深度模型可解释性一直是业界关注的问题。报告介绍了一种新颖的深度学习可解释性方法——树正则化。通过在深度模型训练过程中，通过树正则化的方法构造模拟决策树实现对神经网络的解释。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/03/26/%e6%b7%b1%e5%ba%a6%e6%a8%a1%e5%9e%8b%e5%8f%af%e8%a7%a3%e9%87%8a%e6%96%b9%e6%b3%95/
HTTPS浅析
上一篇
2018年3月18日
Android消息机制
下一篇
2018年4月3日
相关推荐
-
网络爬虫技术介绍
网络爬虫，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，它们被广泛用于互联网搜索引擎或其他类似网…
-
群体认知诊断技术研究
智慧教育系统的不断发展促进了在线学习的用户数量爆炸式增长，对于学生认知水平诊断要求不断提高，群体认知诊断技术能够帮助平台挖掘学习群体的共性需求，增进教学效果。本次学术报告介绍了群体…
-
大模型也不安全-小心信息被泄露
研究大模型隐私泄露攻击，揭示了大模型面临的隐私信息泄露风险。本次学术报告介绍了大模型的应用价值和市场体量，讲述了关于大模型隐私泄露攻击的最新方法，指明了现有的缺陷和未来发展方向。
-
爬虫中的攻与防
爬虫技术是获取数据的利器，它避免了繁琐又低效的人工数据搜集。爬虫带来获取数据极大便利的同时，也催生了反爬技术的发展。学术报告以反爬措施以及对抗反爬的手段作为议题，详细介绍了5类反爬…
-
词向量计算——word2vec算法理解
魏超2014.11.2
-
Automated Machine Learning
机器学习是件很复杂的事情，在机器学习向更多领域扩展的时候，遇到了机器学习专家这一资源的限制。自动机器学习（A…
-
深度神经网络模型窃取检测
本报告介绍了深度神经网络模型窃取检测的三种方法，从算法思想，实验结果，算法分析三个角度对已有算法进行贯穿式总结，阐述了模型窃取检测领域的难点，提升对模型安全领域问题的认识
-
图神经网络可解释方法
图神经网络模型的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，为了安全、可信地部署图神经网络模型，需要提高图神经网络模型的可解释性和透明性。本次报告带大家了解图神经网络的可…
-
基于度量学习的小样本学习方法介绍
Few-shot learning (FSL)的含义是得到从少量样本中学习和概括的能力，它希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习。…
-
DNN模型水印及其鲁棒性评估
模型水印技术是一种利用特定信息认证保护模型知识产权的方法。本次报告分析了深度学习领域现有的模型水印嵌入方法，从性能鲁棒性和稳定鲁棒性两方面讲述模型水印鲁棒性评估方法，并以实例分析和…
