improvements optimization combining muesli

Particle Swarm Optimization 算法原理参考: https://zhuanlan.zhihu.com/p/404198434 Question 使用PSO算法计算函数$ f(x) = x_1^2 + 3 x_2^2 - x_1 + 2 x_2 - 5 $ 在 \(x \in ......

Worst-Case Optimal Joins 当且仅当连接算法的计算复杂度不高于AGM bound，该算法才是Worst-Case Optimal的。 而计算AGM bound，需要计算fractional edge cover，也就是最小边覆盖。它要求给每条边赋权，所有权重之和最小，并且每个顶 ......

Pre title: SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis accepted: arXiv 2023 paper: https://arxiv.org/abs/2307.01952 co ......

为了对深度森林设计出信息量更大、计算成本更低的特征表示，本文提出了一种新的深度森林模型——高阶交互深度森林(hiDF)，利用输入特征的稳定高阶交互来生成信息丰富且多样化的特征表示。具体而言，本文设计了一个广义版本的随机交叉树(gRIT)来发现稳定的高阶相互作用，并应用激活线性组合(ALC)将这些相互... ......

Title Adaptive restart for stochastic synthesis PLDI 2021 Task Distribute the power between multiple runs in stochastic program synthesis to accelerat ......

# Vectorization（矢量化） Before we understand the vectorization, we can see a common secnario. We have a array that has 100 float numbers, we want to calc ......

最近新上线的系统中遇到一个SQL，明明可以使用索引，但是发现实际执行并没有使用到索引。SQL的主要特点是where子句中，in判断中有大量的条件。类似如下： select * FROM a WHERE td in ('2023-08-01') and fuid in ('2','3','41','4 ......

1. 化简 - 代数化简 - 常量折叠 2. 内联 - 内部函数和外部函数 3. 指针 - 指针别名 - 合并写入 - 不能跳跃 4. 矢量化 - 使用更宽的寄存器xmm和ymm - 自动调用标准库 - 使用SIMD汇编指令（特殊情况使用边界特判） 5. 循环 6. 结构体 - 结构体内存布局 7. ......

This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.To enable the following instructions: AVX2 FM ......

参考: [李宏毅老师课件](https://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2018/Lecture/PPO%20(v3).pdf) PPO = Policy Gradient 从 On-policy 到 Off-policy, 再加一些const ......

## Differentiation **Def. Gradient** $f:{\cal X}\sube\mathbb{R} ^N\to \mathbb{R}$ is *differentiable*. Then the *gradient* of $f$ at ${\bf x}\in\cal{X ......

Clean架构是一种软件设计理念，它将应用程序的关注点分成不同的层，每个层都有特定的责任。它被称为"Clean"，因为它提倡代码易于阅读、测试和维护，并且不受特定框架或技术的约束。 在使用SwiftUI和Combine框架用Swift编写的iOS应用程序的背景下，Clean的架构可能看起来像这样的东 ......

链接：https://www.zhihu.com/question/585468191/answer/2905219147 optim.SGD是PyTorch中的一个优化器，其实现了随机梯度下降（Stochastic Gradient Descent，SGD）算法。在深度学习中，我们通常使用优化器来 ......

> [Combination Lock AtCoder](https://atcoder.jp/contests/cf17-final/tasks/cf17_final_e) 题目描述 有字符串 $S$，按照顺序多次进行以下 $N$ 种操作： - 操作 $i$：$ S $ 的第 $ l_i $ 个字 ......

摘要 ICASSP 2023语音信号改善(SSI)挑战赛的重点是提高实时通信(RTC)系统的语音信号质量。本文介绍了提交ICASSP 2023 SSI挑战赛的语音信号改进网络(SSI-Net)，该网络满足实时条件。提出的SSI-Net具有多阶段体系结构。在语音恢复的第一阶段，我们提出了时域恢复生成对 ......

 **发表时间：**2019 (IJCAI 2019) **文章要点：**这篇文章提出experience rep ......

 **发表时间：**2016（IROS 2016） **文章要点：**这篇文章提出了experience repl ......

# Optimal Insertion ## 题面翻译 ### 题目大意 给定两个序列 $a,b$，长度分别为 $n,m(1\leq n,m\leq 10^6)$。接下来将 $b$ 中的所有元素以**任意方式**插入序列 $a$ 中**任意位置**，请找出一种插入方式使结果序列中的逆序对数量最小化， ......

论文地址：https://arxiv.org/abs/1910.03009 ### 动机 神经机器翻译(NMT)模型在翻译**干净文本**时已被证明是强大的，但它们**对输入中的噪声非常敏感**。改进NMT模型的鲁棒性可以看作是对噪声的“域”适应的一种形式。 最先进的方法严重依赖于大量的反向翻译数据 ......

特别鸣谢： ## problem 两个数组 $a,b$ 长度分别为 $n,m$。将 $b$ 的所有元素以任意顺序插入 $a$ 的任意位置，使最终序列逆序对数量最小，并输出这个值。$n,m\leq 10^6$。 ## solution $b$ 明显是排序成不降的最优，$a$ 原来的逆序对个数无法改变， ......

在了解PPO之前，首先需要了解Policy Gradient，PPO是建立在PG上的。 ### Policy Gradient 基本参考https://zhuanlan.zhihu.com/p/66205274进行整理。 给定状态和动作的序列 $s1\rightarrow a1\rightarrow ......

wsqmcons是Windows操作系统中的一个命令行工具，它用于收集和上传用户体验改进数据。 具体来说，wsqmcons代表Windows Customer Experience Improvement Program (CEIP) Console，它是用于管理和配置CEIP的命令行工具。CEIP ......

Try throttling to a slow internet in the browser Dev tools and visit a website made up of HD images like unsplash. That's how to experience the pain o ......

omit-frame-pointer 开启该选项，主要是用于去掉所有函数SFP（Stack Frame Pointer）的，即在函数调用时不保存栈帧指针SFP，代价是不能通过backtrace进行调试根据堆栈信息了。通过去掉SFP，可以提高程序运行速度，达到优化程序的目的。如果要打开栈指针，使用 - ......

minimize the noise transmitted through the matrix 主要用三个参数衡量 indicator the condition number (CN) the Equally Weighted Variance (EWV) the error associat ......

## 摘要 **神经机器翻译(NMT)模型在翻译干净文本时已被证明是强大的，但它们对输入中的噪声非常敏感**。改进NMT模型的鲁棒性可以看作是对噪声的“域”适应的一种形式。**最近创建的基于噪声文本的机器翻译任务语料库为一些语言对提供了噪声清洁的并行数据，但这些数据在大小和多样性方面非常有限**。最 ......

# LEA: Improving Sentence Similarity Robustness to Typos Using Lexical Attention Bias 论文阅读 KDD 2023 [原文地址](https://arxiv.org/abs/2307.02912) ## Introd ......

[洛谷传送门](https://www.luogu.com.cn/problem/AT_arc164_e "洛谷传送门") [AtCoder 传送门](https://atcoder.jp/contests/arc164/tasks/arc164_e "AtCoder 传送门") 妙妙题。 我们考虑 ......

我们可以使用 TCP 端口扫描对物联网设备进行分类吗？https://ieeexplore.ieee.org/document/8913346 xx xx --> # 1 介绍 在[10]中，我们根据统计属性（如活动周期，端口号，信令模式和密码套件）来表征物联网流量。此外，提出了一个多阶段机器学习模 ......

# [ARC164E] Segment-Tree Optimization 题目大意是让你构造一棵广义线段树，给定若干个询问使得询问出的区间最大深度最小并且最大神帝的个数最少。感官上，我们认为满二叉树很优美，所以可以朝着这个方向思考。 首先，不难看出有一些区间中所有数在所有询问中被绑在了一起，即要么 ......