admin
-
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），旨在从网络数据中学习得到网络中每个节点的低维、实值、稠密的向量表示, 之后这些节点表示就可以作为节点的特征应用于后续的网络应用任务中，如节点分类、链接预测、社区发现、可视化任务等。本次报…
-
深度学习中的Normalization
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BatchSize太小时效果不佳、对RNN等动态网络无法有效应用BN等。针对BN的问题，最近两年又陆续有基于BN思想的很多改进Normalization模型被提出。BN是深度学习进展中里程碑…
-
DEEP-GAUSSIAN-MIXTURE-MODEL
近年来，尽管针对监督任务的深度模型取得了巨大成功，但机器学习和统计学界对深度聚类方 法的研究有限。在这次学术报告中，我们将讨论深度高斯混合聚类，一个由经典高斯混合模型推广而来 的强大的多层模型。
-
预训练在NLP的发展
自从深度学习火起来后，预训练过程就是做图像或者视频领域的一种比较常规的做法，有比较长的历史了，而且这种做法很有效，能明显促进应用的效果。那预训练在自然语言处理中优势怎样发展起来的呢？这里主要讲一下预训练这件事情在解决什么问题，用的是怎样的思路和方式，然后比较简单地介绍一下目前使用比较多的三个主流模型。
-
频繁子图
聚类学习作为机器学习中最为常用的算法，已经广泛的应用于许多领域。本文主要介绍聚类的一些基础知识，并且以概率聚类模型为例，并讲解一个聚类算法：基于t分布的熵惩罚最大期望算法，使大家对聚类有着更加广泛而深入的了解。
-
公开课-《信息系统安全与对抗实践》
课程链接：《信息系统安全与对抗实践》 课程面向专业：信息对抗技术、信息安全、计算机科学与技术、人工智能、数据科学与大数据、信息工程、电子信息工程、通信工程。 您了解黑客吗？您想动手实践黑客技术吗？您知道如何对抗黑客技术吗？没有网络安全就没有国家安全，就没有经济社会稳定运行，广大群众利益也难以得到保障，信息安全与对抗的竞争归根结底是人才的竞争，课程重点是信息安…
-
公开课-《信息系统安全与对抗技术》
课程链接：中国大学MOOC——《信息系统与安全对抗技术》 课程链接：北京高校优质课程——《信息系统与安全对抗技术》 没有网络安全就没有国家安全，网络空间安全与对抗是信息科技发展中永存的矛盾。形而上者谓之道，形而下者谓之器，信息安全与对抗领域之器是什么？如何顶层运筹领域技术之器？如何做到以无法为有法、以无限为有限？课程能够系统先进地把控网络空间安全之技术，全面…
-
公开课-《信息系统安全与对抗理论》
课程链接：北京高校优质课程——《信息系统与安全对抗理论》 中国大学慕课——《信息系统安全与对抗理论》 课程专业定位：该课程与其它专业课程相互贯穿，相互延伸，形成了较系统、完整的信息安全对抗专业人才培养的知识结构，本专业中该课程的定位是专业基础课。 课程目标：引领由基础课到专业课的过渡，通过本门课程的学习，使学生不仅掌握信息安全对抗的基础知识，而且从更深、更高…
