论文解析

UDA  UDA想解决的问题是目标域上数据标签的缺乏，具体而言，存在着源域和目标域，源域上存在大量的标注样本对$D_s={(X_i,y_i)}$，我们可以在上面以有监督的方式训练各种模型，但此外我们想

自监督对比学习  对比学习（self-supervised learning）的应用场景是用无标记或者少标记的数据进行模型的预训练以得到一个较好的预训练模型，然后便可将该模型轻松的迁移到到下游任务上。

本文是长尾分布系列论文解析的第三篇，要介绍的是多域学习任务中的长尾分布问题，相关论文为：On Multi-Domain Long-Tailed Recognition, Imbalanced Doma

本文是长尾分布系列论文解析的第二篇，要介绍的是回归任务中的长尾分布问题，相关论文为：[Delving into Deep Imbalanced Regression]

本次一系列的文章将会去介绍近年来几篇典型的研究长尾分布的论文，从普通长尾分布过渡到回归长尾分布、跨域长尾分布。

NODE Neural Ordinary differential equation的思路介绍。主要分析了block的构造。

变分自编码器来自于论文《Auto-Encoding Variational Bayes》，是一种生成式模型，生成式模型的概

Matrix network 《MATRIX CAPSULES WITH EM ROUTING》 总体介绍  matrix network是对前一篇

DenseNet 《Densely Connected Convolutional Networks》 总体介绍  Densenet是从ResNet

本文是对《ON THE CONNECTION BETWEEN LOCAL ATTENTION AND DYNAMIC DEPTH-WISE CONVOLUTION》的分析.

Capsule network 《Dynamic Routing Between Capsules》 待解决  为什么要设计动态路由算法，动态路由算

《Attention Routing Between Capsules Jaewoong Choi Hyun Seo Suii Im Myung

Inception-V3  Inception-V3主要是在Inception-V1的结构上进行了进一步的优化。

Incepiont_V2(Batch Normalization)的基础介绍。从提出目的到具体解决手段都进行了分析。

自从卷积神经网络诞生以来，其标准范式就是堆叠的卷积层夹杂着池化层或者是归一化层，发展方向主要是在网络的大小上做文章。而Inception则回归到了稀疏性。

DRAW 《DRAW: A Recurrent Neural Network For Image Generation》

SCA-CNN 《SCA-CNN: Spatial and Channel-wise Attention in Convolutional Networksfor Image Captioning》