学术报告

  • 基于度量学习的小样本学习方法介绍

    Few-shot learning (FSL)的含义是得到从少量样本中学习和概括的能力,它希望机器学习模型在学习了一定类别的大量数据后,对于新的类别,只需要少量的样本就能快速学习。小样本学习概念最早在计算机视觉领域兴起,近年来受到广泛关注。本次学术报告讲解一些小样本的基本概念和目前比较主流的基于度量学习的小样本学习方法。

    2020 年 11 月 2 日 1.16K 0
  • 机器学习常用的可解释方法

    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,提高机器学习模型的可解释性和透明性是机器学习在现实任务中进一步发展和应用的关键。本次报告带大家了解机器学习常用的可解释方法的基本原理和应用(规则提取、LIME和SHAP)。

    2020 年 10 月 25 日 539 0
  • 设计模式在Web开发中 的实践

    模式是一种可复用的解决方案,可用于解决软件设计中遇到的常见问题。本次报告带大家了解web开发中部分设计模式思想以及应用实例 ,以及了解消息中间件(异步、解耦、削峰)的简单使用。

    2020 年 10 月 19 日 331 0
  • 基于GAN的表格数据生成

    生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。本次学术报告将回顾关于GAN的原理、优缺点和应用场景,并介绍基于GAN的表格数据生成算法:CTGAN。

    2020 年 10 月 12 日 2.21K 0
  • 基于网络流量的设备识别

    介绍了设备识别的发展历史、各层协议的特征及其优劣性,对两篇关于内网、外网识别的高水平文献进行了讲解,对比了设备识别的主要研究方向,以期帮助初学者快速了解领域内的动态及发展前景。

    2020 年 10 月 8 日 1.14K 0
  • 恶意软件动态分析中的反检测技术及其对抗方法

    1.环境感知型恶意软件使用的反检测方法及实例     2.部分高水平文献中的反检测算法原理     3.反检测技术的对抗策略

    2020 年 9 月 27 日 554 0
  • 基于深度学习的恶意软件检测

    1.恶意软件检测发展历史 2.深度学习在恶意软件检测上的应用 3.恶意软件反检测技术

    2020 年 9 月 27 日 528 0
  • 跨域开发与安全

    在大型项目开发时,可能会遇到多域名或多个ip之间使用ajax异步请求进行通信的情况,默认情况下,浏览器会阻断ajax对跨域请求的读取。本此报告介绍了开发中的跨域方案和跨域方案可能产生的安全问题,从开发和安全两个角度对跨域访问进行了描述。

    2020 年 9 月 14 日 564 0