- 传统上有什么样的Batch Normalization方法，它们起到了什么样的结果，有什么局限
- Group Normalization方法的基本思想是什么，它应该怎样使用
-
An Introduction to Machine Learning & Deep Learning
2011年诺贝尔经济学奖获得者Thomas J. Sargent在世界科技创新论坛上表示，人工智能其实就是统计学，只不过用了一个很华丽的辞藻，其实就是统计学。自2014年来，以深度学习为代表的机器学习技术几乎成为了AI的代名词，而起源于统计学习方法的机器学习流派则可以看作是弱化了分布假设的应用统计学。
本文从回归方程出发对机器学习与深度学习的概念发展历史进行一段简单的介绍，旨在消除初学者无从下手的畏惧感，并对整个AI领域形成一种简洁而直观的理解。
本文主要参考资料为:
-
搁浅
黄昏。
未曾散去的余霞将整片海岸徘徊成如酒如火的绯红。被夕阳眷恋的海水温柔地浸没我的手指，又即退却，是温热的。
远处，一艘锈迹斑驳的渔船正在下锚。
退潮了。
优雅地从岸边离去的海水裹携着风渐渐变成了一道白线，汹涌地向后退却着，在身前留下一片又一片光滑的沙滩。
-
用心
初七。午后。阴雨。
-
两年。两年。
输液管映衬着苍白的日光灯，显出一股泛蓝的色泽。
-
地理老师——一个可爱的小老太婆
轻轻地我走了
正如我轻轻地来
我轻轻地招手，作别西天的云彩
她是个地理老师，一个普通的老师，唯一使她特别的也许就是我们从来猜不出她到底几岁——看上去像30岁，实际50几岁的老师不多，至少我见的不多。
我为什么要写一个如此平凡的人呢？只因我觉得她是个好人，是个可爱的人——若一个老师能当着学生笑，那么她一定不会令人讨厌，至少她还会笑。
也许唯一值得我回忆的，只是几句话：
我只要你们考九十分，
多一分浪费，少一分——
“犯罪!”有好事者应道。
然后大家都笑了，她也笑了，似乎年轻了几岁——会笑的人总是年轻的。
如果她只精于地理，那还不让人敬佩，但是，你若知道她在业余时间还常常客串数学，英语，物理教师，那么你就会很佩服了：
——“她实在是一个聪明的人，一个聪明的’小老太婆’”，我常常想。
实话说，我不喜欢这个老师——只因她教的是地理。我想，这也是李四光在中国不那么知名的原因了。
最后一节地理课：
好，感谢大家一年来的配合，再见。
不知怎么的，心里似乎有点酸——我一向不是个多愁善感的人。
而且地理一向是我讨厌的科目之一，还有一门是生物。
不管怎么说，我也不愿再见是永别。
因为，她毕竟是个“小老太婆”，一个可爱的“小老太婆 ”。
明年还会有像我们这样的学生么？
但我只确信，明年她还是要去教地理，顺便客串一下数学，英语，物理老师，因为，她是个可爱的“小老太婆”。
轻轻地我走了，
正如我轻轻地来。
我挥一挥衣袖，不带走一片云彩。
后记：
时隔3年，我又一次浏览着这篇我写的第一篇日志，也是初中写的感情最深的日志，忽然有种莫名的辛酸的感觉，看着曾经的幼稚青春和那种无法再一次展现的眷恋，就像是一片片记忆在夜空中放飞破碎成最美丽的流萤。那些无法挽回的时间，那些错过的年华。如果时光能够重来的话。
错过是最美丽的纪念。
- 企业级联邦学习——新算法、新范式与未来展望 [ICML2021 Talk]
- 深度神经网络中的持续学习 [ICML2021 Tutorial]
- 隐私保护的深度学习系统——基于高斯机制的差分隐私DL
- PPT分享——满足隐私保护的去中心化无监督域适应范式
- 满足隐私保护的去中心化无监督域适应范式——KD3A [ICML2021]
- An Introduction to the Differential Privacy
- A Literature Survey on Mixup-based Methods
- A Literature Survey on Domain Generalization
- Reproducing Kernel Hilbert Space in Domain Adaptation
- A Brief Introduction of Domain Adaptation