原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2014/10/22/%e7%ae%80%e8%a6%81%e8%ae%a8%e8%ae%ba%e6%95%b0%e6%8d%ae%e4%b8%8d%e5%b9%b3%e8%a1%a1%ef%bc%88%e4%b8%80%ef%bc%89/
Android安全体系结构简介
上一篇
2014年10月21日
简要讨论数据不平衡（二）
下一篇
2014年10月22日
相关推荐
-
关系抽取之远程监督
远程监督方法用于关系抽取任务，会给数据集带来噪声样本，为此，本文介绍了两种基于多示例学习的去噪方法，能够有效的去除训练集中存在的噪声样本。
-
基于图的课程推荐方法
课程推荐在人机协同、个性化学习平台等智能教育系统中具有重要价值，显著提升了模型对用户兴趣动态变化的建模能力与推荐效果。本次报告将介绍课程推荐任务，分析其研究背景与应用意义，并重点讲…
-
代码变更表示学习技术
代码变更表示学习技术通常将代码变更进行结构化或序列化的中间表示，并将中间表示输入到表示学习模型以获取代码变更中更细粒度的特征，是众多软件工程任务的重要环节之一。本次报告介绍了2类任…
-
协议模糊测试方法
本次报告围绕协议模糊测试方法展开，从提升协议模糊测试效率和有效性上考虑，要满足以下三个层面内容：1、数据生成角度：生成的测试用例要符合协议规范；2、数据传输角度：生成的测试用例能够…
-
网络表示学习GraphGAN
网络表示学习（Network Representation Learning），又名网络嵌入（Network Embedding）、图嵌入（Graph Embedding），旨在从…
-
时序知识图谱推理
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…
-
表格数据生成：GAN模型的演进与未来
表格数据生成能为深度学习扩充不平衡数据，同时也能避免隐私问题，研究如何生成高保真表格数据具有重要意义。本次报告分析了各个生成模型的优劣，以及GAN在表格数据领域的创新思路。
-
机器学习中的凸优化
机器学习模型一般可化简为求解一个目标函数/损失函数的最优化问题，根据优化目标及约束的不同，可划分为凸优化（C…
-
案件文本分析
案件文本分析包含多个子任务，比如罪名、刑期、法条裁决、相似案例匹配、Q&A等。人工智能在法律中的应用，其目标是充分提升法治效能，将法律工作者从繁杂的工作中解放出来。本次学术…
-
深度神经网络中的对抗样本攻防
2013年以来深度的神经网络模型在各方面得到了广泛应用，甚至在某些方面达到可以匹配人类的性能，用于“欺骗”神…
