学术报告

  • 图半监督学习

          图半监督学习是半监督学习中的一种,基于聚类假设和流形假设,利用少量的有标记样本和大量的未标记样本,提高训练得到模型的泛化能力。其主要过程包括:图构建;标记传播;模型训练。其中迭代式标记传播算法是图半监督学习中的重要算法。图半监督学习在包括命名实体识别在内的许多任务中得到应用。 附件-图半…

    2018 年 9 月 3 日 308 0
  • 基于协同过滤的推荐算法

          推荐系统在现在的生活中随处可见,淘宝天猫的商品推荐,音乐软件的每日歌曲推荐等,协同过滤就是一种很受欢迎的推荐算法。协同过滤指利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息。本次学术报告主要讲解了三种常用且基本的协同过滤推荐算法:UserCF、ItemCF、LFM。 附件-…

    2018 年 8 月 27 日 412 0
  • 主动学习在医学图像分析中的应用

          主动学习也叫做询问学习或最佳实验设计,它是机器学的分支,更人工智能。主要的假设是是否学习算法是可以去选择先要学习的数据。主动学习系统试图跨越标签瓶颈,没有标签的例子去被人类注释者来标签。主动学习目的是提高准确率,通过尽量少的标签,因此减少获得标签数据的费用。 附件-主动学习在医学图像分析…

    2018 年 8 月 20 日 288 0
  • 卷积神经网络在图中的应用

          卷积神经网络可以有效提取空间特征,但是它研究的对象还是限制在具有规则空间结构的欧几里得数据。本次学术报告重点分析介绍了如何使用卷积神经网络高效处理任意图结构的数据,并对图的基本概念以及卷积神经网络在图像中的应用进行简单回顾。 附件-卷积神经网络在图中的应用.pdf

    2018 年 8 月 20 日 550 0
  • 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”神经网络的对抗样本(Adversarial examples)是近期计算机视觉和机器学习领域的热门研究方向。本次学术报告分析介绍了对抗样本的产生的根本原因、对抗样本生成方法、对抗样本…

    2018 年 8 月 1 日 405 0
  • 内存分段和常见段错误

          段错误(segmentation fault)是我们在Linux下编程以及在线提交代码常见的错误。本次学术报告第一部分将介绍虚拟存储器的由来及内存分段机制,第二部分介绍常见的段错误,第三部分介绍两种段错误的调试方法。 附件-内存分段和常见段错误.pdf

    2018 年 7 月 25 日 284 0
  • 格式化字符串漏洞

          介绍了格式化字符串漏洞的常见形式,以及在Windows32和Linux64下的两种利用思路,可以扩展到其他漏洞的利用。 附件-格式化字符串漏洞.pdf

    2018 年 7 月 15 日 318 0
  • Python对象探究

          探讨了语言的分类方式:编译型语言和解释型语言,动态类型语言和静态类型语言,以及Python对象是如何实现的,Python是如何实现多态和垃圾回收机制。 附件-Python对象探究.pdf

    2018 年 7 月 9 日 304 0