博文
- 无监督步态识别详细讨论 （何世强）
- 题目：无监督步态识别详细讨论 主讲人：何世强 地点：工程学院 211 时间：2022-1-8 晚上9点 简介： 1) 介绍无监督步态识别的方法 参考文献： Chao H , He Y , Zhang J , et al. GaitSet: Regarding Gait as a Set for Cross-View Gait Recognition . 2018. Chao H , Wang K , He Y , et al. GaitSet: ...
- 题目：强化学习在传染病上的应用 （王婷）
- 题目：强化学习在传染病上的应用 主讲人：王婷 地点：工程学院513 时间：2021-12-26 晚上9点30分 简介：1)介绍几个关于传染病的模型 2)强化学习在传染病上的应用 参考文献: Khadilkar, Harshad, Tanuja Ganu, and Deva P. Seetharam. Optimising lockdown policies for epidemic cont ...
- 题目：几类传染病模型的数学分析与优化策略 （李桂云）
- 题目：几类传染病模型的数学分析与优化策略 主讲人：李桂云 地点：工程学院513 时间：2021-12-25 21：30 简介：1)基本再生数 2)敏感性分析 3）模型的全局稳定性 参考文献：1）Joshua Kiddy K Asamoah. Mathematic ...
- 513 讨论班 基于生成模型的稀有数据增强方法 （李新辉）
- 题目：数据标注(利用提取的特征进行数据集生成) 主讲人：李新辉 地点：工程学院 513 时间：2021-12-04 上午10点30分 简介：1)介绍可以利用数据标注方法的疾病 2)这些疾病在文献中的方法所达到的准确率 参考文献： 1 、 Wang J, Fang Z, Lang N, Yuan H, Su M-Y, Baldi P. A multi-resolution approach for sp ...
- 513 讨论班 推荐算法综述 —— 余卓航
- 题目：推荐算法 主讲人：余卓航 地点：工程学院 513 时间：2021-11-29 周一晚上8点 简介： 1 ）推荐算法代码流程图和进展 2 ）推荐算法数据集 3 ）传统的推荐算法模型 4 ）深度学习推荐算法模型 5 ）推荐算法相关论文总结 6 ）推荐算法最新研究方法介绍 参考文献： Xi, W ...
- 513 讨论班 cifar-10数据集的自编码模型（何世强）
- 题目：步态识别 主讲人：何世强 地点：工程学院 513 时间：2021-11-27 晚上8点 简介： 1 ）介绍基于自编码模型的 cifar-10 的无监督分类 参考文献： Chao H , He Y , Zhang J , et al. GaitSet: Regarding Gait as a Set for Cross-View Gait Recognition . 2018. Chao H , W ...
- 513 讨论班 步态识别详细讨论（何世强）
- 513 讨论班 步态识别详细讨论（何世强） 题目：步态识别 主讲人：何世强 地点：工程学院 513 时间：2021.11.02 上午10点30 简介： 1 ） Dataloader 概述 2） 三元损失概述 3） 通过 SP 和水平金字塔完成特征输入 参考文献： Chao H , He Y , Zhang J , et al. GaitSet: Regarding ...
- 对建立COVID-19传染模型的研究
- 题目:对建立COVID-19传染模型的研究 主讲人:王婷 时间: 2021-10- 28 晚上7点40分 地点:工程学院513 简介: （1）介绍自己的传染病模型 （2）简单介绍numba库 （3）介绍用多层感知机建模的论文 参考资料: Car, Zlatan, et al. Modeling the spread of COVID-19 i ...
- 题目：度量学习及其损失函数的介绍，以及指纹项目的总结和后续 （后粤杰）
- 题目：度量学习及其损失函数的介绍，以及指纹项目的总结和后续 主讲人：后粤杰 地点：工程学院513 时间： 2021年10月14 上午10点 简介： 1）度量学习（Metric Learning）介绍； 2）度量学习的损失函数：Contrastive loss, triplet loss介绍； 3）对比学习、度量学习与CCAE指纹项目的关联； 4）讨论指纹项目目前进 ...
- 513讨论班——激活函数综述（凌震）
- 题目：激活函数 主讲人：凌震 地点：工程学院 513 时间：2021-09-27 上午10点40 简介： 1 ）神经网络 2 ）神经网络的重要组成部分——激活函数 参考文献： Nwankpa C, Ijomah W, Gachagan A, et al. Activation functions: Comparison of trends in practice and research for deep learning . arXiv prepri ...
