注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BAT机器学习面试1000题系列

  2. BAT机器学习面试1000题系列 1 前言 1 BAT机器学习面试1000题系列 2 1 归一化为什么能提高梯度下降法求解最优解的速度？ 22 2 归一化有可能提高精度 22 3 归一化的类型 23 1）线性归一化 23 2）标准差标准化 23 3）非线性归一化 23 35. 什么是熵。机器学习 ML基础 易 27 熵的引入 27 3.1 无偏原则 29 56. 什么是卷积。深度学习 DL基础 易 38 池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n） 40 随机梯度下降 4

  3. 所属分类：机器学习

    • 发布日期：2018-03-07
    • 文件大小：10485760
    • 提供者：qq_38873863

  1. 基于机器学习的web异常检测

  2. 基于机器学习技术的新一代web入侵检测技术有望弥补传统规则集方法的不足，为web对抗的防守端带来新的发展和突破。

  3. 所属分类：网络监控

    • 发布日期：2018-09-27
    • 文件大小：1048576
    • 提供者：missmadder

  1. 对抗神经网络的机器学习不确定性

  2. 机器学习是一种强大的工具，可以揭示和利用多维参数空间中的相关性。 从这种相关性进行预测是一项非常艰巨的任务，特别是当尚未完全理解理论模型的基本动力学细节时。 使用对抗网络，我们可以在训练过程中包括系统和理论不确定性的先验来源。 这为在逐个事件的基础上实现更可靠的事件分类铺平了道路，并为执行粒子物理数据的参数拟合提供了新颖的方法。 我们在一个示例中明确考虑了希格斯玻色子生产与喷头的有效场论扩展，明确证明了该方法的优势。

  3. 所属分类：其它

    • 发布日期：2020-03-26
    • 文件大小：1048576
    • 提供者：weixin_38748382

  1. 《图对抗机器学习》2020综述论文.pdf

  2. 尽管工作蓬勃发展，但仍然缺乏统一的问题定义和全面的调研综述。为了弥补这一不足，我们对已有的关于图对抗学习任务的研究进行了系统的总结。具体来说，我们在图形分析任务中对现有的攻防工作进行了梳理和统一，同时给出了适当的定义和分类。此外，我们强调了相关评价指标的重要性，并对其进行了全面的调查和总结。希望我们的工作可以为相关研究者提供参考，为他们的研究提供帮助。

  3. 所属分类：机器学习

    • 发布日期：2020-03-13
    • 文件大小：536576
    • 提供者：syp_net

  1. 对抗机器学习工业视角【微软雷德蒙研究院】.pdf

  2. 本文的研究目的是为了使研究者们能够在激烈竞争的ML时代对工业级软件的安全开发生命周期进行修订和修正。

  3. 所属分类：机器学习

    • 发布日期：2020-02-24
    • 文件大小：273408
    • 提供者：syp_net

  1. 人工智能之机器学习-完整篇

  2. 系统全面介绍人工智能机器学习，包含现在流行的各种机器学习模型的介绍，未来发展。包含对抗网络、自动学习、bert、卷积等等

  3. 所属分类：机器学习

    • 发布日期：2020-06-22
    • 文件大小：9437184
    • 提供者：qq_28147259

  1. 【机器学习】什么是对抗样本？对抗样本原理及分析.mp4

  2. 【机器学习】什么是对抗样本？对抗样本原理及分析，原作者Arxiv Insights。对抗样本由Christian Szegedy等人提出，是指在数据集中通过故意添加细微的干扰所形成的输入样本，导致模型以高置信度给出一个错误的输出。在正则化背景下，通过对抗训练减少原有独立同分布的测试集的错误率——在对抗扰动的训练集样本上训练网络。对抗样本也提供了一种实现半监督学习的方法。

  3. 所属分类：机器学习

    • 发布日期：2020-06-29
    • 文件大小：116391936
    • 提供者：Felix0309

  1. 《图像分类对抗机器学习》

  2. 深度学习算法已经在图像分类方面取得了最先进的性能，甚至被用于安全关键应用，如生物识别系统和自动驾驶汽车。

  3. 所属分类：机器学习

    • 发布日期：2020-09-10
    • 文件大小：1048576
    • 提供者：syp_net

  1. substitute_boundary_attack:机器学习2021课程的最终项目。替代模型边界攻击的实现-源码

  2. 代理模型可帮助黑匣子对抗攻击 Skoltech的E.Burnaev，A.Zaytsev等人的《机器学习2021》课程 团队成员：Matvey Morozov，Anna Klueva，Elizaveta Kovtun，Dmitrii Korzh 介绍 对抗攻击是一种利用深度学习模式的非稳健性的方法，这意味着对输入的轻微修改可能导致模型无法获得正确的答案。在该项目中，我们考虑针对图像分类问题对深层神经网络进行边界黑箱对抗攻击的修改。在生成攻击示例的过程中，我们基于受攻击模型的替代模型使用了额外的步

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：94371840
    • 提供者：weixin_42176612

  1. SoftwareStoryPointsPrediction:该项目将提供有关如何通过自然语言处理和机器学习从文本描述中自动估计每个软件任务的故事点的背景知识。-源码

  2. 机器学习和自然语言处理的敏捷开发中的软件工作量预测 软件开发项目的成功除其他因素外，还取决于项目和时间管理。用于帮助敏捷软件开发的时间管理和估计项目时间表的一种流行方法是估计故事点数，该故事点数表示每个单个软件问题或请求的开发工作量（以工时为单位）。在本文中，我们探索了各种文本向量化机器学习技术，以预测以故事点数衡量的软件开发工作量。我们的结果表明，该问题可以表述为分类问题或回归问题，并可以通过监督学习成功解决。此外，我们的几种回归模型比以前的文献具有更高的准确性。我们还证明，与一般的半监督学习

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1041235968
    • 提供者：weixin_42161497

  1. holbertonschool-machine_learning:机器学习-源码

  2. 机器学习 这是霍尔伯顿学校的机器学习（ML）培训计划，分为三个学期。从一些数学开始，然后在实践练习中深入学习各种技巧（监督，无监督，强化）。 课程的一些主题： 头三个学期 数学： 线性代数简介 微积分简介 绘图简介 概论 监督学习： 二进制分类 多类别分类 优化技术 正则化技术 卷积神经网络 深度卷积架构 物体检测 人脸验证 神经风格转移 第二学期 数学： 高级线性代数 进阶机率 无监督学习： 降维 聚类 嵌入 自动编码器 生成对抗网络 超参数优化 隐马尔可夫模型 监督学习： 递归神经网络 变形

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42176827

  1. adversarial_machine_learning:该存储库包含与对抗性机器学习主题有关的计算机安全课程项目相关的所有代码和材料-源码

  2. 对抗机器学习 问题评估与实施 该存储库包含与计算机安全课程项目有关的对抗机器学习主题的所有代码和材料。 Conda-Navigator GUI启动 一旦安装了Conda，请从终端输入： $ anaconda-navigator 然后，GUI启动： 现在，您可以安装项目所需的组件。 conda环境激活 完成后，激活环境（在这种情况下，称为adversarial_ml）： 记住要在项目目录中激活环境。 项目运行 安装完所有内容后，运行项目：

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：380928
    • 提供者：weixin_42116585

  1. 基于复合文件S-box的SM4的硬件实现及其对机器学习攻击的安全性

  2. 在本文中，我们基于复合字段S盒和查找表（LUT）S盒实现了SM4分组密码算法。 我们还探讨了SM4对抗机器学习攻击的性能，包括常规分类器，例如SVM和卷积神经网络（CNN）。 与传统的基于LUT的实现相比，基于复合文件S-box的SM4的实现在面积消耗上具有很大的优势，可以在资源受限的应用中广泛使用。 另一方面，基于CNN的功率攻击对LUT中使用S-box的分组密码的安全性构成了严重威胁，而实验表明，使用复合S-box的SM4具有更好的针对线性分类器和CNN攻击的安全性。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：997376
    • 提供者：weixin_38552239

  1. Lhy_Machine_Learning：李宏毅2021Spring机器学习课程课件及作业-源码

  2. Lhy_Machine_Learning 李宏毅2021Spring机器学习课程课件及作业 B站视频地址： : 课程主页： : 不定期分享读研干货，点赞关注一起进步： ://space.bilibili.com/46880349 人工智能技术探讨群：78174903 第一节简介作业HW1：回归 第二节深度学习作业HW2：分类 第三节自我注意作业HW3：CNN HW4：自我注意 第四节机器学习理论 第五节变压器作业HW5：变压器 第六节生成模型作业HW6：GAN 第七节自我监督学习作业

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：16777216
    • 提供者：weixin_42131601

  1. qiskit-machine-learning：量子机器学习-源码

  2. Qiskit机器学习 机器学习包目前仅包含样本数据集。 它具有一些分类算法，例如QSVM和VQC（可变量子分类器），这些数据可用于实验，还有QGAN（量子生成对抗网络）算法。 安装 我们鼓励通过pip工具（python软件包管理器）安装Qiskit Machine Learning。 pip install qiskit-machine-learning pip将自动处理所有依赖项，并且您将始终安装最新（且经过良好测试）的版本。 如果您想使用最新的进行中版本，或者尝试在正式版本之前试用功

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：223232
    • 提供者：weixin_42140846

  1. 基于机器学习的web异常检测

  2. Web防火墙是信息安全的第一道防线。随着网络技术的快速更新，新的黑客技术也层出不穷，为传统规则防火墙带来了挑战。传统web入侵检测技术通过维护规则集对入侵访问进行拦截。一方面，硬规则在灵活的黑客面前，很容易被绕过，且基于以往知识的规则集难以应对0day攻击；另一方面，攻防对抗水涨船高，防守方规则的构造和维护门槛高、成本大。基于机器学习技术的新一代web入侵检测技术有望弥补传统规则集方法的不足，为web对抗的防守端带来新的发展和突破。机器学习方法能够基于大量数据进行自动化学习和训练，已经在图像、语

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：817152
    • 提供者：weixin_38606639

  1. 2021《机器学习导论》讲义

  2. 这是一门专门为STEM学生开发的机器学习入门课程。我们讨论有监督、无监督和强化学习。笔记开始阐述了没有神经网络的机器学习方法，如主成分分析，t-SNE，和线性回归。我们继续介绍基本和高级神经网络结构，如传统神经网络、(变分)自编码器、生成对抗网络、受限玻尔兹曼机器和递归神经网络。

  3. 所属分类：机器学习

    • 发布日期：2021-02-12
    • 文件大小：4194304
    • 提供者：syp_net

  1. defence_base：SJTU的“机器学习在行动”课程中对抗训练项目的防御API-源码

  2. 攻防（预览） 上海交通大学机器学习实践课程对抗训练项目的攻防API 建立： 安装python Recom并安装anaconda，请参阅 创建新环境并安装pytorch，tqdm： conda create -n myenv python=3.8 conda install pytorch torchvision cudatoolkit=10.2 -c pytorch pip install tqdm 攻击任务 在此任务中，您需要设计攻击算法来攻击提供的6个模型。 请注意，我们使用l-in

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：9216
    • 提供者：weixin_42102220

  1. 30天的机器学习项目：30天，每天都有不同的项目-源码

  2. 30天的机器学习项目 天 网络类型 项目 1个 LSTM + W2C 情绪分析 2 生成对抗网络 生成合成图像 3 LSTM自动编码器 检测时间序列中的异常 4 连体网络 MNIST手写数字 5 自动编码器 减少数据量 6 卷积神经网络 使用X射线检测COVID-19 7 SARIMAX + FB先知 COVID-19时间序列 8 随机森林分类器 CC欺诈检测不平衡

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：30408704
    • 提供者：weixin_42130786

  1. machine-learning-nd-portfolio：机器学习工程师Nanodegree产品组合，其中包括项目及其笔记本报告-源码

  2. 机器学习工程师组合 这是一个完全可操作的机器学习项目的集合，这些项目是Udacity的，和LinkedIn学习提高了学习道路上的。 目录 深度学习 电子商务产品的价格预测 关键字：深度学习| 价格预测| CNN | 神经网络| 数据探索。 ， 。 使用电子商务站点的正式应用程序，已经生成了与产品类别相对应的历史销售数据库。 通过使用包含所有与产品及其相应价格有关的信息的数据集，可以训练一种能够预测新产品发布的最优竞争价格的算法。 进行此项目的动机是由于以下事实：电子商务公司需要全面了解价格，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：198180864
    • 提供者：weixin_42116791
« 12 3 4 5 »