网络嵌入（Network Embedding）是针对网络中节点进行特征学习的一项新兴的研究任务，它旨在将网络中的节点表示成低维、实值、稠密的向量形式，使得得到的向量形式可以在向量空间中具有表示以及推理的能力，从而运用到社交网络中常见的应用中，如节点分类、链接预测等。本次学术报告主要讲述基于霍克斯工程的时序网络嵌入的算法模型。
时序网络嵌入方法研究-李新帅原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2020/11/16/%e6%97%b6%e5%ba%8f%e7%bd%91%e7%bb%9c%e5%b5%8c%e5%85%a5%e6%96%b9%e6%b3%95%e4%bb%8b%e7%bb%8d/
走近特定音频识别（之一）——让计算机分辨出“这是什么声音” 走进特定音频识别（之二）——计算机是靠什么来分辨声音种类的？ 走进特定音频识别（之三）——检索 Vs 识别 走近特定音频…
当深度学习以惊人的准确性执行各种各样任务的同时，在图像分类等领域的深度神经网络却容易受到对抗样本的攻击，从而输出错误的预测结果。本次学术报告首先说明了对抗攻防的主要方法分类和残差网…
机器学习在现实中常常遇到多分类问题，而一些优秀的二分类学习算法（如逻辑回归，SVM等等）不支持多分类任务。一…
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…
上篇文章介绍了“识别”和“检索”的区别和关系，从这篇开始，我们将从更近的距离接触特定音频识别，本文将向大家介绍特定音频识别系统的基本构成。 一个典型的特定音频识别系统的原理…
深度学习（DL）在图像分类、语音识别等领域达到或超过了人类水平的性能，且被广泛应用于安全关键领域中（自动驾驶、恶意软件检测等）。然而一些原因（如训练数据偏差、模型过拟合或欠拟合），…
围绕图像对抗样本攻防这一核心主题，介绍以 Block Shuffle & Rotation（BSR） 为代表的迁移攻击增强策略，以及以 Delta Data Augment…
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。本次报告带大家了解图神经网络的可…
随着对抗样本的危险性日益凸显，提高模型的鲁棒性成为研究的主要方向之一，然而，在评估鲁棒性方面还没有统一的标准，使得不同的防御方法之间对比存在很大的困难。
研究提示词窃取攻击，揭示了提示词面临的泄露风险。本次学术报告介绍了提示词的应用价值和市场体量，讲述了关于提示词窃取攻击的最新方法，指明了现有的缺陷和未来发展方向。
