1、
2、报告人：谢鑫鹏 (指导老师：沈琳琳)
3、(4)FakeNewsDetection:ExperimentsandApproachesbeyondLinguistic Features标题：假新闻识别：超越语言特征的实验与方法链接：https://arxiv.org/abs/21012914
4、链接：https://share.weiyun.com/5ZjrNi0密码：ijdw8l
5、使用“john–showshadow.txt”命令查看破解结果。
6、make
7、(1)ClassifyingDyadsforMilitarizedConflictAnalysis标题：军事化冲突分析中的二元组分类链接：https://arxiv.org/abs/21012860
8、摘要：本文介绍了一种通过从人体骨架点角度学习人之间的上下文关系来识别暴力行为的新方法。与以前的工作不同，我们首先从视频中提取的人体骨骼序列中制定3D骨骼点云，然后在这些3D骨骼点云上进行交互学习。我们提出了一种新颖的骨架点相互作用学习(SPIL)模块来对骨架点之间的相互作用进行建模。具体而言，通过构建局部区域点之间的特定权重分配策略，SPIL旨在根据其特征和时空位置信息，有选择地关注它们中最相关的部分。为了捕获各种类型的关系信息，设计了一种多头机制来聚合来自独立头的不同特征，以共同处理点之间的不同类型的关系。实验结果表明，我们的模型优于现有网络，并在视频暴力数据集上取得了最新的性能。
9、wgethttp://www.libssh.org/files/0.4/libssh-0.tar.gztarzxflibssh-0.tar.gz
10、2语义判别模型
11、报告人：马里千、吕婧琬、AlexeiA.Efros
12、ai打开多页pdf链接：https://share.weiyun.com/5X6NUPG密码：9vchdm
13、研究特色与发展趋势
14、(8)WeaklySupervisedContrastiveLearningforChestX-RayReportGeneration标题：用于胸片报告生成的弱监督对比学习链接：https://arxiv.org/abs/21012242
15、(3)自定义salt的md5加密
16、(4)DialogueCSE:Dialogue-basedContrastiveLearningofSentenceEmbeddings标题：DialogueCSE：基于对话的句子嵌入对比学习链接：https://arxiv.org/abs/21012599
17、(3)UsingBERTEncodingtoTackletheMad-libAttackinSMSSpamDetection标题：利用BERT编码撞击垃圾短信检测中的Mad-lib攻击
18、低版本的安装：
19、Transformer(1篇)
20、第九字段：保留字段，目前为空，以备将来Linux发展之用；
1、InteractiveMulti-Dimension ModulationwithDynamicControllableResidualLearningforImageRestoration
2、脚本插件下载地址：
3、OPT 一些服务模块支持额外的输入(-U用于模块的帮助)
4、john-external:doublepasswd//外挂模式破解
5、(7)MINIMAL:MiningModelsforDataFreeUniversalAdversarialTriggers标题：最小：无数据通用对抗性触发器的挖掘模型链接：https://arxiv.org/abs/21012406
6、软件下载地址：
7、注2：由于多种原因，一时难以明确多数文章的第一作者的中文名，因此仅以其课题组老师或直接采用第一作者的拼音进行描述。
8、模式是指存在于时间和空间中可观测性、可度量性和可区分性的信息；模式识别是对模式进行分析与处理，进而实现描述、辨识、分类与解译用机器模拟实现人的模式识别能力，是智能信息处理的重要任务。模式分类是模式识别的核心研究内容，相关问题包括模式描述、特征提取、特征选择、聚类分析、分类器设计等。取决于具体的数据对象，模式识别的研究内容还包括信号/图像/视频理解、视觉目标分类、图像/视频检索、自然语言处理、语音识别等，以及面向各种应用的技术研究。
9、网址：https://www.autopiano.cn/
10、启动软件—菜单栏点击文件—脚本—点击脚本插件即可
11、11:05–11:30
12、XingGANforPersonImageGeneration
13、网址：https://www.realbanknotes.com/index.html
14、摘要：神经网络量化是压缩深度模型并提升其执行效率的有效途径之使它们可以被部署于移动/嵌入式设备上。为获得更好的性能，现有的量化方法需要使用原始数据进行校准或微调。但是，由于许多实际场景中的机密或隐私原因，我们可能无法获取原始数据，导致现有的量化方法不适用。此外，由于缺少原始数据，我们难以使用生成对抗网络(GAN)生成数据。尽管全精度模型可能包含丰富的数据信息，但利用这些信息来恢复原始数据或生成新的有意义的数据是困难的。在本文中，我们研究了名为“基于生成器的低比特无数据量化(GDFQ)”的简单有效的方法以消除数据依赖。具体来说，我们提出了一种知识匹配生成器，可通过利用预训练模型中的分类边界知识和分布信息生成有意义的假数据。借助生成的数据，我们可以从预训练模型中学习知识以对模型进行量化。三个数据集上的实验结果证明了我们方法的有效性。值得一提的是，我们的方法在4比特量化上的精度比现有的无数据量化方法更高。
15、(8)MoreThanReadingComprehension:ASurveyonDatasetsandMetricsof TextualQuestionAnswering标题：阅读理解之外：文本问答的数据集和度量研究链接：https://arxiv.org/abs/21012264
16、(4)TheSpreadofPropagandabyCoordinatedCommunitiesonSocialMedia标题：协调社区在社交媒体上的宣传传播链接：https://arxiv.org/abs/21013046
17、解压并点击安装程序：
18、网址：http://www.ltfc.net/
19、第三字段：UID是用户的ID值，在系统中具有唯一特性，也即每个用户的UID的值是唯一的，更确切的说每个用户都要对应一个唯一的UID，默认root的UID是0，拥有系统最高权限。系统用户的UID的值从0开始，是一个正整数，最大值可以在/etc/login.defs可以查到，一般Linux发行版约定为60000；UID的唯一性关系到系统的安全，如果在“/etc/passwd”文件中把test的UID改为0后，test用户会被确认为root用户，test这个帐号可以进行所有root的操作。
20、网址：https://hao.sjcn/
1、图1获取RedHatEnterpriseLinuxServer系统帐号加密算法
2、聚类和概率密度估计是模式识别的基本问题，与分类器设计、特征提取、特征选择等问题密切联系。近几年主要集中于集成聚类、多视图聚类、子空间聚类等研究方向上。特别地，中山大学的赖剑煌教授等(2)提出了一种基于稀疏图和概率轨迹分析的集成聚类方法，采用随机游走的方式来充分挖掘图上的全局信息，并通过引入随机游走概率轨迹相似性来获得更好的聚类结果。同时，该团队提出了一种基于因子图的集成聚类方法其优点是无需事先给定聚类个数，且能处理大规模数据。另外，他们还提出了一种基于最大积信念传播的多视图聚类方法其核心思想是构建一个学习模型来度量视图内的聚类质量和视图间的聚类一致性。云南大学的YunYang等(5)将boosting和bagging方法应用于无监督学习环境，构建了一种基于混合采样和局部/全局结构信息的聚类集成算法。中科院西安光机所的李学龙研究员等(6)提出了一种基于重赋权判别嵌入的多视图K均值聚类方法，并在最小绝对值残差准则的基础上构建相关学习模型。大连理工大学的XiaotongZhang等(7)提出了两种多任务多视图聚类方法，并分别构筑于二部图划分和非负矩阵多因子乘积表示之上。西北工业大学的韩军伟教授等(8)提出了一个基于双边K均值的快速协同聚类模型。在子空间聚类方面，清华大学的朱军教授等(9)提出了一种贝叶斯非参数子空间聚类方法；中科院自动化所的李琪博士等(10)提出了一种变换不变性子空间聚类方法，赫然研究员等(11)则提出了一种基于信息论的子空间聚类。北京大学的林宙辰教授等(12)提出了基于张量低秩描述和稀疏编码的子空间聚类方法。另外，西安电子科技大学的焦李成教授等(13)提出了一种基于多目标进化算法的稀疏谱聚类方法。
3、人脑对非结构化感知数据的具有超强的学习和理解能力。人脑的神经系统结构与现行的计算机体系结构截然不同。因此，研究“能够模拟人脑神经结构的、认知机理的和类人学习的”新型模式表示、学习与识别的理论与方法策略等，有望从根本上解决非结构化感知数据的高效处理和理解问题。
4、(3)UnderstandingandOvercomingtheChallengesofEfficientTransformer Quantization标题：理解和克服高效Transformer量化的挑战链接：https://arxiv.org/abs/21012948
5、(6)LearningtoSelectivelyLearnforWeakly-supervisedParaphrase Generation标题：学习选择性地学习弱监督释义生成链接：https://arxiv.org/abs/21012457
6、报告人：张亚斌 (指导老师：贾奎)
7、摘要：基于生成对抗网络(GAN)的图像转换方法(例如CycleGAN)很容易在图像迁移过程中发生物体形变的问题，这降低了它们在领域适应等任务上的实用性。通过增加分割网络作为辅助正则化来防止内容失真是一种不错的方法。但是，这些网络需要获取额外的像素级标签才能进行学习，很难应用到实际场景。在本文中，我们提出了一种新颖的不需要任何标注数据的对抗网络(OP-GAN)来解决图像形变的问题。OP-GAN主要包含一个可以在图像迁移过程中保持图像内容一致性的自监督模块和用于图像迁移的生成器/判别器。我们在三个公开的数据集上评估了我们提出来的对抗网络。实验结果表明，我们的OP-GAN可以生成视觉一致的图像，并在不同领域适应场景中显着提高语义分割的准确率。
8、报告人：马里千 (指导老师：吕婧琬、AlexeiA.Efros)
9、sudoapt-getinstalllibssl-devlibssh-devlibidn11-devlibpcre3-devlibgtk0-devlibmysqlclient-devlibpq-devlibsvn-devfirebird1-devlibncp-devhydra
10、印前-多功能集合加强版等5个文件印前-多功能集合加强版等5个文件
11、边佳旺|NeurIPS2019：无监督且尺度一致的深度估计与视觉SLAM
12、然后，复制进来即可：
13、报告人：何静雯、乔宇、董超
14、报告人：谢鑫鹏、沈琳琳
15、工程制图插件v0.2_Win-破解版链接：https://share.weiyun.com/5e161a7密码：ndp9by
16、第四字段：两次修改口令间隔最少的天数；如果设置为0,则禁用此功能；也就是说用户必须经过多少天才能修改其口令；此项功能用处不是太大；默认值是通过/etc/login.defs文件定义中获取，PASS_MIN_DAYS中有定义；
17、另外，国内研究的硬件设施条件接近甚至部分超过国际主流研究机构的条件，国内学者参加国际交流机会日益增加，在国际学术界的显示度也越来越大。同时，在国内开展研究的一个有利条件是国民经济迅速发展所带来的巨大技术需求也有力地促进了本领域专家学者对基础理论、概念和方法的思考与探索。
18、09:50–10:15
19、(2)字典文件。需要提前准备密码字典文件，一个密码一行。如果有针对性的进行破解，可以收集网站的所有密码，进行社工组合和破解。
20、AI快速标注尺寸脚本-v0.12链接：https://share.weiyun.com/5C3TqTN密码：qmz67q
1、 例如root帐号在etc/shadow文件中的表现方式为：
2、#tarzxvfhydra-6-src.tar.gz
3、(4)LinkingHealthNewstoResearchLiterature标题：将健康新闻链接到研究文献
4、ai复黑转单黑脚本链接：https://share.weiyun.com/57AIZ0L密码：xx43fu
5、会议开幕致辞 (赖剑煌 教授)
6、印前制作：保险扣插盖扣底盒拼版4+开工程单+印能捷EVO精炼分色(教学版+原创)
7、(3)Perozzi,Bryan,RamiAl-Rfou,andStevenSkiena."Deepwalk:Onlinelearningofsocialrepresentations."Proceedingsofthe20thACMSIGKDDinternationalconferenceonKnowledgediscoveryanddatamining.20
8、特征提取是高维模式分析的基本工具，是避免维数灾难的重要方法。在特征提取方面，近年来所取得的研究成果十分丰富。浙江大学的何晓飞教授等(14)提出了一种称为A－最优投影(A-OptimalProjection，AOP)的特征选择方法。AOP是一个基于线性回归的学习模型，能找到最优的基函数。这一模型可为图像描述提供新视野和新方法。中科院计算所的山世光研究员和陈熙霖研究员等(15)提出了一种多视角判别分析方法。另外，浙江大学的何晓飞教授等(16)提出了一种局部特征判别投影方法，引入了一种称为可微分散度判别准则来构建子空间学习模型，可适用于大规模局部特征维数缩减。西北工业大学的罗敏楠教授等(17)提出了一种对野点和旋转变换均鲁棒的主成分分析方法。西北工业大学的聂飞平教授等(18)提出了一种基于白化重构的二维主成分分析方法，能够在保持本质特征的同时减少图像像素冗余。西安电子科技大学的高全学教授等(19)提出了一种最优均值二维主成分分析方法。广东工业大学的尹明教授和北京大学的林宙辰教授等(20)提出了一种广义拉普拉斯低秩描述框架，能够较好地捕捉隐含于数据中的本质非线性几何信息。
9、AnAsymmetricModelingforAction Assessment
10、2a：Blowfish，只在有一部分linux分支中使用的加密方法
11、在桌面找到AICC2019的快捷方式，双击启动：
12、
13、图10SMT改写流程示意图
14、(AIDL专栏)操龙兵：非独立同分布学习
15、刘若水 极视角科技 张 艳 极视角科技
16、关于极市平台
17、图像描摹链接：https://share.weiyun.com/5jw79i6
18、10:15–10:40
19、报告人：谢鑫鹏、沈琳琳
20、半/弱/无监督|不确定性(3篇)
1、BERT(3篇)
2、16:10–16:35
3、(2)AutomatedMiningofLeaderboardsforEmpiricalAIResearch标题：面向经验人工智能研究的排行榜自动挖掘链接：https://arxiv.org/abs/21013089
4、#makeinstall
5、John -singleshadow.txt
6、GAN|对抗|攻击|生成相关(9篇)
7、腾讯会议系统登录开放(会议ID另行通知)
8、09:00–09:25
9、打开excel文档，创建若干个sheet页,例如sheet1,a1,a2,a3等。
10、(AIDL专栏)罗杰波:ComputerVision++:TheNextStepTowardsBigAI
11、(1)FQuAD0:FrenchQuestionAnsweringandknowingthatyouknownothing标题：FQuAD0：法语问答，知道自己什么都不知道链接：https://arxiv.org/abs/21013209
12、2020年8月15日
13、(24)Li,Sen,etal."Embedding-basedProductRetrievalinTaobaoSearch."arXivpreprintarXiv:21009297(2021).
14、(10)Gao,Tianyu,XingchengYao,andDanqiChen."SimCSE:SimpleContrastiveLearningofSentenceEmbeddings."arXivpreprintarXiv:21008821(2021).
15、AI自动加页码脚本
16、XingGANforPersonImageGeneration
17、(12)杨扬、佳昊等.美团BERT的探索和实践.
18、17:00-17:10
19、点击下一步，并选择安装路径：
20、
1、(2)“简单”破解模式(SingleCrack)
2、AdobeIllustrator全系列脚本插件
3、注意事项：CC以下的版本支持XP系统，CC以上的版本只支持WIN7或WIN7以上的系统.
4、(11)Johnson,Jeff,MatthijsDouze,andHervéJégou."Billion-scalesimilaritysearchwithgpus."IEEETransactionsonBigData(2019).
5、报告人：何静雯、乔宇、董超
6、组织委员会：