馒头and花卷

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 上一章讲了confounding, 这种bias来源于treatment和outcome受同一个未观测的cause影响, 但是这种bias在随机实验中可以避免. 这一章要讲的试selection 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 这一节介绍了一个confounding的概念, 在观测数据中, confounder往往是让人头疼的存在. backdoor path: 指的是intervention$A$和outcome$Y 阅读全文

摘要： Kang B., Xie S., Rohrbach M., Yan Z., Gordo A., Feng J. and Kalantidis Y. Decoupling representation and classifier for long-tailed recognition. In Int 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 本章引入有向无环图(CAG)来表述因果推断模型. 6.1 Causal diagrams 正如上图所示, 因果推断的模型可以用一个有向无环图表示, 如两个变量有直接的连接, 比如$A \righ 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 上一节介绍了modification, 这一节介绍一个类似的概念, interaction. 5.1 Interaction requires a joint intervention 之前都仅 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 4.1 Definition of effect modification 什么是 effect modification, 即causal effect在不同因素$V$下不同, 即 \[ \m 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 概 这一章主要讨论的是, 观测得到的数据(而非随机实验)在什么条件下可以视为是随机试验. outcome predictors: 一些会导致$Y$发生的诱因 3.1 我们所考虑的$A$和实验中实 阅读全文

摘要： Ganin Y. and Lempitsky V. Unsupervised Domain Adaptation by Backpropagation. ICML 2015. 概 监督学习非常依赖标签数据, 但是获得大量的标签数据在现实中是代价昂贵的一件事情, 这也是为何半监督和无监督重要的原因. 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. 概 计算causal effect的一个令人头疼的地方就在于, 往往对于一个个体来讲, 我们是无法同时观测到$Y0, Y1$的, 毕竟一个人如果做了心脏迁移手术(\(A=1\)), 则我们就无法 阅读全文

摘要： Eigen D., Puhrsch C. and Fergus R. Depth Map Prediction from a Single Image using a Multi-Scale Deep Network. NIPS 2014. 概 看这篇文章单纯是为了看一看这个scale-invari 阅读全文

摘要： Hern$'$n M. and Robins J. Causal Inference: What If. A: intervention, exposure, treatment consistency: \(Y=Y^A\) when A observed. 1.1 Individual casua 阅读全文

摘要： Wang Y., Huang G., Song S., Pan X., Xia Y. and Wu C. Regularizing Deep Networks with Semantic Data Augmentation. TPAMI. 概 通过data augments来对数据进行扩充, 可以有 阅读全文

摘要： BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition Zhu B., Cui Q., Wei X. and Chen Z. BBN: Bilateral-Branch Net 阅读全文

摘要： Whitcomb L. Notes on Kronecker Products. 定义 Stack Operator 对于任意的矩阵$A \in \mathbb^{m \times n}$, \[ vec(A) := [A_{00}, A_{10}, \ldots, A_{m-1,n-1}]^T \ 阅读全文

摘要： Miyato T., Kataoka T., Koyama M & Yoshida Y. SPECTRAL NORMALIZATION FOR GENERATIVE ADVERSARIAL NETWORKS. ICLR, 2018. 概 通过限制谱范数来限制Lipschitz常数, 但又不像weig 阅读全文

摘要： Zhu J., Park T., Isola P. & Efros A. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. ICCV, 2017. 概 以往的图片到图片的转换(或者图片到文 阅读全文

摘要： Jiang Z., Chen T., Chen T. & Wang Z. Robust Pre-Training by Adversarial Contrastive Learning. NIPS, 2020. 概 本文介绍了一种利用对比学习进行对抗预训练的方法. 主要内容 思想是很简单的, 就是利 阅读全文

摘要： Singh K., Ojha U. & Lee Y. FineGAN: Unsupervised Hierarchical Disentanglement for Fine-Grained Object Generation and Discovery. CVPR, 2019. 概 利用GAN生成图 阅读全文

摘要： Saito M., Matsumoto E. & Saito S. Temporal Generative Adversarial Nets with Singular Value Clipping. ICCV, 2017. 概 当面对时序信息的时候, 如果利用GAN呢? 主要内容 一般的生成器接受 阅读全文

摘要： Ledig C., Theis L., Huszar F., Caballero J., Cunningham A., Acosta A., Aitken A., Tejani A., Totz J., Wang Z. & Shi W. Photo-Realistic Single Image Su 阅读全文