生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关于GAN的原理、优缺点和应用场景，并介绍基于GAN的表格数据生成算法：CTGAN。
基于GAN的表格数据生成-李班原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2020/10/12/%e5%9f%ba%e4%ba%8egan%e7%9a%84%e8%a1%a8%e6%a0%bc%e6%95%b0%e6%8d%ae%e7%94%9f%e6%88%90/
针对神经网络模型的缺陷测试使用了神经元覆盖率指标指导测试，这是一种从软件测试领域迁移的概念，指的是测试激活的神经元越多，测试越充分。但是近年来这种测试方法的有效性存疑，特别是测试生…
联邦学习在保证数据安全和隐私的情况下解决了数据孤岛和数据碎片化问题，主要分为横向联邦学习、纵向联邦学习和联邦迁移学习。本次学术报告首先介绍联邦学习的历史现状、分类及应用场景，然后通…
数据挖掘项目实战，主要以kaggle竞赛平台Titanic生存预测为例详细讲解数据挖掘项目的工作流程，具体包…
机器学习，尤其是神经网络，已广泛部署在行业环境中，模型通常被部署为预测服务。但是，具有对模型的查询访问权的对手可以窃取该模型以获得与远程目标模型基本一致的替代模型，这就是模型窃取攻…
本报告围绕“数据集不平衡程度评估”展开，聚焦于如何科学量化多类数据中的结构性不平衡问题，突破传统以样本比例为核心的评估局限。报告系统回顾了不平衡评估的发展脉络，分析了现有方法在面对…
一、 什么是频繁项集项集是指事项的集合，而频繁项集就是频繁出现在数据集中的项集，说白了就在数据集中“出现次数足够多”的项集。其中，项集的出现频度是指包含项集的事务的数量，简称为项集…
本次报告主要讲述了加密移动流量分析方法的相关内容，介绍了加密移动流量与普通流量的区别，流量分析的常用方法。解释了判断加密移动流量所属应用程序的分析方法，最后思考模糊流量对加密移动流…
人类正在经历着由深度学习技术推动的人工智能浪潮，它为人类生产和生活带来了巨大的技术革新。然而，以往的机器学习理论大多没有考虑开放甚至对抗的系统运行环境，逐渐暴露出了许多安全和隐私问…
自步学习（Self-paced Learning）是一种先学习简单样本，后学习复杂样本的迭代算法。它具有很好的健壮性，主要被应用于图…
