找到的几篇计算机综述论文.可以作为毕业论文.也是自己搜集的 赚赚积分下载东西用...

我们描述了深度学习在数学分析领域的进展。这个研究领域包含一系列的研究问题，这些问题在经典的学习理论框架内是无法回答的。

数十年来，因果推理是一个跨统计、计算机科学、教育、公共政策和经济学等多个领域的重要研究课题。在这项调查中，我们提供了一个全面的综述因果推理方法下的潜在结果框架，一个众所周知的因果推理框架。

主动学习试图在具有尽可能少标注样本的同时最大化模型的性能增益。深度学习(Deep learning, DL)需要大量标注数据，如果模型要学习如何提取高质量的特征，就需要大量的数据供应来优化大量的参数。

图是连接数据网络结构的一种常用表示形式。图数据可以在广泛的应用领域中找到，如社会系统、生态系统、生物网络、知识图谱和信息系统。随着人工智能技术的不断渗透发展，图学习(即对图进行机器学习)越来越受到研究者和实践者的关注。图学习对许多任务都非常有效，如分类，链接预测和匹配。

AVS2标准综述论文，简单介绍了AVS2制定背景及其关键技术。

深度神经网络在拥有大量数据集和足够的计算资源的情况下能够取得巨大的成功。然而，他们快速学习新概念的能力相当有限。元学习是解决这一问题的一种方法，通过使网络学会如何学习。

本文对HPO中最基本的主题进行了综述。第一部分介绍了与模型训练和结构相关的关键超参数，并讨论了它们的重要性和定义值范围的方法。然后，研究了主要的优化算法及其适用性，包括它们的效率和准确性，特别是对于深度学习网络。本研究接下来将回顾HPO的主要服务和工具包，比较它们对最先进的搜索算法的支持、与主要深度学习框架的可行性以及用户设计的新模块的可扩展性。

本文提供了针对视觉识别的单类别分类OCC的经典统计和基于深度学习的最新方法的全面调研。详细并讨论了现有OCC方法的优缺点，还介绍了OCC的常用数据集和评估指标。单类别分类（One-Class Classification，OCC）是多类别分类的一种特殊情况，其中训练期间观察到的数据来自单个阳性类。

本资源包含了发表于2019-2021年的关于社团发现领域的最新综述 特色：1、本资源是对以下几篇最新综述论文的精准翻译，可快速对该领域有深入了解；2、不仅仅是翻译，本人还对论文经过严谨排版，公式手动完美复现，保证阅读流畅无障碍。3、对与不喜欢看英文文献或想节约时间的小伙伴强烈推荐！！！ 1、Overlapping Community Detection of Complex Network: A Survey 复杂网络的重叠社团检测：综述 2、A comprehensive literature review on community detection: Approaches and applications 关于社团检测的全面文献综述：方法与应用 3、A Survey of Community Detection Approaches: From Statistical Modeling to Deep Learning 社区检测方法的调查：从统计建模到深度学习 4、Deep Learning for Community Detection: Progress, Challenges and Opportunities 深度学习用于社区检测发展、挑战和机遇