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
-
深度生成模型
近年，机器学习已经在计算机视觉、语音识别、语音合成以及自然语言处理（NLP）领域取得了突破性成果，在机器翻译和情感计算中展现的能力也颇令人期待。 其中机器学习方法可以分为生成方法（…
-
数据挖掘
Bias-Variance trade-off 启发式参数优化算法举例 参数寻优：梯度下降/牛顿下降法 追根溯源 频繁项集算法分析 并查集算法及其在约束传递中的应用 Floyd解决…
-
机器学习中的非凸优化
机器学习模型可化简为求解一个目标函数/损失函数的最优化问题，根据优化目标及约束的不同，可划分为凸优化（Con…
-
基于深度学习的二进制软件漏洞挖掘
CVE年度统计结果表明，2018年披露的漏洞数量超过16500，创历史新高。漏洞的数量和复杂程度与日俱增，导致传统二进制漏洞自动化挖掘技术的成本也在不断升高。为迎接这些挑战，研究人…
-
深度学习中的Normalization
Batch Normalization（BN）自从提出之后，因为效果特别好，很快被作为深度学习的标准工具应用在了各种场合。BN大法虽然好，但是也存在一些局限和问题，诸如当Batch…
-
层次多标签文本分类方法
随着互联网技术的高速发展和数据规模的快速增长，层次多标签分类应用场景越来越多，如文献组织、新闻标注、蛋白质功能分类等。层次多标签文本分类是多标签分类下的子任务，标记每个给定文本与最…
-
Web应用漏洞挖掘技术研究
该报告系统探讨了基于黑盒扫描的Web应用漏洞挖掘技术。报告重点分析了两项前沿工作：YuraScanner利用大语言模型（LLM）理解网站功能并自主执行任务流，以探索传统扫描器难以触…
-
文本生成大模型后门攻击研究
研究文本生成大模型的后门攻击，揭示了现有文本大模型的后门风险。本次学术报告详细介绍了现有文本生成模型的后门分类方法以及基准数据集，在文本大模型的多个下游任务实现了后门攻击，并总结了…
-
简述对抗样本检测方法
对抗样本会的存在严重威胁到机器学习模型的输出准确性。目前最常用的对抗样本生成方法是FGSM，其通过在沿着损失…
