本次学术报告介绍了集成学习和在线学习基本思想，对离线bagging（装袋）和离线boosting（提升）的基本原理进行了简单回顾，并详细介绍了在线bagging和在线boosting的算法原理。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2019/07/01/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-%e5%9c%a8%e7%ba%bf%e9%9b%86%e6%88%90%e5%ad%a6%e4%b9%a0/
本次学术报告介绍了深度域适应方法的基本概念，以三种无监督域适应基本算法为例，简要梳理了域适应方法的发展脉络。通过分析半监督域适应方法论文，详细讲解了半监督域适应方法的基本原理。最后…
本报告讲述了系统日志数据异常检测的基本框架，介绍了日志解析和迁移学习的基本概念和方法。通过分析日志数据特点和现有的基于深度学习的日志异常检测方法，详细讲解了两种基于迁移学习的日志异…
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…
本报告介绍了跨语言过程调用的基本概念，展示了基于socket、http通信和rpc框架等三种方法的网络通信式过程调用的原理，梳理了基于ctypes和pybind11等两种方法的链接…
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。
联邦学习（Federated Learning）在2016年由谷歌最先提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或…
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…
本报告主要介绍属性缺失异质图神经网络，探讨了异质图研究领域的发展历程，详细介绍了属性缺失异质图的基本概念、常用处理方法以及两种前沿的属性补全异质图神经网络。
本次学术报告探讨模型窃取防御方法，重点介绍两种前沿防御方案。ModelShield采用自适应鲁棒水印技术，通过查询响应分布自动注入水印，实现被动溯源与版权验证；QUEEN则基于查询…
人工智能技术在决策系统等领域发挥了重要作用。用于模型训练的数据集中含有显示或者隐式的敏感属性，模型往往会利用敏感属性的特征做出决策，导致人工智能模型在公平性方面出现偏差，产生严重的…
