259
个编辑
更改
无编辑摘要
Chen Z, Li S and Yang B et al. Multi-scale spatial temporal graph convolutional network for skeleton-based action recognition. Proceedings of the AAAI Conference on Artificial Intelligence, New York, 22 February - 1 March 2022.
Chen Z, Li S and Yang B et al. Multi-scale spatial temporal graph convolutional network for skeleton-based action recognition. Proceedings of the AAAI Conference on Artificial Intelligence, New York, 22 February - 1 March 2022.
PLL：已加。
YMZ：这里你可以找一篇混沌动力学领域的文献就行。
YMZ：这里你可以找一篇混沌动力学领域的文献就行。
PLL：Wang F ,Wei Z ,Zhang W . Sliding homoclinic orbits and '''chaotic dynamics''' in a class of 3D piecewise-linear Filippov systems [J]. Nonlinear Dynamics, 2024, (prepublish): 1-21.
这篇应该可以吧？
④为了增强分布外泛化能力，学者可以生成多样化的数据，模拟不同的测试环境，还可以通过域适应技术（Domain Adaptation），使模型可以适应不同的测试数据分布，还有不变性学习（Invariant Learning）、元学习（Meta Learning）等方法。——添加英文+参考文献 ：已加英文
④为了增强分布外泛化能力，学者可以生成多样化的数据，模拟不同的测试环境，还可以通过域适应技术（Domain Adaptation），使模型可以适应不同的测试数据分布，还有不变性学习（Invariant Learning）、元学习（Meta Learning）等方法。——添加英文+参考文献 ：已加英文
YMZ：这些词当时是怎么找到的？可以去源头找一下参考文献
YMZ：这些词当时是怎么找到的？可以去源头找一下参考文献
PLL：kimi助手，找了三篇相关的。
YMZ：是的，那个二级标题。
YMZ：是的，那个二级标题。
PLL：概述——>数学问题定义，已改。
YMZ：先全部去掉吧
YMZ：先全部去掉吧
PLL：以防后面在用我先放在最后面，最后一版再删。
YMZ：这个是不是还是说神经网络EI计算的部分要略掉。
YMZ：这个是不是还是说神经网络EI计算的部分要略掉。
PLL：可能是。
YMZ：可以在大图前面再强调一下为什么要最大化宏观有效信息。
YMZ：可以在大图前面再强调一下为什么要最大化宏观有效信息。
PLL：在NIS中，作者将问题转换成一个两阶段的泛函问题，先在给定的尺度下，最小化预测误差，之后，在通过简单迭代找到有效信息最大的宏观尺度。但是，两阶段的方法并不能真正地最大化有效信息，不能得到最好的粗粒化策略和因果涌现，故作者提出了NIS+。——这样呢？
⑩图片配上文字说明：有些图片在讲述中讲解的，需要单独在讲一遍吗？就像论文里面配图下面的解释？
⑩图片配上文字说明：有些图片在讲述中讲解的，需要单独在讲一遍吗？就像论文里面配图下面的解释？
YMZ：应该就是目前的讲解不明显，可以a,b,c三张子图分别标注说明。
YMZ：应该就是目前的讲解不明显，可以a,b,c三张子图分别标注说明。
PLL：改了一点点。是这样，还是单独起一行专门讲这个图，其他图呢？
⑩①结构调整，对NIS+表述太干，建议把计算框架和结果放前面，理论性质放后面：框架只调整位置还是要重新定框架，改结构？
⑩①结构调整，对NIS+表述太干，建议把计算框架和结果放前面，理论性质放后面：框架只调整位置还是要重新定框架，改结构？
YMZ：把所有实验的部分放在概述和数学推导之间。
YMZ：把所有实验的部分放在概述和数学推导之间。
PLL：已改。