- 博客(36)
- 收藏
- 关注
RSS订阅
原创 机器学习论文阅读笔记摘录，主动学习Active Learning，迁移学习Transfer Learning，差分隐私Differential Privacy，模型攻击Model Attack
笔记导引【Active Learning】【Transfer Learning】【Differential Privacy】【Model inversion attack】【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019 让网络自己学会预测这个数据的训练损失，从而在无标记Pool中找到valuable instances【论文笔记02】Active Learning For Convolutional Neura
2021-04-23 15:26:11
1674
2
原创 【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch，ICLR 2018
目录导引系列传送Core-SetAbstractContributeMethodExperimentsReference系列传送Core-SetAbstractContributeMethodExperimentsReference
2020-08-01 00:44:33
5113
8
原创 【论文笔记01】Learning Loss for Active Learning, CVPR 2019
目录导引写在前面Learning Loss for Active LearningAbstractContributionsMethodOverviewLoss Prediction ModuleLearning Loss插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入写在前面大家好，这
2020-07-24 20:24:53
1821
6
原创 【论文笔记12】Differential privacy based on importance weighting 基于重要性加权的差分隐私, Mach Learn 2013
目录导引系列传送Abstract系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variational Adversarial Active Learning, ICCV 2019【论文笔记04】Ranked
2021-04-24 19:44:03
259
原创 【论文笔记16】An Efficient Differential Privacy Logistic Classification Mechanism, 2019 IEEE IoT-J
原文链接AbstractIntroductionAlgorithm这里有一个非常简单基础的 ϵ-DP\epsilon \text{-DP}ϵ-DP 的证明Reference[1] Huang, Wen, et al. “An efficient differential privacy logistic classification mechanism.” IEEE Internet of Things Journal 6.6 (2019): 10620-10626....
2021-04-23 11:23:36
396
1
原创 【论文笔记15】Boosting and Differential Privacy, 对查询集进行boosting以达到对数据的差分隐私, IEEE ASFCS 2010
原文链接1 Abstract2 Introduction2.1 Summary of ResultsPrinciple Result: a technique for generating privacy-preserving synopses for any set of low-sensitivity queries (不限于计数查询). This is achieved by a novel use of boosting, together with the construction of
2021-04-19 22:00:03
370
1
原创 【论文笔记14】Transfer Learing via Minimizing the Performance Gap Between Domains, NIPS 2019
Reference
2021-04-19 21:53:15
179
原创 【论文笔记13】Differentially Private Optimal Transport: Application to Domain Adaptation, IJCAI 2019
目录导引系列传送AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variational Adversarial Active Learning, ICCV 2019【论文笔记0
2021-04-10 22:01:57
409
原创 【论文笔记11】 Deep Domain Adaptation With Differential Privay 差分隐私下的深度域泛化, IEEE TIFS 2020
目录导引系列传送AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variational Adversarial Active Learning, ICCV 2019【论文笔记0
2021-04-10 11:41:41
654
原创 【论文笔记10】A unified framework of ATL for cross-system recommendation 跨系统推荐的一种主动迁移学习框加, AI 2017
目录导引系列传送A unified framework of active transfer learning for cross-system recommendation1 AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set App
2021-04-03 14:21:54
337
原创 【论文笔记09】Differentially Private Hypothesis Transfer Learning 差分隐私迁移学习模型, ECML&PKDD 2018
目录导引系列传送Differentially Private Hypothesis Transfer Learning1 AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Vari
2021-04-03 13:10:37
578
1
原创 【论文笔记08】Model inversion attacks that exploit confidence information and basic countermeasures 模型反转攻击
目录导引系列传送Model inversion attacks that exploit confidence information and basic countermeasures1 Abstract2 Background2.1 ML basis2.2 ML APIs2.3 Threat models3 The Fredrikson et al. attack4 Map inverters for trees4.1 Decision Tree4.2 DT APIs5 Facial recogniti
2021-04-02 10:37:13
4796
原创 【论文笔记07】A Survey on Differentially Private Machine Learning 差分隐私机器学习综述, IEEE CIM 2020
目录导引系列传送A Survey on Differentially Private Machine LearningReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variational Ad
2021-03-31 09:21:56
1322
1
原创 【论文笔记06】Domain-Adversarial Training of Neural Networks, JMLR 2016
目录导引系列传送Domain-Adversarial Training of Neural Networks1 AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variation
2021-03-27 16:34:09
1561
1
原创 【论文笔记05】Active Transfer Learning, IEEE T CIRC SYST VID 2020
目录导引系列传送Active Transfer Learning1 AbstractReference系列传送【Active Learning】【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch, ICLR 2018【论文笔记03】Variational Adversarial Active
2021-03-27 16:28:22
608
2
原创 【论文笔记04】Ranked Batch-Mode Active Learning，ICCV 2016
目录导引系列传送VAAL1 Abstract2 Introduction3 Model3.13.23.3ExperimentsReference系列传送【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】Active Learning For Convolutional Neural Networks: A Core-Set Approch，ICLR 2018【论文笔记03】VAAL原文传送《Variational Advers
2021-03-27 16:22:42
334
原创 【论文笔记03】Variational Adversarial Active Learning，ICCV 2019
目录导引系列传送VAAL1 Abstract2 Introduction3 Model3.13.23.3ExperimentsReference系列传送【论文笔记01】Learning Loss for Active Learning, CVPR 2019【论文笔记02】VAAL原文传送《Variational Adversarial Active Learning》1 Abstract2 Introduction3 Model3.13.23.3ExperimentsReferen
2021-03-27 16:18:04
681
原创 【Multivariate Data Analysis 02】Multivariate Normal and Related Distributions 多元正态及其相关分布
文章目录Chapter 2 Multivariate Normal and Related Distributions2.1 Multivariate Normal Distribution∵MAx(t)=Eet′Ax=exp(t′Aμ+12t′(AΣA′)t)∴MAx+d=Eet′(Ax+d)=etdEetAx=et′dexp(t′Aμ+12t′(AΣA′)t)=exp(t′(Aμ+d)+12t′(AΣA′)t)→Ax+d∼Nm(Aμ+d,AΣA′) \begin{aligned} \beca
2021-01-26 21:02:38
378
原创 【非参数统计06】秩相关和分位数回归：Spearman、Kendall tau相关检验、多变量Kendall协和系数检验、Kappa、中位数回归、线性分位回归
目录导引6 秩相关和分位数回归6.1 Spearman 秩相关检验与 Kendallτ\tauτ 相关检验6.1.1 Spearman6.1.2 Kendall6.2 多变量 Kendall 协和系数检验6.3 Kappa 一致性检验6.4 中位数回归6.5 线性分位回归模型这一个系列的笔记和整理希望可以帮助到正在学习非参数统计的同学。我会慢慢更新各个章节的内容。6 秩相关和分位数回归6.1 Spearman 秩相关检验与 Kendallτ\tauτ 相关检验6.1.1 Spearman6.
2020-12-30 15:06:58
2160
原创 【非参数统计05】分类数据的关联分析：列联表、卡方独立性齐性、Fisher精确性、Mantel-Haenszel检验、关联规则、Ridit检验法、对数线性模型
目录导引5 分类数据的关联分析5.1 r×sr\times sr×s列联表5.2 χ2\chi^2χ2独立性检验和齐性检验5.2.1 独立性检验5.2.2 齐性检验5.3 Fisher 精确性检验5.4 Mantel-Haenszel 检验5.5 关联规则5.5.1 基本概念5.5.2 Apriori 算法5.6 Ridit 检验法5.7 对数线性模型5.7.1 基本概念5.7.2 设计矩阵5.7.3 估计和检验5.7.4 高维对数线性模型和独立性这一个系列的笔记和整理希望可以帮助到正在学习非参数统计的同
2020-12-30 13:11:03
2603
1
原创 【非参数统计04】多组数据位置推断：Kruskal-Wallis、Jonckheere-Terpstra、Friedman、调整秩和检验、Cochran、Durbin、FDR、Bon、BH、HC
目录导引4 多组数据位置推断4.1 方差分析基本概念4.2 多重检验问题4.2.1 FDR 控制4.2.1 Bonferroni 法则4.2.3 Benjamini-Hochberg-FDR 控制法4.3 HC高阶鉴定法4.4 Kruskal-Wallis 单因素方差分析4.5 Jonckheere-Terpstra 趋势性检验4.6 Friedman 秩方差分析法4.7 随机区组数据的调整秩和检验4.8 Cochran检验4.9 Durbin 不完全区组分析法这一个系列的笔记和整理希望可以帮助到正在学习
2020-12-30 12:10:40
3634
原创 【非参数统计03】两独立样本的位置和尺度推断：Brown-Mood中位数检验、Wilcoxon-Mann-Whitney秩和检验
目录导引3 两独立样本数据的位置和尺度推断3.1 Brown-Mood 中位数检验3.2 Wilcoxon-Mann-Whitney 秩和检验3.3 Mood 方差检验3.4 Moses 方差检验这一个系列的笔记和整理希望可以帮助到正在学习非参数统计的同学。我会慢慢更新各个章节的内容。3 两独立样本数据的位置和尺度推断3.1 Brown-Mood 中位数检验3.2 Wilcoxon-Mann-Whitney 秩和检验3.3 Mood 方差检验日后更新3.4 Moses 方差检验日后更新.
2020-12-29 13:13:09
6312
原创 LaTeX易忘符号小结，如何打限制条件？如何打分段函数？如何打花体英文？
以下是我在平时打LaTeX的时候容易遗忘和不熟悉的几个技术要点，在这里整理一下，日后遇到新问题还会更新~1.1 分段函数C = \left \{ \begin{aligned}-\frac{1}{2} &, S^+<\frac{n'}{2}\\\frac{1}{2} &, S^+>\frac{n'}{2}\end{aligned}\right .C={−12,S+<n′212,S+>n′2C = \left \{ \begin{aligned}
2020-12-27 09:05:17
2473
原创 【非参数统计02】单一样本的位置推断问题：符号检验、分位数推断、Cox-Staut趋势存在性检验、随机游程检验、Wilcoxon符号秩检验、位置参数区间估计、正态记分、分布一致性检验、稳健性评价
目录导引2 单一样本的位置推断2.1 符号检验2.2 分位数推断2.3 Cox-Staut 趋势存在性检验2.3.1 最优权重2.3.2 无权重的2.3.3 第三种是啥2.4 随机游程检验2.5 Wilcoxon 符号秩检验2.6 正态记分检验2.7 分布的一致性检验2.7.1 χ2\chi^2χ2拟合优度检验2.7.2 K-S正态性检验2.7.3 Liliefor 正态分布检验2.8 单一总体渐进相对效率对比这一个系列的笔记和整理希望可以帮助到正在学习非参数统计的同学。我会慢慢更新各个章节的内容。2
2020-12-27 01:03:08
1736
原创 【非参数统计01】非参数统计基本概念：假设检验，经验分布，ARE，分位数，秩检验，U统计量
目录导引非参数统计基本概念1.1 假设检验1.2 经验分布1.2.1 经验分布1.2.2 生存函数1.3 检验的相对效率1.4 分位数1.5 秩与秩检验统计量1.6 U统计量这一个系列的笔记和整理希望可以帮助到正在学习非参数统计的同学。我会慢慢更新各个章节的内容。非参数统计基本概念1.1 假设检验1.2 经验分布1.2.1 经验分布1.2.2 生存函数1.3 检验的相对效率1.4 分位数1.5 秩与秩检验统计量1.6 U统计量...
2020-12-26 17:33:09
3784
1
原创 【BUgStation】RStudio rsession.ese无法找到入口通过更新R解决
今天打开RStudio,突然弹出下面的bug,记录一下解决方法解决方法 更新R版本install.packages("installr")library(installr)updateR()就可以自动匹配到最新的版本，目前是4.0.3，我是用RGui更新的，过程中有提示让我迁移并且更新所有的包，很方便。之后再进入RStudio就正常了。...
2020-11-25 15:06:53
1293
原创 【统计知识总结系列01】回归分析、抽样技术、方差分析以及非参数统计中的方差分解
在众多统计学领域的分支中，一个常见的公式就是方差分解，出现在回归分析，非参数统计，抽样技术等等。这篇文章做一个方差分解的梳理，公式是很简单的，重要的是明白这么做在不同分支下的意义是什么。1 回归分析在回归里面，我们通常有下面这个分解式：SST=SSR+SSE∑i=1n(yi−yˉ)2=∑i=1n(y^i−yˉ)2+∑i=1n(yi−y^i)2SST=SSR+SSE \\\sum_{i=1}^n(y_i-\bar y)^2=\sum_{i=1}^n(\hat y_i-\bar y)^2 + \sum
2020-11-13 20:43:15
1342
原创 【抽样技术系列03】分层随机抽样ST
目录导引Chap 3 分层随机抽样3.1 概念，符号3.1.1 分层抽样的定义3.1.2 分层抽样的作用3.1.3 分层抽样的原则3.1.4 符号说明3.2 简单估计量3.2.1 对总体均值的估计3.2.2 对总体总量的估计3.2.3 对总体比例的估计3.2.4 特定特征总数的估计3.3 比率估计量及其性值3.3.1 概念3.3.2 分别比估计3.3.3 联合比估计3.3.4 两种比估计的比较3.4 回归估计量及其性值3.4.1 概念3.4.2 分别回归估计3.4.3 联合回归估计3.4.4 两种回归估计的
2020-11-10 20:22:16
3000
原创 【抽样技术系列02】简单随机抽样SRS PART1
目录导引Chap 2 简单随机抽样2.1 概念，表示以及基本知识2.2 估计2.2.1 总体均值的估计2.2.2 总体总量的估计2.2.3 总体比例的估计2.2.4 两个估计的协方差2.3 比率估计2.4 回归估计2.5 Carry out a SRS2.5.1 样本量的确定这一个系列的笔记和整理希望可以帮助到正在学习抽样技术的同学。我会慢慢更新各个章节的内容。Chap 2 简单随机抽样2.1 概念，表示以及基本知识抽样技术有限总体的方差定义与数理统计的不同！σ2=1N∑i=1N(Yi−Yˉ)2S
2020-11-08 07:53:34
863
原创 【回归分析系列01】一元线性回归
目录导引Chap 1 一元线性回归1.1 基本模型与假设1.2 参数β0,β1\beta_0,\beta_1β0,β1的估计与性质1.3 回归方程的显著性检验以及检验等价1.3.1 β1\beta_1β1的t检验1.3.2 回归方程的显著性F检验1.3.3 相关系数1.3.4 一元线性回归下三者的等价性证明1.4 残差分析1.5 回归系数的区间估计1.6 模拟实验设计这一个系列的笔记和整理希望可以帮助到正在学习回归分析的同学。我会慢慢更新各个章节的内容，从一元线性回归开始。Chap 1 一元线性回
2020-10-17 14:35:27
1063
原创 【R语言系列02】plot ggplot作图，标注虚线，标注文本，添加阴影误差带
【R语言系列02】R作图中的标注虚线，文本，阴影误差带【以往专题】【R语言系列01】拼贴操作 paste 与 paste0本期将从几个模拟实例当中提供一些常用作图技巧的分享。需要的包：reshape2进行长宽表转换ggplot2 ggplot作图ggthemes 设置主题Example 1 The histogram of normalized std效果### 代码set.seed(824)std_list = seq(-0.75, 1.00, 0.025)number_li
2020-10-10 18:28:32
11084
2
原创 【R语言系列01】烦人的拼贴操作 详述 paste and paste0
R语言系列01 烦人的拼贴操作 paste 与 paste0相信很多人在一开始使用R语言的paste, paste0的时候，总是拿捏不准，感到有些迷糊。本期文章中，我将记录对比一些操作以及表现，加深印象和理解，力求下次使用的时候不出纰漏。从help入手不管是查询 ?paste 还是 ?paste0 ，都能从R的帮助文档里同时看到paste以及paste0的函数原型，他们都是Concatenate Strings功能的函数。paste(..., sep = " “, collapse = NULL)
2020-09-23 20:33:44
1384
原创 【百度之星程序设计大赛】2020年初赛第三场第四题Intersection
目录导引传送门题目Problem DescriptionSample input/output思路代码传送门【百度之星程序设计大赛】2020年初赛第二场第一题Poker题目Problem DescriptionSample input/output题目来源：百度之星思路考虑所有车辆通过的时间，实际上就只需要考虑最后车通过的时间情况，因为不能超车。右边车道（1号车道）通过路口的时间不能压缩。只有左边车道通过路口的时间存在压缩的可能，唯一的压缩方法就是超过x=0的轴的时候向右变道。变道会
2020-07-28 19:32:51
175
原创 【百度之星程序设计大赛】2020年初赛第二场第一题Poker
目录导引题目思路代码题目思路肯定是每次选m[i]个最优先算出每一次投入-收回中损失的钱 single(总钱数-m[i]) / single 得到剩下至少m[i]元钱的情况下可以玩多少把，这是一定可行的不会违反“每一轮投入的前不超过现在拥有的钱”接下来把总钱数调整成玩了上面这么多轮之后的钱数，按照玩耍规则循环一下，这里的运算量就很小了代码运行时长31ms，基本上是最快的方法。#include<stdio.h>#include<malloc.h>int ma
2020-07-25 17:18:35
220
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人