在知识的海洋里学游泳

摘要： AdaBoost 的全称为Adaptive Boosting。之所以称为 Adaptive 是由于下一轮分类器的训练样本权重会随上一轮分类器的分类效果做相应的调整。基于之前学过的 Boosting 算法，整个 Adaboost 迭代算法可以简化为以下三步： 1.初始化训练样本的权值 \(D_{0}\ 阅读全文

摘要： 摘要 少样本学习（FSL）在机器学习领域中具有重要意义和挑战性。能成功地从很少的样本进行学习和概括的能力是将人工智能和人类智能区分开的明显界限，因为人类可以仅通过一个或几个示例就可以轻松地建立对新颖性的认知，而机器学习算法通常需要数百或数千个监督样本以保证泛化能力。尽管可以追溯到2000年代初的悠久 阅读全文

摘要： 摘要（原文地址链接在文章末尾） 这篇论文提出了一种新颖的视频生成模型，特别是尝试从文本描述中处理视频生成问题，即合成以给定文本为条件的逼真的视频。由于帧不连续性的问题和无文本的生成方案，现有的视频生成方法无法轻松地很好地处理此任务。为了解决这些问题，文章中提出了一种循环反卷积生成对抗网络（recur 阅读全文