admin
-
深度模型可解释方法
深度模型可解释性一直是业界关注的问题。报告介绍了一种新颖的深度学习可解释性方法——树正则化。通过在深度模型训练过程中,通过树正则化的方法构造模拟决策树实现对神经网络的解释。 附件-深度模型可解释方法-树正则化.pdf
-
HTTPS浅析
HTTPS(全称:Hyper Text Transfer Protocol over Secure Socket Layer),是以安全为目标的HTTP通道,简单讲是HTTP的安全版。即HTTP下加入SSL层,HTTPS的安全基础是SSL,因此加密的详细内容就需要SSL。 附件-HTTPS浅析.pdf
-
多示例多标记学习
本次学术报告主要讲解了多示例多标记学习(Multi-Instance Multi-Label learning),主要对多示例多标记学习的基本概念及一个基于多示例多标记的深度神经网络算法的原理进行了简单介绍。 附件-多示例多标记学习.pdf
-
主题排序算法
本次报告主要讲解了主题排序算法,通过对pagerank算法以及topic sensitive pagerank算法的原理介绍,引出了用于关键词抽取的topical pagerank算法 附件-主题排序算法.pdf
-
胶囊(向量神经)网络
胶囊(向量神经)网络是针对CNN的缺陷提出的一种新的方法,主要实现了两点改进:1.将CNN的输出结果由标量(scalar)替换成了向量(vector),向量的方向代表Capsule所捕捉到的实体参数信息,向量的长度代表Capsule被激活的概率 2.把CNN的最大池化替换成了路由协议机制。该网络相比于CNN能够…
-
跨语言词向量
跨语言词向量(corss-lingual word embeddings)是一种的对单语言环境下的模型进行多语言扩展的有效手段。通过平行语料得到不同语种之间词向量的联系,使用这种联系实现了对上层自然语言任务的跨语言扩展。 附件-跨语言词向量.pdf
-
中心概况
北京理工大学信息系统及安全对抗实验中心(简称“中心”)其前身为信息与电子学院信息安全与对抗技术实验室。 北京理工大学信息系统及安全对抗实验中心作为部级重点实验室、国家重点实验室的一部分,自1984年成立以来,一直从事网络空间安全、自然语言处理、医学信息处理等理论与技术的研究工作,主要研究内容包括:黑盒漏洞挖掘与利用,移动终端安全与对抗,信息安全与对抗工具,虚…
-
基于LSTM-CRF的序列标注算法
条件随机场(conditional random fields)是一种满足马尔可夫性质的条件概率图模型。它很好地解决了隐马尔可夫模型的输出独立性假设和最大熵马尔可夫模型的标记偏置问题,主要被应用于自然语言处理领域。本次报告中,主要为大家介绍了条件随机场的表示形式、参数训练的目标函数、推断方法等内容。 附件-基于…