贝叶斯网络又称信度网络，是Bayes方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。从1988年由Pearl提出后，已经成为近几年来研究的热点.。
贝叶斯网络-苏霞原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2020/06/21/%e8%b4%9d%e5%8f%b6%e6%96%af%e7%bd%91%e7%bb%9c/
研究生获奖
上一篇
2020年6月18日
ISCC2020赛区负责人联系方式公告
下一篇
2020年6月22日
相关推荐
-
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…
-
视频深度伪造及检测技术——攻与防
摘要：本报告介绍了视频深度伪造的基本算法，针对算法中存在的3个问题，重点讲述了在小样本条件下的域迁移学习生成伪造视频，并通过攻防对抗的概念引出了伪造视频检测算法，阐明针对伪造视频中…
-
Boosting Methods
集成学习是机器学习领域中提升单一模型学习效果的典型方法，而Boosting则是集成学习中常用且效果良好的算法之一。通过将Weak learner巧妙地组合成Strong lea…
-
图神经网络的反事实解释方法
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。本次报告为大家介绍图神经网络反事…
-
Android自定义权限及其设计缺陷
本次报告主要讲述了Android权限机制和自定义权限的相关内容。介绍了权限机制和自定义权限的基本概念，解释了权限升级漏洞的基本概念，并详细讲解了发现此类漏洞的模式测试方法，最后思考…
-
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…
-
对抗式多任务学习
对抗式多任务学习是针对普通的多任务学习模型在共享特征提取时，可能会被特定任务的特定特征所污染的问题所提出的，…
-
基于知识库的命名实体识别
基于统计的命名实体识别方法根据特征的获取方式，有神经网络和特征工程两个研究方向，实践表明来自知识库的词典特征…
-
预训练加密流量表征方法-巩锟
本次报告从BERT框架入手，讲解基于预训练的加密流量表征方法。首先介绍加密流量分析的问题和挑战，在基本概念部分着重分析BERT输入表示、预训练过程中的MLM和NSP任务，然后以ET…
-
认知诊断前沿探索
认知诊断是研究学习者学习行为，分析挖掘基于这些行为的认知状态的方法。知识认知诊断的前沿方法旨在通过准确预测学习者的表现和深入分析其认知能力，推动个性化学习体验的优化。这一方法为教育…
