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本原理和应用（规则提取、LIME和SHAP）。
机器学习常用的可解释方法-慕星星原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2020/10/25/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e5%b8%b8%e7%94%a8%e7%9a%84%e5%8f%af%e8%a7%a3%e9%87%8a%e6%96%b9%e6%b3%95/
Batch Normalization（BN）自从提出之后，因为效果特别好，很快被作为深度学习的标准工具应用在了各种场合。BN大法虽然好，但是也存在一些局限和问题，诸如当Batch…
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…
动态规划是用来解决多阶段决策过程最优化问题的一种方法，它的适用问题一般需要具备2个要素ー最优子结构与重叠子问…
着大数据和人工智能技术的飞速发展，知识图谱已成为表示和存储结构化知识的重要工具，其中时序知识图谱则进一步强调了事件随时间演变的重要性。本次学术报告致力于讲解时序知识图谱推理方法，重…
近年来，基于机器学习的算法在恶意流量检测领域中越来越流行，但此类算法通常使用浅层模型，在训练之前需要一组专家手工制作的特征来预处理数据。此类方法的主要问题是，在不同类型的场景下，手…
关联规则分析是以中基于规则的机器学习算法，也是一种用于知识发现的算法。可以在大数据中发现感兴趣的关系，目的是…
本次学术报告介绍Web及其两种基本开发方式前后端分离和前后端不分离，然后针对pythonWeb开发中适合初学者且较为稳定的Django 展开介绍，内容主要包括Django基本开发模…
本报告介绍了深度学习后门攻击及其检测的基本概念、类型划分等背景知识，对2种基于主动策略的后门攻击检测算法进行了具体说明，阐述了对于深度学习后门攻击检测的发展趋势和未来前景。
聚焦联邦学习与联邦图学习场景下的后门攻击检测与防御，概述分布式隐私保护训练中的隐蔽后门风险、Non-IID数据异构挑战与现有防御方法局限；重点介绍FedID基于曼哈顿距离、欧氏距离…
本次报告介绍了用户画像建模的相关基本概念，以及用于短文本处理的用户画像构建LDA-RCC组合模型。基本概念包过用户画像的作用、构建过程、分类等。LDA-RCC组合模型解决了传统文本…
