2020原论文，simple Siamese

近年来，深度监督学习取得了巨大的成功。然而，它依赖于手工标签，并且易受攻击的弱点促使学者们探索更好的解决方案。近年来，自监督学习作为一种新的学习方法，在表征学习方面取得了骄人的成绩并吸引了越来越多的注意。自监督表示学习利用输入数据本身作为监督信号，几乎有利于所有不同类型的下游任务。

最近找了个程序说是关于半监督学习方面的，但是我有些看不懂程序，希望大家下载后分享一下自己的看法，如果是高手最好能详细讲解一下，谢谢大家了。

期末家长会发言稿.docx

Unsupervised Domain Adaptation by Backpropagation.pdf

专门解决建设银行无法签名、签名失败PDF针对深圳工商注册、变更的PDF签名工具，真实好用！里面虽然是农商行的，但是建行同样适用，亲测有效！

政府部门挂图方案

基于众包的弱监督关系提取降噪研究，刘亭村，张熙，在大数据时代，随着科技的发展和社交网络的兴起，自然语言处理的应用越来越广泛。其中，从文本中提取关系在许多应用中具有突出的

基于马尔可夫随机场（MRF）的方法已广泛用于高空间分辨率（HSR）图像分类中。 但是，许多现有的基于MRF的方法更加注重像素级上下文，而较少关注超像素级上下文信息。 为了解决这个问题，本文提出了一种新颖的双层上下文MRF框架，称为BLC-MRF，用于HSR图像分类。 具体来说，将像素和超像素级别的依赖关系合并到建议的MRF模型中，以充分利用光谱空间上下文信息并保留HSR图像中的对象边界。 在BLC-MRF中，首先执行像素级MRF模型，然后级联作为超像素级MRF的输入。 在超像素级别，分别使用超像素概率估计方法和光谱直方图距离构造一元和成对电位项。 最后，进行了上下文MRF模型，并可以通过使用α-展开算法来计算最终的分类图。 BLC-MRF的好处是双重的：首先，可以在MRF框架下利用像素和超像素级别的上下文信息来保留对象边界，以提高分类性能；其次，该算法可以通过少量训练就能提供有希望的结果样品。 在三个HSR数据集上的实验结果表明，在分类性能方面，该方法优于几种最新方法。

食品药品监督管理一体化解决方案，2021推荐智慧食药监局食品药大数据安全管理平台系统建设解决方案