协同训练是一种多视角学习方法，当数据充分时，在具有这种特征的数据集的任何一个视图上均可以利用一定的机器学习算法训练出一个强分类器。但是大量数据都是无标记的情况下，无法训练出一个强泛化能力的分类器，因此针对这个问题，本次学术报告为大家介绍了协同训练。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/01/07/%e5%8d%8f%e5%90%8c%e8%ae%ad%e7%bb%83/
自步学习
上一篇
2018年1月2日
深度学习优化算法概述
下一篇
2018年1月22日
相关推荐
-
污点分析及其关键技术
目前针对二进制漏洞挖掘主要有三个研究方向：符号执行、污点分析和模糊测试。本次报告首先介绍了污点分析的三个重要…
-
扩散模型的后门攻击研究
文本-图像生成模型在当今生活中有广泛应用，最新研究表明，这类多模态的生成模型也面临着安全风险，例如对抗样本攻击、成员推理攻击和后门攻击等。本次学术报告介绍了文本-图像生成模型最新的…
-
机器学习常用的可解释方法
可解释性对于建立用户与决策模型之间的信任关系至关重要，提高机器学习模型的可解释性和透明性是机器学习在现实任务中进一步发展和应用的关键。本次报告带大家了解机器学习常用的可解释方法的基…
-
APT攻击行为表示
本报告介绍了APT攻击行为的基本概念，展示了APT攻击行为表示的方法原理，并分别讲述了面向恶意流量数据场景下的攻击行为检测技术和面向开源威胁情报场景下的攻击行为提取方法，最后简要梳…
-
使用远程服务器搭建深度学习开发环境
本次报告首先讲解了虚拟化技术的原理和使用方式，结合多种虚拟化方式的特点，介绍了实验室内部的选择和使用情况。之后以实验室常用的系统为例，讲解了使用远程服务器搭建深度学习开发环境的过程…
-
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…
-
多人协作利器Git
详细介绍Git的原理、初级和进阶用法
-
高准确率的鲁棒加密恶意流量实时检测方法
本报告讲述了加密恶意流量检测领域基本概念，通过详细介绍基于频域分析的实时鲁棒恶意流量检测和基于自适应聚类的网络边缘恶意流量分类方法，启发思考通过统计聚类分析来提升加密恶意流量检测算…
-
Wireless Traffic Dataset for Krack and Kr00k Attacks in WPA2
This report centers on the “Wireless Traffic Dataset for KRACK and Kr00k Attacks in …
