韩磊
2014/12/25
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2014/12/19/%e5%b8%b8%e7%94%a8%e8%b7%9d%e7%a6%bb%e8%ae%a1%e7%ae%97%e6%96%b9%e6%b3%95/
EM算法的应用——GMM的参数估计
上一篇
2014年12月11日 下午7:25
Android进程注入
下一篇
2015年1月5日
相关推荐
-
网络安全态势感知
随着网络技术的飞速发展，其安全问题日益突出。虽然已经采取了多种网络安全防护措施，但是单一的安全防护措施没有综合考虑各种防护措施之间的关联性，无法从宏观角度评估网络安全性。网络安全态…
-
基于视觉直觉的源代码表征
源代码表征是软件工程中的一个重要研究领域，主要关注如何有效地将源代码转化为可以支持各种软件工程任务（如代码搜索、克隆检测、代码自动生成等）的数学模型或数据结构。这些表征通常需要捕获…
-
Android第三方库检测
本次报告主要讲述了Android第三方库检测的相关内容。介绍了第三方库的基本概念和相关研究，解释了第三方库检测的基本方法，详细讲解其中的相似性对比方法，主要针对库检测和库版本识别进…
-
深度学习系统安全性测试及测试样本优先级排序
深度学习在近十年取得了长足发展。由于其在复杂领域表现出优异的性能，逐渐被集成到软件体系中形成深度学习系统。这一方面推动了深度学习的发展，另一方面也对深度学习的安全性提出了巨大挑战：…
-
深度神经网络鲁棒性评估方法
深度学习模型具有高度非线性和特征空间抽象等特性，内部决策逻辑难以解释，导致其实际应用严重受限。本次报告从深度神经网络可解释性的基本概念出发，对常见的解释方法进行简介，并介绍了一篇将…
-
流式数据漂移应对方法
该报告针对流式数据中的概念漂移问题，提出了两种应对方法：PUDD利用预测不确定性实现早期漂移检测，比传统错误率更敏感；CALIPER在漂移发生后基于数据自身判断何时累积足够数据以触…
-
归一化流在表格数据生成中的应用
归一化流（Normalizing Flows）是一类生成模型，它利用一系列可逆变换将简单分布映射为复杂数据分布，具有精确计算概率密度的能力。在表格数据生成领域，归一化流的应用对于理…
-
内存分段和常见段错误
段错误（segmentation fault）是我们在Linux下编程以及在线提交代码常见的错误。本次学术报…
-
超参数优化
本次报告介绍了超参数的概念和对模型的影响，解释了超参数与模型参数的区别，详细讲解了网格搜索、随机搜索、贝叶斯优化三种优化方法，分析其使用场景及优缺点，最后列举了三种实用的开源调优工…
-
基于深度学习的源代码漏洞挖掘
安全漏洞的数量和复杂程度与日俱增，导致漏洞挖掘的成本也在不断升高。而近年对深度学习的研究使得机器具有分析学习能力，如何将深度学习算法应用漏洞挖掘技术成为研究热点。本次报告首先介绍了…
