摘要：
PKGC：预训练模型是否有利于KGC？可靠的评估和合理的方法 论文地址：Do Pre-trained Models Benefit Knowledge Graph Completion? A Reliable Evaluation and a Reasonable Approach 目录 PKGC： 阅读全文
posted @ 2022-10-05 15:40
CJK'sBLOG
阅读(815)
评论(0)
推荐(1)
摘要：
CAKE：用于多视图KGC的可扩展常识感知框架.pdf 论文地址：CAKE：Scalable Commonsense-Aware Framework For Multi-View Knowledge Graph Completion CAKE：用于多视图知KGC的可扩展常识感知框架.pdf 摘要 1 阅读全文
posted @ 2022-10-04 14:43
CJK'sBLOG
阅读(868)
评论(0)
推荐(0)
摘要：
知识图谱综述(2021.4) 论文地址：A Survey on Knowledge Graphs: Representation, Acquisition, and Applications 目录 知识图谱综述(2021.4) 摘要 1.简介 2.概述 3.知识表示学习(KRL) 3.1 表示空间 阅读全文
posted @ 2022-10-02 01:15
CJK'sBLOG
阅读(1873)
评论(0)
推荐(0)
摘要：
反绎学习 @ 周志华2020CCF-GAIR演讲实录 1.逻辑推理与机器学习 1.1 逻辑推理 我们一般来说可以认为它是基于一阶逻辑规则的表示。这里我们看一个例子，这里面有三个子句，第一个字句：对于任意X和Y，如果X是Y的父母，那么X比Y年长；第二个字句：对于任何两个人，X是Y的妈妈，那么X就是Y的 阅读全文
posted @ 2022-10-01 20:39
CJK'sBLOG
阅读(838)
评论(0)
推荐(0)
摘要：
1.枚举法 枚举出可行解集合内的所有可行解，以求出精确最优解。 对于连续函数，该方法要求先对其进行离散化处理，这样就可能因离散处理而永远达不到最优解。 当枚举空间比较大时，该方法的求解效率比较低，有时甚至在目前先进计算工具上无法求解。 2.启发式算法 寻求能产生可行解的启发式规则以找到一个最优解或近 阅读全文
posted @ 2022-09-30 20:12
CJK'sBLOG
阅读(253)
评论(0)
推荐(0)
摘要：
import random import math import matplotlib.pyplot as plt import numpy as np import time def init(b_=700,xSize_=200,iteration_=1000,c1_=0.5,c2_=0.5,w_ 阅读全文
posted @ 2022-09-30 19:59
CJK'sBLOG
阅读(51)
评论(0)
推荐(0)
摘要：
import random import math import matplotlib.pyplot as plt import city class no: #该类表示每个点的坐标 def __init__(self,x,y): self.x = x self.y = y def draw(t): 阅读全文
posted @ 2022-09-30 19:57
CJK'sBLOG
阅读(56)
评论(0)
推荐(0)
摘要：
import numpy import math import scipy.special#特殊函数模块 import matplotlib.pyplot as plt #创建神经网络类，以便于实例化成不同的实例 class BP_mnist: def __init__(self,input_nod 阅读全文
posted @ 2022-09-30 19:54
CJK'sBLOG
阅读(98)
评论(0)
推荐(0)
摘要：
1.概述 1.1 问题引出 在神经网络中，如果一个网络的训练数据越多，其训练效果往往会越好。但是由于用户数据不能够被随意的使用和转发,因此各个商业公司和研究机构的数据不能合并训练,因此,开发出联邦学习用于在不泄露用户数据的情况下，利用用户数据进行训练. 1.2 不同使用场景 各个worker的业务类 阅读全文
posted @ 2022-09-30 19:49
CJK'sBLOG
阅读(627)
评论(0)
推荐(0)
摘要：
1.强化学习 @ 强化学习（英语：Reinforcement Learning，简称RL）是机器学习中的一个领域，是除了监督学习和非监督学习之外的第三种基本的机器学习方法。 强调如何基于环境而行动，以取得最大化的预期利益[1]。 与监督学习不同的是，强化学习不需要带标签的输入输出对，同时也无需对非最 阅读全文
posted @ 2022-09-25 23:33
CJK'sBLOG
阅读(669)
评论(0)
推荐(0)
浙公网安备 33010602011771号