原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2014/10/22/%e7%ae%80%e8%a6%81%e8%ae%a8%e8%ae%ba%e6%95%b0%e6%8d%ae%e4%b8%8d%e5%b9%b3%e8%a1%a1%ef%bc%88%e4%ba%8c%ef%bc%89/
简要讨论数据不平衡（一）
上一篇
2014年10月22日
降维算法（一）—— PCA
下一篇
2014年10月22日
相关推荐
-
基于图的课程推荐方法
课程推荐在人机协同、个性化学习平台等智能教育系统中具有重要价值，显著提升了模型对用户兴趣动态变化的建模能力与推荐效果。本次报告将介绍课程推荐任务，分析其研究背景与应用意义，并重点讲…
-
缓解多模态大语言模型的幻觉问题
该研究针对多模态大语言模型生成内容与输入信息不符的“幻觉”问题，提出两种缓解方法：OPERA在推理阶段通过惩罚过信任与回溯重分配机制减少幻觉；HACL在训练阶段引入幻觉文本作为困难…
-
神经网络模型的覆盖测试
人工智能系统在近年来取得丰硕的成果，其中神经网络在自动驾驶领域等图像处理方向应用较为广泛。但是神经网络存在安全隐患，容易受到攻击导致决策错误，比如对抗样本攻击和后门攻击。如何测试神…
-
源代码漏洞检测
本次学术报告对实验室以往在源代码漏洞检测方向的积累做一个总结，展望未来的发展方向，从技术和应用两个视角审查当前源代码漏洞检测面临的问题。进一步从泛化性、细粒度漏洞检测两个方面进行论…
-
对抗环境下的鲁棒机器学习
对抗样本的存在表明现代神经网络是相当脆弱的。为解决这一问题，研究者相继提出了许多方法，其中使用对抗样本进行训练被认为是至今最有效的方法之一。 然而，经过对抗训练后神经网络对于正常样…
-
& Unsorted bin attack
简单介绍了堆的管理与分配，主要讲述了堆上两种典型的攻击方式，即fast bin attack 和 Unsor…
-
反序列化漏洞简介
反序列化漏洞是指在服务端过滤不严格的情况下，攻击者通过构造恶意序列化结果，使服务端在反序列化过程中执行恶意代…
-
Boosting Methods
集成学习是机器学习领域中提升单一模型学习效果的典型方法，而Boosting则是集成学习中常用且效果良好的算法之一。通过将Weak learner巧妙地组合成Strong lea…
-
代码变更表示学习及其应用研究
代码变更指对软件源代码的增加，删除，修改。软件项目的代码库可以视为一系列代码变更的有序组合，因此代码变更对理解代码库和分析软件演化过程十分重要。代码变更表示学习旨在将代码变更表示为…
-
缺乏先验知识条件下的模型窃取方法
随着机器学习的快速发展，图像分类、恶意软件识别等多个领域都通过建立机器学习模型解决相应的问题。但由于一些训练出的模型可能涉及训练数据的隐私信息与模型的商业价值，所以其安全性一直备受…
