论文题目：Landmark-Guided Cross-Speaker Lip Reading with Mutual Information Regularization
作者：Linzhi Wu, Xingyu Zhang, Yakun Zhang, Changyan Zheng, Tiejun Liu, Liang Xie, Ye Yan, Erwei Yin 单位：University of Electronic Science and Technology of China,
会议/时间：arxiv 2024, COLING 2024
链接: arxiv.
论文题目：An Effective Mixture-Of-Experts Approach For Code-Switching Speech Recognition Leveraging Encoder Disentanglement
作者：Tzu-Ting Yang, Hsin-Wei Wang, Yi-Cheng Wang, Chi-Han Lin, and Berlin Chen 单位：National Taiwan Normal University
会议/时间：ICASSP 2024
链接: doi.
在本科机器学习课程上讲了逻辑回归的相关内容. 感觉有些部分课堂上讲的比较粗,回来补充一些公式的推导和清晰一点的定义.
CTC(连接主义的时序分类)是一种在长度不同的序列中计算损失的方式。 对于不定长的模型输出和标签，在没有给定对齐的情况下计算概率和梯度，从而进行模型的训练。
在基于Attention的模型中,使用hybrid ctc+attention的方式训练，在解码过程中，进一步利用训练时CTC头部的信息，可以计算CTC前缀得分，加入到Beam Search解码中。这里前缀得分的计算方式与CTC Loss的前向后向算法的前向部分比较类似。
Weight Decay权重衰减机制是一个比较常用的训练策略。 但是在某些场景下，需要在训练的时候关闭WeightDecay。
论文题目：Class-wise Dynamic Graph Convolution for Semantic Segmentation
作者：Hanzhe Hu, Deyi Ji, Weihao Gan, Shuai Bai, Wei Wu, and Junjie Yan
会议/时间：ECCV2020
链接: Springer
扫了一些分割方面论文，截止日期2021-12-29
Anaconda中的cudatoolkit是什么。
对于离散信号，当所有信源符号出现的概率相等的时候取到最大的熵。