Lamorak

之前一直在忙着做自己的工作，所以过去的两个月中的时间并没有对于博客进行更新。正巧现在终于和之前的工作暂时告一段落，便在自己给自己的几天假期中更新下博客，争取尽快把这个板块更新完。

0.论文信息 文章概述   本文详细讨论了 IRM 在实践中的缺点，并从多目标优化 (Multi-Objective Optimization,MOO) 的角度出发，来缓解 IRM 优化的问题。

0.论文信息 文章概述   这篇论文主要讨论了一种新的方法，名为DecAug，它通过分解特征表示和语义增强来实现对分布偏移的泛化。具体来说，DecAug首先将输入数据的高级表示分解为两种类型的特征：类

0 感言   感觉这章整体而言自己理解得并不充分，更多像是把周老师的教材进行打印，之后有时间我会重新进行整理的。 7.3 随机优化 7.3.1 凸函数   下给出随机优化的代表性算法——随机梯度下降法

0 感言   最近一直在跑自己的代码，距离上次三月多努力投稿水博客混毛毯已经过去了快两个月的时间了，最近抽空把机器学习理论再更新一章。   收敛率在我看来也是很重要的一个概念，它可以帮助我们更好的理解

0.论文信息 文章概述   这篇论文主要研究了域泛化问题 (Domain Generalization)，即如何在训练集和测试集的分布不同的情况下，训练出具有良好泛化性能的模型。为了解决这个问题，作者

本文正在参加 人工智能创作者扶持计划 0.动机   感觉最近是一段拨乱反正的时间段 : 想要更深入理论更好地了解之前很多看论文时没有细看的数学推导和数学证明 (感觉想要真正做出好的工作的前提之一是对于

本文正在参加 人工智能创作者扶持计划 0.论文信息   这篇论文大概是我在两年前多读过的第一篇关于 Domain Adaptation 的论文，当时我还是一个小白 (现在是大白)，对于 Domain

0.动机   一直以来看了很多工作，感觉都用到了比较多的数学处理，其中，熵和变分推断往往是我比较难理解的一部分。我也尝试过看一些相关的资料，但是总感觉这部分内容还是需要有一些实践和手推才能刚好理解 (