吕英
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2015/01/28/%e9%9f%b3%e9%a2%91%e4%ba%8b%e4%bb%b6%e8%af%86%e5%88%ab%e4%bf%a1%e9%81%93%e8%87%aa%e9%80%82%e5%ba%94%e6%96%b9%e6%b3%95%e7%a0%94%e7%a9%b6-3/
音频事件识别参数优化方法
上一篇
2015年1月28日 下午4:00
动态规划算法简介
下一篇
2015年1月29日
相关推荐
-
面向数据异构与通信高效的联邦大模型优化与应用研究
联邦大模型将联邦学习与大语言模型相结合，遵循“数据不动、模型动”的原则，在无需集中原始数据的前提下，共同训练与优化大模型。该技术能有效破解数据孤岛，为医疗、教育等领域提供隐私安全的…
-
强化学习中的信用分配
本报告围绕强化学习中的“信用分配”难题，系统梳理了延迟/稀疏奖励场景下如何精准识别关键动作的研究脉络， 介绍LaRe与VinePPO两项新工作 ，分别利用大模型先验与无偏采样提升奖…
-
多元时间序列异常检测方法研究
异常检测是时间序列分析中必不可少的任务，判断数据是否符合正态数据分布，不符合的部分称为异常。及时发出异常可以使系统维护人员主动进行维护，从而在欺诈检测、入侵检测和能源管理等实际应用…
-
源代码变更表征
本次报告介绍了源代码变更表征领域，其属于源代码表征领域的进一步研究工作，报告首先介绍领域研究目标、背景意义、发展脉络与基础框架，梳理显式与隐式信息交互两类代码变更表示学习方法；随后…
-
图嵌入-GraphSAGE
现在大多数方法都是直推式学习， 不能直接泛化到未知节点。这些方法是在一个固定的图上直接学习每个节点embedding，但是大多情况图是会演化的，当网络结构改变以及新节点的出现，直推…
-
联邦学习的后门防御方法
本报告介绍了联邦学习领域后门攻击与防御的基本概念、联邦学习的训练流程，分别聚合规则和聚类规则的后门防御算法进行具体说明，阐述了联邦学习领域后门攻击与防御的发展方向及个人思考。
-
App个人隐私安全检测技术
本报告主要介绍了隐私数据类型，以及基本的隐私风险检测方法。第一篇论文侧重于分析APP整体的隐私数据泄露，并根据隐私泄露的风险程度给相应的App进行风险评级；第二篇侧重于研究APP中…
-
无监督关键词提取方法介绍
关键词提取技术是通过计算机程序从文档中自动提取重要性和主题性的词或短语的自动化技术，该技术在图书馆学、情报学和自然语言处理等领域应用广泛。目前关键词提取技术主要分为无监督和有监督这…
-
利用差分隐私噪声扰动的单词替换方法
在机器学习（ML）和人工智能（AI）时代，保护隐私的数据分析至关重要，在这个时代，一个可用性强的数据集可以提供比优化算法更高的收益。然而现有机制无法提供足够的隐私保障阻碍了自然语言…
-
高斯混合模型及求解算法
高斯混合模型（Gaussian mixture model，GMM）用于对样本的概率密度分布进行估计，而估计…
