Semi-supervised Anomaly Detection using AutoEncoders全文英文注解，适合于英文较好的研究者，看英文的文档更有味道一些

SEMI E30-1103 GENERIC MODEL FOR COMMUNICATIONS AND CONTROL OF MANUFACTURING EQUIPMENT (GEM) SEMI E30.1-0200 INSPECTION AND REVIEW SPECIFIC EQUIPMENT MODEL (ISEM) SEMI E30.5-0302 SPECIFICATION FOR METROLOGY SPECIFIC EQUIPMENT MODEL

SEMI E090標準規範，是半導體最重點的規範，全部半導體都畢需尊守此規範 Abstract This Standard was technically approved by the Information & Control Global Technical Committee. This edition was approved for publication by the global Audits and Reviews Subcommittee on August 17, 2018. Available at www.semiviews.org and www.semi.or

SEMI E040-0705_PMS半導體標準規範 ，所有半導體公司都必需尊守此規範 About the SEMI Standards Program Why standards? The SEMI International Standards Program is one of the key services offered by Semiconductor Equipment and Materials International (SEMI) for the benefit of the worldwide semiconductor, photovoltaic (PV), LED, MEMS and flat panel display (FPD) industries. Standards offer a way to meet the challenges of increasing productivity while enabling business opportunities around the globe. The program, started over 40 years ago in North America, was expanded in 1985 to include programs in Europe and Japan, and now also has technical committees in China, Korea and Taiwan. In 1997, the Program was expanded to cover other areas with activity in these industries among suppliers and users. The program operates as a neutral forum for the exchange of information among suppliers and users resulting in the production of timely and technically accurate specifications and other standards of economic importance to the industry. It is a vehicle for networking, partnering, and professional growth. Over 5,000 technologists worldwide, representing both device manufacturers and equipment and materials suppliers, participate in the program. These individuals work toward resolving a variety of process and product related issues in both the front and back-end areas in semiconductor, photovoltaic, and flat panel display manufacturing.

设备自动化协会标准文档，半导体制造行业自动运输系统需要遵守的通讯标准。自99年在E23的基础上制定了E84后，E84逐渐成为主流，开发必备。

End-to-End Semi-Supervised Learning for Video Action Detection的阅读涂鸦 CVPR 2022 task：端到端的半监督视频动作检测方法

SEMI E5-1104 SEMI EQUIPMENT COMMUNICATIONS STANDARD 2 MESSAGE CONTENT (SECS-II)

协同训练是半监督的一个很好的范例，它要求用两个特征视图来描述数据集。 许多协同训练算法都有一个显着的特征：应以高置信度预测所选的未标记实例，因为高置信度得分通常表示相应的预测是正确的。 不幸的是，使用这些高置信度未标记实例并不总是能够提高分类性能。 本文提出了一种新的半监督学习算法，结合了联合训练和主动学习的优点。 该算法根据高置信度和最近邻两个准则应用协同训练来选择最可靠的实例，以提高分类器的性能，并利用具有人类注释能力的信息量最大的实例来提高分类性能。 在几个UCI数据集和自然语言处理任务上进行的实验表明，我们的方法在牺牲相同的人工量的情况下实现了更显着的改进。

PG学习 一种用于半监督学习的高效有效的学习图算法。 （MATLAB代码） 说明：运行代码和示例 在使用代码之前，您应该编译util / lib / mtimesx /文件夹中的mtimesx lib。 请参考 。 对于Mac OS用户，您可以首先使用Homebrew安装openblas库，然后运行 bias_lib = 'path to libblas.dylib' mex('-DDEFINEUNIX','-largeArrayDims','mtimesx.c',blas_lib) 安装所需的库后，您应该在根文件夹EXCUTE的main.m。 之后，您可以在根文件夹下运行所有​​的matlab文件。 在示例文件夹中，我们提供了有关单线程版本PG-Learn，超宽带并行版本PG-Learn以及一些基线的示例，其中包括网格搜索，随机搜索，MinEnt，AEW和IDML。 此外，我们还提供

具有成对约束的聚类最近在聚类社区中引起了很多关注。 特别地，数据集中给定实例对之间的必须链接约束和不能链接约束是当今许多聚类算法中所包​​含的常识。 事实证明，这种方法可以成功地指导许多著名的聚类算法获得更准确的结果。 但是，最近的工作还表明，必须链接约束和不能链接约束的合并使聚类算法对“实例的分配顺序”过于敏感，因此导致了随后的约束冲突。 本文的主要贡献有两个方面。 一种方法是在执行“无法链接”集合的“广度优先”搜索后，通过强调无法链接实例的有序分配来解决Cop-Kmeans中违反约束的问题。 另一个是通过采用MapReduce框架来降低大数据集的Cop-Kmeans计算复杂度。 实验结果表明，我们的方法在海量数据集上表现良好，同时可以克服约束冲突的问题。