学术报告

  • 模型无关元学习

    元学习是人工智能领域继深度学习、深度强化学习、生成对抗之后,又一个重要的研究分支。模型无关元学(MAML)算法可以适用于多个领域,包括少样本的回归、图像分类,以及增强学习,并且使用更少的参数量达到了当时(2017年)最先进的专注于少样本分类领域的网络的准确率。本次报告首先讲述了元学习的基本概念,着重介绍了模型无关元学习算法的算法原理,以及它在回归问题和分类问…

    2020 年 3 月 9 日 131 0
  • 半监督学习研究综述

    半监督学习(Semi-Supervised Learning,SSL)是模式识别和机器学习领域研究的重点问题,是监督学习与无监督学习相结合的一种学习方法。本次报告首先讲述了半监督学习的基本概念,着重介绍了关于半监督学习一些经典的研究方法和重要的算法举例;最后介绍了目前稍新颖的基于生成式对抗网络的半监督学习方案以及未来可以进行的工作和研究方向。

    2020 年 3 月 3 日 106 0
  • 使用Python进行并发编程

    本次报告首先介绍了线程、进程的概念,由此讲解操作系统中实现并发编程的三种方式,着重介绍了Python语言下多线程、多进程、协程的编程方法,并结合开发实际,给出了在线程、进程、协程之间的选择模式。最后,介绍了高并发的概念,讲述了web开发过程中解决高并发问题一些方案。

    2020 年 2 月 27 日 126 0
  • 基于深度学习的源代码漏洞挖掘

    安全漏洞的数量和复杂程度与日俱增,导致漏洞挖掘的成本也在不断升高。而近年对深度学习的研究使得机器具有分析学习能力,如何将深度学习算法应用漏洞挖掘技术成为研究热点。本次报告首先介绍了两种常见的漏洞类型:缓冲区错误和资源管理错误,然后梳理了漏洞挖掘相关技术。最后,详细阐述了两种将深度学习算法应用于源代码漏洞挖掘任务的工作内容,并进行了纵向和横向对比分析。

    2020 年 2 月 27 日 183 0
  • 使用远程服务器搭建深度学习开发环境

    本次报告首先讲解了虚拟化技术的原理和使用方式,结合多种虚拟化方式的特点,介绍了实验室内部的选择和使用情况。之后以实验室常用的系统为例,讲解了使用远程服务器搭建深度学习开发环境的过程,并给出了一些使用时的注意事项。

    2020 年 2 月 27 日 209 0
  • Web快速开发方法简介

    本次报告先介绍了五种Web开发模式,讲解了各种开发模式的结构和优缺点,并结合实验室内部情况对合适的开发模式进行了推荐。之后简单介绍了Django、Flask、CherryPy这三个Web开发框架。

    2020 年 1 月 13 日 175 0
  • 浅谈TCP/IP协议栈

    本次报告从TCP/IP四层模型出发,讲解了分层模型的原理和意义,并系统地从底层到顶层分别讲解了数据链路层、传输层和网络层这三层的主要协议和这些协议的实现原理。通过此次学术报告可以清除地了解TCP/IP体系下数据传输的具体过程,对有网络编程需求的同学来说很有帮助。

    2020 年 1 月 12 日 171 0
  • 如何优雅地阅读和复用代码

    面对大型软件项目,如何准确、快速地找到目标代码的位置将会极大地加速我们的二次开发。本次报告以GUI程序为例介绍了软件源码查找、修改和使用的一般流程。对初学者的软件项目开发工作大有裨益。

    2020 年 1 月 2 日 126 0