本文基于公开小数据集 `SMS Spam Collection`，复现无源码论文的深度学习实验流程，完成了数据处理、`CNN/LSTM/GRU` 模型训练、多随机种子结果对比及图表整理，适合作为论文复现、课程作业和科研入门的参考资料。

本文基于 UCI HAR Dataset 复现一篇无官方源码的人体行为识别论文，完成了数据接入、CNN baseline 与 ConvBLSTM-PMwA 实现，并补充了多随机种子结果。过程中也解决了小文件 I/O 和 torch 共享内存限制等工程问题，适合作为时序深度学习论文复现参考。

本文介绍了WTConv模块，它通过小波分解和多频段卷积操作解决传统卷积感受野不足的问题。WTConv的核心思想是将特征图分解为不同频段（LL、LH、HL、HH），在各子带分别进行轻量卷积后再重构，从而在不显著增加参数量的情况下扩大有效感受野。该模块可无缝替换现有网络中的depthwise卷积层，实验显示1-3层小波分解可分别将5x5卷积的感受野扩展至10-40范围。文章还提供了简化版实现代码，展示

这篇文章为计算机科研新手提供了系统性的论文查找与方向指引，主要解决三个核心问题：如何按方向查找顶会论文、常用论文入口资源以及近年热门研究方向推荐。文章首先列举了OpenReview、PMLR、ACL Anthology等10个高频使用的论文检索平台，覆盖AI、CV、NLP、系统、安全等方向。随后按研究方向分类整理了主流顶会信息，包括： AI/ML领域：NeurIPS、ICML、ICLR等机器学习核

摘要： CVPR 2025的LSNet提出了一种新颖的轻量视觉模型设计范式，其核心LS Convolution通过将空间建模拆分为“See Large”（广域感知）和“Focus Small”（局部聚合）两个分工明确的阶段，解决了轻量网络中空间范围与局部精度的矛盾。与传统混合职责的模块不同，LS Convolution先以大尺度捕捉上下文结构，再以小尺度精细化聚合，形成更高效的空间混合闭环。该设计

这篇文章记录的是一次比较完整的近两年论文复现实践。目标论文是 `Analysis of Frequency Domain Features for the Classification of Evoked Emotions Using EEG Signals`，数据集使用 `EEG Emotion Recognition Dataset_GU`。论文主线不是端到端深度学习，而是 `EEG 预处理

这篇文章记录的是一次 `Fashion-MNIST + ViT` 的无源码论文复现实践。目标论文是 `Enhancing Fashion Classification with Vision Transformer (ViT) and Developing Recommendation Fashion Systems Using DINOv2`，但当前只聚焦其中的分类分支。和上一条 `MCNN15

这次我用公开小型图像数据集 `Fashion-MNIST`，做了一条无源码论文复现线，目标是 `MCNN15`。从数据接入、`CNN baseline`、目标模型实现，到多 seed、延长训练和小 batch 补充实验，我完整走了一遍图像论文工程复现流程。结果说明 `MCNN15` 已经跑通，但在当前实现和训练设置下，还没有稳定优于简单 `CNN`。