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。小样本学习概念最早在计算机视觉领域兴起，近年来受到广泛关注。本次学术报告讲解一些小样本的基本概念和目前比较主流的基于度量学习的小样本学习方法。
基于度量学习的小样本学习方法介绍-林朝坤原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2020/11/02/%e5%9f%ba%e4%ba%8e%e5%ba%a6%e9%87%8f%e5%ad%a6%e4%b9%a0%e7%9a%84%e5%b0%8f%e6%a0%b7%e6%9c%ac%e5%ad%a6%e4%b9%a0%e6%96%b9%e6%b3%95%e4%bb%8b%e7%bb%8d/
本次报告介绍了Python中数据读取和处理的优化方法，对比了csv、pkl、feather、json等数据存储格式的读写速度与空间占用，分析了各数据格式的具体应用场景，同时引入混合…
本次报告围绕大模型指导的协议模糊测试技术展开，首先阐述了大模型指导的协议模糊测试的基本概念、研究背景和研究意义，然后介绍了传统协议模糊测试方法的特点与优劣势，并介绍了大模型指导的协…
知识图谱补全是知识图谱技术研究热点。以前的知识图谱补全方法需要大量的训练实例，而知识图谱中普便存在“长尾数据”现象，大多关系无法提供大量样本数据。本次学术报告通过将元学习方法思想引…
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…
本报告讲述了cache侧信道攻击与防御基本分类及理论基础，给出了基于冲突和基于访问两类侧信道攻击和反制措施的基本概念，并对介绍基于映射随机化和基于隔离两类防御方法的文献进行了详细介…
2018年初，推测执行攻击Spectre的出现表明，一些软件尽管通过了如模糊测试、符号执行等技术的安全检测，但是在执行过程中，攻击者还是可以通过推测执行窃取重要信息。而且，推测执行…
聚焦大模型生成中“幻觉”问题的原理、检测方法及其创造力价值。内容涵盖AI幻觉的定义与分类、典型案例、LLM-Check与Verify-and-Edit两种前沿算法的原理与实验评估，…
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…
iForest （Isolation Forest）孤立森林 是一个基于Ensemble的快速异常检测方法，具有线性时间复杂度和高精…
