“问渠那得清如许,为有源头活水来”,通过前沿领域知识的学习,从其他研究领域得到启发,对研究问题的本质有更清晰的认识和理解,是自我提高的不竭源泉。为此,我们特别精选论文阅读笔记,开辟“源头活水”专栏,帮助你广泛而深入的阅读科研文献,敬请关注。
有限元方法(FEM)是一种数值技术,用于对任何给定的物理现象进行有限元分析(FEA)。
这一次,老爷子分享了他关于线性代数教学、学习路径的一些建议和想法。以大牛视角,带你重新梳理线性代数。
基于Transformer的方法在低级别视觉任务中,如图像超分辨率,表现出了令人印象深刻的性能。Transformer的潜力在现有网络中仍未得到充分发挥。为了激活更多的输入像素以实现更好的重建,提出了一种新的混合注意力Transformer(HAT)。它同时结合了通道注意力和基于窗口的自注意力方案,从而充分利用了它们各自的优势,即能够利用全局统计和强大的局部拟合能力。
【1】 A provable two-stage algorithm for penalized hazards regression 标题:惩罚风险回归的一个可证明的两阶段算法
空间和时间相关问题的物理定律通常用偏微分方程(PDE)来描述。对于绝大多数的几何结构和所面对的问题来说,可能无法求出这些偏微分方程的解析解。不过,在通常的情况下,可以根据不同的离散化 类型来构造出近似的方程,得出与这些偏微分方程近似的数值模型方程,并可以用数值方法求解。如此,这些数值模型方程的解就是相应的偏微分方程真实解的近似解。有限元法(FEM)就是用来计算出这些近似解的。
我是2017年11月开始接触深度学习,至今刚好五年。2019年10月入职上海交大,至今三年,刚好第一阶段考核。2022年8月19号,我在第一届中国机器学习与科学应用大会做大会报告,总结这五年的研究以及展望未来的方向。本文是该报告里关于理论方面的研究总结(做了一点扩展)。报告视频链接可以见:https://www.bilibili.com/video/BV1eB4y1z7tL/
访问www.arxivdaily.com获取含摘要速递,涵盖CS|物理|数学|经济|统计|金融|生物|电气领域,更有搜索、收藏、发帖等功能!点击阅读原文即可访问 cs.AI人工智能,共计32篇 【1】
金磊 转载整理自 知乎 量子位 | 公众号 QbitAI 这是一篇由UCLA应用数学副教授蒋陈凡夫所撰写的万字长文,回顾了他在图形学物理模拟领域里十二年来的点点滴滴。 于人,于事,于学术,字里行间无不在透露着蒋陈凡夫对图形学的热爱与浪漫,感动了无数的网友。 在文中被他称为“少年英雄”的胡渊鸣,在看完后甚至直呼“荡气回肠”。 目前已经揽获近3000的赞。 (注:本文经授权转载,以下为原文) 最近评上tenure(终身教授),有人来祝贺:”Now you can freely decline review r
---- 新智元报道 作者:蒋陈凡夫 编辑:桃子 【新智元导读】UCLA应用数学副教授蒋陈凡夫写下万字长文,回顾了从转系生到终身教授十二年的自我历程。 最近评上tenure,有人来祝贺:”Now you can freely decline review requests!”。我想了想,似乎对心态上的改变确实如此而已。又想到也许可以写个什么纪念一下。那这19岁到31岁,有什么拿来回味的没有?好像有很多,但不整理一下的话,又不知从何说起。那还是直接写一点吧。从物理本科,到CS PhD,CS教职,又在
机器之心转载 来源:知乎 作者:蒋陈凡夫 最近评上 tenure,有人来祝贺:”Now you can freely decline review requests!”。我想了想,似乎对心态上的改变确实如此而已。又想到也许可以写个什么纪念一下。那这 19 岁到 31 岁,有什么拿来回味的没有?好像有很多,但不整理一下的话,又不知从何说起。那还是直接写一点吧。从物理本科,到 CS PhD,CS 教职,又在数学 tenure,这看似曲折的十二年竟是在做同样的研究,一年都没有浪费。一路走来,有很多东西值得缅怀和总
Papers & Archives Graphics Conference Paper Link Archive (Ke-Sen Huang) Reproducible Research archive (image processing, vision, machine learning) (Xin Li) Mesh Libraries and Tools Surface_Mesh (D. Sieger, M. Botsch) GTS (2D dynamic/constrained Delaunay tr
【1】 Statistical Modeling for Practical Pooled Testing During the COVID-19 Pandemic 标题:冠状病毒大流行期间实用联合检测的统计建模
最近,扩散模型在图像生成方面取得了巨大的成功。然而,当涉及到布局生成时,由于图像通常包含多个物体的复杂场景,如何对全局布局图和每个详细对象进行强大的控制仍然是一个具有挑战性的任务。
【1】 Whole Brain Vessel Graphs: A Dataset and Benchmark for Graph Learning and Neuroscience (VesselGraph) 标题:全脑血管图:图学习和神经科学(VesselGraph)的数据集和基准 链接:https://arxiv.org/abs/2108.13233
【1】 Knowledge Graph Enhanced Event Extraction in Financial Documents 标题:知识图增强的金融文档事件抽取 链接:https://arxiv.org/abs/2109.02592
【1】 Beltrami Flow and Neural Diffusion on Graphs 标题:图上的Beltrami流与神经扩散 链接:https://arxiv.org/abs/2110.09443
领取专属 10元无门槛券
手把手带您无忧上云