Andrychowicz, Marcin, et al. “Learning to learn by gradient descent by gradient descent.” Advances in neural inform
Notes of MAML Finn, C., Abbeel, P., & Levine, S. (2017). Model-Agnostic Meta-Learning for Fast Adaptation of Deep
本篇論文屬於元學習和黑箱函數優化的交叉領域，其中將元學習的思想應用於黑箱函數優化。這篇論文發表於2017年。 對於黑箱函數優化方法我瞭解的不太多，因此本文的不可避免的會有一些理解不到位的地方。 想要了解貝葉斯優化和高斯過程的，可以
引言 今天在用IEEE的模板寫latex的時候，發現了一個問題：由\begin{algorithm}方法生成的僞代碼中原本默認應該是斜體的強調部分，發現最後顯示時被自動加了下劃線。 我調了十幾分鍾也沒有找到去除這些下滑線的辦法。後
我之前寫過一篇元遷移學習的論文筆記，一種遷移學習和元學習的集成模型。 但是本文的元遷移學習方法完全不同於上一篇論文。 Abstract 由於深度神經網絡容易對小樣本過擬合，所以元學習傾向於使用淺層神經網絡，但淺層神經網絡限制了模型
導言 本文提出了一種將遷移學習和元學習結合在一起的訓練方法。本文是論文A Meta-Learning Approach for Custom Model Training的筆記 介紹 傳統上我們需要很多的訓練數據才能訓練出一個好的
NLP中數據集的切割方法研究 ACL 2019傑出論文獎: We need to talk about atandard splits 獲獎理由 本文質疑了評估NLP模型性能時公認且廣泛運用的方法。 本文使用詞性標註任務說明了問
引言： 爲什麼要學算法? 對於我而言，以後工作中需要讀一段優碼包含一些基本算法的思想。你會更快的知道一段亂代碼你知道爲什麼亂，怎樣去優化。當需要有一些算法設計在程序裏面的時候，對五大經典的算法掌握會讓你更有可能給出一完整的方案。而
莫隊:https://www.cnblogs.com/WAMonster/p/10118934.html 使用條件:查詢連續一段區間,且擴張或縮小區間兩端的複雜度優秀. 做法:離線,把序列分塊,把L,R按所在塊的編號從小到大雙關鍵字排序.
本小結本身和書上沒有啥大差異。只是自己理解認同的精簡，由多到小的表現。 adapte適配器 & bridge橋 兩者相同點在於提供一致穩定抽象接口表示，提供了靈活性。 主要是生命週期階段不同： adapte適配器是對已有的進行連接。是實現
背景 在已有系統中嵌入grafana儀表盤作數據展示，需要對界面進行二次開發滿足風格統一，同時需要對grafana的權限部分進行修改，滿足頁面進行無縫跳轉，同時識別當前用戶。 安裝 grafana 依賴於nodejs、go、gi
在這周打的幾場codeforce比賽來看，div2的c題比較簡單的話是能在一個半小時裏做出來abc，爭取以後變成一個小時出abc，這樣能留出充足時間去看d。不過好多次因爲自己的不細心導致ab會wa上一次才能過，以後就爭取思維縝密一
題目鏈接 感受：感覺最後把思路全想一遍能發現自己不少思維上的漏洞，比賽的時候想的確實沒那麼多，結束之後才能整理思路。爭取以後在比賽就能想好思路把。 語言方面：對於英語閱讀。對於我這個用日語高考的人來說確實還是一座大山。學了幾個月英
先吐槽一下這周的事吧。。啥倒黴事都讓我碰上了，出門沒帶鑰匙，電車騎一半沒電，這都不算什麼。但是，就在我寫完課程設計報告的當天晚上，剛關上word，就打不開了，很突然啊。。第二天一臉懵逼地重裝了系統。。重寫了所有要上交的作業。。。直
題目鏈接 感受：首先是有道題一開始想麻煩了，耽誤了很長時間，然後回顧了一下以前比賽時候類似這種題的做法，發現這種情況已經不是一次兩次了，經常出現，總是會想麻煩，一開始就偏離了正確做法，導致時間花費很多。而我又感覺到有些題（不是指這
