@dicalab
DICALab 暂无简介
Cerebellum parcellation based on naturalistic paradigm fMRI.
基于连续空间修改的问句数据增广算法，可以生成上下文相关的可回答问句和不可回答问句作为增广数据
基于新闻中不同的关键词短语，生成多样化的新闻标题
基于未来N元组预测的文本生成预训练语言模型
基于连续空间修改的文本属性控制算法，可以对多种文本细粒度属性进行控制，如情感，长度，关键词等
一种基于梯度搜索思想的迭代式文本填空推理算法，可用于主流单向生成模型完成填空任务。
基于正则化的方法来缓解文本变分自编码器的模型训练坍塌问题。
四川大学科研项目 "Communication-Efficient Federated Learning with Compensated Overlap-FedAvg" 官方代码实现，发表在 TPDS 2021 上
