Violence recognition using convolutionalneural network: A survey

【导读】近年来深度学习芯片的研究发展是业界关注的焦点。专知之前报道过Google AI Jeff Dean独自撰文的关于AI时代芯片的历史发展趋势-【Google Jeff Dean独自署名论文】深度学习革命及其对计算机架构和芯片设计的影响，讲述AI芯片发展历程与未来，但学术业界一直缺乏对当前深度学习编译器框架的综述。最近北航的学者撰写了第一篇关于当下深度学习编译器的综述论文《The Deep Learning Compiler: A Comprehensive Survey》36页pdf1，从各个方面对现有的DL编译器进行了全面的比较。此外，还详细分析了多级红外设计和编译优化技术。最后，指出了DL编译器的研究方向，很好的论文。

A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources 异构图 (HG) 也称为异构信息网络，在现实世界中无处不在；因此，HG 嵌入旨在在低维空间中学习表示，同时保留下游任务（例如，节点/图分类、节点聚类、链接预测）的异构结构和语义，近年来引起了相当大的关注。在本次调查中，我们对 HG 嵌入方法和技术的最新发展进行了全面审查。我们首先介绍了 HG 的基本概念，并讨论了与同构图表示学习相比，HG 嵌入的异质性带来的独特挑战；然后我们根据他们在学习过程中使用的信息系统地调查和分类最先进的 HG 嵌入方法，以解决 HG 异质性带来的挑战。特别是对于每一种有代表性的HG嵌入方法，我们都进行了详细的介绍，并进一步分析了其优缺点；同时，我们还首次探索了不同类型的 HG 嵌入方法在现实工业环境中的变革性和适用性。此外，我们进一步介绍了几个广泛部署的系统，这些系统已经证明了 HG 嵌入技术在解决具有更广泛影响的实际应用问题方面的成功。为了促进该领域的未来研究和应用，我们还总结了开源代码、现有图学习平台和基准数据集。最后，我们探讨了 HG 嵌入的其他问题和挑战，并预测了该领域的未来研究方向。

国际清算银行 第107号文件：即将到来的央行数字货币——央行数字货币调查（续）。调查显示：大多数央行仍在努力理解对其管辖权的影响；占世界五分之一人口的可能很快会发行CBDC；新兴市场经济体有更强烈的动机和更高的可能性。

近年来，深度学习彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常在欧几里得空间中表示。 然而，越来越多的应用程序从非欧几里得域中生成数据，并表示为对象之间具有复杂关系和相互依赖性的图形。图数据的复杂性给现有的机器学习算法带来了重大挑战。最近，出现了许多关于扩展图数据深度学习方法的研究。在本次调查中，我们全面概述了数据挖掘和机器学习领域的图神经网络 (GNN)。我们提出了一种新的分类法，将最先进的图神经网络分为四类，即循环图神经网络、卷积图神经网络、图自动编码器和时空图神经网络。我们进一步讨论了图神经网络在各个领域的应用，并总结了图神经网络的开源代码、基准数据集和模型评估。最后，我们提出了这个快速发展领域的潜在研究方向。

Ekahau Site Survey使用教程之勘测无线网络 Ekahau Site Survey使用教程之设计规划无线网络. 视频内容简介:Ekahau Site Survey是一款针对企业级WLAN的设计规划和勘测工具，我将制作一系列视频来介绍它的功能

医学图像分析中的深度学习研究综述

迁移学习（Transfer Learning）作为近年来的研究热点之一，受到了广泛关注，每年在各大会议上都有大量的相关文章发表。由于其广泛的应用前景，迁移学习已经成为机器学习中一个热门和有前途的领域。这篇新出论文对近几年迁移学习进行了全面综述，对现有的迁移学习研究进行梳理使其系统化，并对迁移学习的机制和策略进行全面的归纳和解读，帮助读者更好地了解当前的研究现状和思路。

本文对基于深度学习的异常检测的研究方法进行了系统全面的综述。此外，还回顾了这些方法对不同应用领域异常的应用，并评估了它们的有效性。

差分隐私 差分隐私学习与集成 1.直观的解释 2.学术论文 2.1 调查 差分隐私的算法基础 差分隐私和应用 CCS、S&P、NDSS、USENIX、Infocom 中的差异隐私论文 SoK：差异隐私 2.2 课程 差异隐私研讨会，秋季 19/20 CSE 660 秋季 2017 cs295-数据隐私 隐私研究小组 CS 860-私有数据分析算法-2020年秋季 2.3 一些机制 集中差分隐私：简化、扩展和下限 2.4 2015-2019 年 CCS、S&P、NDSS、USENIX、Infocom 中的差异隐私（其中一些来自 2020 年） 民意调查 3. 视频 差分隐私的最新进展 II 差分隐私的最新发展 I 采样隐私放大与人一差分隐私 差分隐私：从理论到实践 4. 代码 4.0 代码实现DP算法 4.1 K-匿名算法 4.2 随机响应 4.3 拉普拉斯和指数机制 4