论文题目

Uninformed Students: Student-Teacher Anomaly Detection with Discriminative Latent Embeddings

  该文是发表在CVPR 2020的文章，文章主要通过ensemble的学生和pretrained的老师来进行无监督的异常检测。该文的新意不但在于用师生网络进行异常检测，还使用了判别式嵌入而非重建的方法，并且实现了精确到像素级的分割。

论文题目

Learning Memory-guided Normality for Anomaly Detection

  该文是发表在CVPR 2020的文章，MNAD指Memory-guided Normality for Anomaly Detection。文章相当于是MemAE的改进版，该文章主要在无监督异常检测领域考虑了异常情况在某种场景下不一定是异常的问题和CNN的表示能力过强导致信息过多丢失的问题。

论文题目

Memorizing normality to detect anomaly: Memory-augmented deep autoencoder for unsupervised anomaly detection

  该文是发表在ICCV 2019的文章，文章标题是通过无监督的方法对自编码器进行记忆增强，让自编码器记住更多正常模式，从而检测输入是否异常。文章解决了什么无监督异常检测的问题呢？

  这应该是李宏毅机器学习入门基础概念的最后一篇了，后面就因为偷懒◑﹏◐开学去读论文，学习经典的深度学习模型就没写了。其实逻辑回归是构成深度学习神经元的激活函数，虽然说为了防止梯度爆炸和梯度消失，现在普遍使用的是Relu，但其重要性还是无与伦比。

概述

  在机器学习中，分类问题是指给定一个输入，当输入经过某个模型后，输出判断该输入的所属类别。常见的应用有信贷评估（根据某人的收入、存款、职业、年龄等判断是否给他贷款），医学诊断（根据某人的性别、年龄和目前症状判断他患上哪一类型的疾病），手写体的识别和人脸识别。

  关于机器学习的入门课，个人感觉没太多新东西，只是当时有空就顺便写下哈哈哈，其实这些基础概念知乎博客应该比比皆是，但是我既然写过了不放上博客感觉自己好像白写了，呜呜呜。放上面有时候自己看看也有点小成就感(￣︶￣*))

  这是我发的第一篇博客，抱着好玩的心态基于hexo搭建属于自己的网站，这里要非常感谢云游大大的云主题。关于机器学习的学习，今年5月份研究生上岸后开始接触，期间跟着B站台大李宏毅老师的课学习倒也写了四篇Markdown，后来到后面深度学习可写的东西太多了，果断不写了，学习它的思想。但是新博客还是要放点东西试试水的，空荡荡岂不很难受哈哈哈，以后更新尽量以总结性的为主。加油搬砖～