对抗性扰动

2022年 SecXOps 安全智能分析技术白皮书

APT攻击有着复杂度高、对抗性强、特征隐蔽等特点，通常由有国家背景的相关攻击组织发起，实施窃取国家机密、重要企业的有价值商业信息、破坏网络基础设施
maoguan121·2022-11-26 15:02

2022年 SecXOps 安全智能分析技术白皮书 附下载地址

APT攻击有着复杂度高、对抗性强、特征隐蔽等特点，通常由有国家背景的相关攻击组织发起，实施窃取国家机密、重要企业的有价值商业信息、破坏网络基础设施
m0_74079109·2022-11-26 15:31

2022年 SecXOps 安全智能分析技术白皮书 附下载地址

APT攻击有着复杂度高、对抗性强、特征隐蔽等特点，通常由有国家背景的相关攻击组织发起，实施窃取国家机密、重要企业的有价值商业信息、破坏网络基础设施
m0_73803866·2022-11-26 15:30

自动控制系统实验总结

实际系统中,由于各种各样原因,系统在受到输入信号(也包括扰动信号)的激励时,被控量将偏离输入信号作用前的初
唯见江心秋月白、·2022-11-26 14:14

python 工具变量回归_stata工具变量法一例：使用2SLS进行ivreg2估计及其检验

作为OLS回归不符合假定的问题，还包括解释变量与随机扰动项不相关。如果出现了违反该假设的问题，就需要找一个和解释变量高度相关的、同时和随机扰动项不相关的变量，作为工具变量进行回归。
宇文复·2022-11-26 12:55

stata中_stata中工具变量的检验

使用工具变量法的前提是存在内生解释变量，即随机扰动项中有遗漏变量与解释变量相关，使用的检验为“豪斯曼检验”，如果拒绝H0，则说明x2为内生解释变量，需要使用工具变量法，反之则说明所有的解释变量均外生，则应使用
weixin_39526741·2022-11-26 12:24

计量经济学（十一）工具变量法

1.内生性问题对于上面式子中的多元线性回归方程，在采用OLS方法进行估计参数量时，我们一般假设随机扰动项与解释变量之间没有相关性，但是现实中肯定是无法满足的，比如我们遗漏了一些变量等，因此就出现了内生性问题
爱听雨声的北方汉·2022-11-26 12:22

Stata：2sls 内生变量 工具变量

内生性问题是解释变量与扰动项相关导致的，具体的表现形式有遗漏变量、双向因果和测量误差。遗漏变量遗漏变量是指可能与解释变量相关的变量，本来应该加以控制，但是没有控制。
hellolijunshy·2022-11-26 12:17

可解释机器学习- LIME模型讲解｜interpretable machine learning-LIME

Contents原理计算流程优势劣势Reference原理LIME生成了一个新的数据集，数据集由扰动的样本（permutedsamples）和黑箱模型对应的预测构成。
Alex Tech Bolg·2022-11-26 12:06

博弈论Python仿真（一）

四、如何计算混合策略纳什均衡的return五、limitationsofNashequilibrium（纳什均衡局限性）六、练习1、“Hawk-Dove”game2、和美女抛硬币3、智猪博弈具有竞争或对抗性质的行为称为博弈行为
帅帅气气的黑猫警长·2022-11-26 11:49

SESS: Self-Ensembling Semi-Supervised 3D Object Detection论文阅读及理解

设计了一种扰动方案，加强对未标记数据和新的为可见数据的泛化。提出三种一致损失（consistencyloss），加强两组预测三维目标提议之间的一致性。半监督学习的方式，通过
Lcx559·2022-11-26 10:47

1-Adversarial Learning for Semi-Supervised Semantic Segmentation

我们表明，通过**将对抗性损失与所提出模型的标准交叉熵损失耦合起来**，所提出的鉴别器可以用于提高语义分割精度。
橙黄橘绿时_Eden·2022-11-25 22:55

[论文阅读] Collaborative and Adversarial Learning of Focused and Dispersive Representation

此外，在对抗性训
xiongxyowo·2022-11-25 22:23

[论文阅读] Adversarial Learning for Semi-Supervised Semantic Segmentation

[论文地址][代码][BMVC18]Abstract我们提出了一种使用对抗性网络进行半监督性语义分割的方法。
xiongxyowo·2022-11-25 22:50

对抗攻击层出不穷？神经科学带来新突破、导出智能统一框架，Hinton：我早有洞见...

最近的神经科学研究指出了如何击败对抗性示例，并为实现更具弹性、一致性和灵活性的人工智能指明了道路。编译|bluemin转载自：AI科技评论对抗性示例是当今深度学习研究的热点。
智源社区·2022-11-25 15:34

【机器翻译】【指标】扰动下的幻觉 Hallucination Under Perturbation HUP

简单说就是，向源句加入微小扰动，参考翻译与无扰动翻译越相似，扰动翻译与无扰动翻译越不同，则说明产生了幻觉。这里的相似与否通过BLEU值来表明。HUP
耶格尔派**·2022-11-25 05:05

基于元学习和自我监督的图像翻译预训练

新的小样本多任务图像到图像的转换2.展望：提高性能和稳定性三、介绍四.背景和相关工作1数据集（风暴事件图像）2评估3生成对抗网络五、小样本的基准和我们的基准线1基准建设（数据集）2方法3实验细节4结果1重建损失2对抗性损失六
leener-Y·2022-11-25 04:35

ESRGAN: 增强型超分辨率生成对抗网络

为了进一步提高视觉质量，我们深入研究了SRGAN网络架构，对抗性损失和感知损失这三个关键组成部分，并对其中每一项都进行了改进，产生了一个增强型SRGAN（ESRGAN）。特别需要注意的是，
码涯·2022-11-25 04:04

ESRGAN：增强型超分辨率生成对抗网络

为了进一步提高视觉质量，我们深入研究了SRGAN的三个关键组件——网络架构、对抗性损失和感知损失，并对每一
leener-Y·2022-11-25 04:00

卡尔曼滤波算法-Matlab仿真

假设飞行器相对雷达径向作匀加速直线运动，并忽略加速度扰动。有初始条件如下图。观测信号为r，2秒观测一次，观测噪声为零均值白噪声，方差为0.15(km)^2。
腻腻不腻·2022-11-24 23:00

MIR 2022 反者道之动, 基于因果推断的可解释对抗防御

然而猛然间人们却发现，只需要对输入样本进行微小扰动（对抗攻击），其输出结果就会发生灾难性的错误。这意料之外的脆弱性仿佛漂浮在晴朗天空一角的乌云，为这个时代投下了令人不安的阴影。图一：对抗样本。
昇思MindSpore·2022-11-24 19:09

TSN 论文阅读

没有把可能会干扰动作识别模型的背景帧去掉。构建模型存在困难。公开能获得的数据集无论是尺
rca_finforc·2022-11-24 18:52

【动手学深度学习】暂退法（Dropout）（PyTorch从零开始实现源代码）

目录：暂退法（Dropout）一、重新审视过拟合二、扰动的稳健性三、实践中的暂退法四、从零开始实现4.1数据和函数准备4.2定义模型参数4.3训练和测试4.4源代码五、简洁实现上一节中，我们介绍了通过惩罚权重的
旅途中的宽~·2022-11-24 16:30

机器学习（周志华） 第六章支持向量机

且应该找位于两位训练样本“正中间”的划分超平面（图中加粗的），因为该划分超平面对样本局部扰动的“容忍性”最好，即根据该平面划分
YJY131248·2022-11-24 12:42

防御。。。。

正因为如此，它们容易受到对抗性的攻击。输入图像中的小而复杂的噪声会沿着网络推理路径累积，并在网络输出中产生错误的决策。另一方面，人眼是基于物
Ruizxzx·2022-11-24 09:11

高翔orbslam_高翔《视觉SLAM十四讲》从理论到实践

3讲三维空间刚体运动旋转矩阵；实践-Eigen；旋转向量和欧拉角；四元数；类似、仿射、射影变换；实践-Eigen几何模块；可视化演示；算法第4讲李群与李代数李群李代数基础；指数与对数映射；李代数求导与扰动模型
weixin_39927144·2022-11-24 03:40

动手深度学习笔记（二十）4.6. 暂退法（Dropout）

动手深度学习笔记（二十）4.6.暂退法（Dropout）4.多层感知机4.6.暂退法（Dropout）4.6.1.重新审视过拟合4.6.2.扰动的稳健性4.6.3.实践中的暂退法4.6.4.从零开始实现
落花逐流水·2022-11-24 02:11

模糊控制——（2）模糊系统和模糊控制器

一、模糊系统模糊控制系统分类1按信号的时变特性分类（1）恒值模糊控制系统系统的指令信号为恒定值，通过模糊控制器消除外界对系统的扰动作用，使系统的输出跟踪输入的恒定值。
weixin_30590285·2022-11-24 01:14

TGRS2021:Road Segmentation for Remote Sensing ImagesUsing Adversarial Spatial Pyrami对抗性空间金字塔网络的道路分割

TGRS2022:RoadSegmentationforRemoteSensingImagesUsingAdversarialSpatialPyramidNetworks基于对抗性空间金字塔网络的遥感图像道路分割
HheeFish·2022-11-24 01:39

卷积神经网络：ResNet

出现后，学者们将卷积网络不断加深以寻求更优越的性能，然而随着网络的加深，网络却越发难以训练，一方面会产生梯度消失现象；另一方面越深的网络返回的梯度相关性会越来越差，接近于白噪声，导致梯度更新也接近于随机扰动
丁天牛·2022-11-24 00:41

李群、李代数在SLAM中的应用

文章目录李群、李代数李群、李代书与坐标变换的对应关系SE(3)上的李代数求导数左乘扰动、右乘扰动怎么选取用左or右扰动？
qq_45401419·2022-11-23 18:18

【机器学习】python实现离散点拟合曲线并求曲率半径

电网遭受扰动时，电网运行状态容易发生改变，电网响应的状态数据
Rachel MuZy·2022-11-23 15:09

空间计量经济学（2）---广义空间自回归与空间误差模型

一、广义空间自回归（SAC）1.模型形式广义空间回归模型（spatialautocorrelation，SAC）同时描述了空间实质相关和空间扰动相关，其形式是空间滞后模型（SAR）和空间误差模型（SEM
哈伦2019·2022-11-23 13:05

空间计量经济学（3）---空间杜宾模型与广义嵌套空间模型

即：式中是因变量的空间相关关系，是自变量的空间相关关系，两者可以设置为相同或不同的矩阵;是外生变量的空间自相关系数；是满足正态独立同分布的随机扰动项。杜宾
哈伦2019·2022-11-23 13:05

空间计量模型_截面数据空间计量模型空间误差模型

3.2.1模型及估计空间误差模型(spatialerrormodel，SEM)描述了空间扰动相关和空间总体相关，其形式如式(3.2.1)所示：3.2.2实例及操作本例沿用3.1.2实例并进行更进一步的探讨
weixin_39631467·2022-11-23 13:04

论文解读《Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision》

（2）该方法将一致性强加于对同一输入图像进行不同初始化扰动的两个分割网络上。（3）实验结果表明，方法是有效的在cityscape和PASCALVOC2012上实
渔歌畅晚·2022-11-23 13:08

【论文笔记】DELVING INTO TRANSFERABLE ADVERSARIAL EXAMPLES AND BLACK-BOX ATTACKS

【摘要】深层神经网络的一个有趣的特性是存在对抗性样本，它可以在不同的体系结构之间进行转换。这些可转移的通用示例可能严重阻碍基于神经网络的深层次应用。以往的工作主要是利用小规模数据集来研究可移植性。
kaguya1004·2022-11-23 13:04

深度学习——丢弃法（笔记）

1.丢弃法（一种正则）：一个好的模型需要对输入的数据的扰动鲁棒。输入数据加入随机扰动可以防止过拟合，泛化性更好。等价于一种正则方式，在层之间加入噪音。
jbkjhji·2022-11-23 12:35

采用动态权重和概率扰动策略改进的灰狼优化算法-附代码

采用动态权重和概率扰动策略改进的灰狼优化算法文章目录采用动态权重和概率扰动策略改进的灰狼优化算法1.灰狼优化算法2.改进灰狼优化算法2.1引入权值因子2.2概率扰动策略3.实验结果4.参考文献5.Matlab
智能算法研学社（Jack旭）·2022-11-23 10:44

2022年后疫情时代下市场研报报告合集（共90份）

合集名称：2022年后疫情时代下市场研报报告合集数量：90份具体内容：【疫情下市场报告】12月海外月度观察：宽松加速退出，疫情扰动持续-20211224-华创证券-21页.pdf【疫情下市场报告】2021
Go炜·2022-11-23 05:34

Protect Privacy from Gradient Leakage Attack in Federated Learning

防御机制主要包括随机layer添加扰动，然后进行梯度补偿来减少噪声对模型准确性的影响。实验效果优于梯度裁剪、和差分隐私（添加Gaussian和Laplacian噪声）Me
柿子_@·2022-11-23 05:58

Protect Privacy from Gradient Leakage Attack in Federated Learning

防御机制主要包括随机layer添加扰动，然后进行梯度补偿来减少噪声对模型准确性的影响。实验效果优于梯度裁剪、和差分隐私（添加Gaussian和Laplacian噪声）Me
柿子_@·2022-11-23 05:28

Cross-class generative network for zero-shot learning：用于零样本学习的跨类生成网络

Accepted23December2020（InformationSciences）目录1.摘要2.思想3.创新与贡献4.跨类样本合成4.1配对选择4.2类内熵4.3跨类生成网络5.NACGN与ACGN5.1NACGN（非对抗性跨类生成网络
all-izz-well·2022-11-23 01:57

基于MATLAB控制系统辨识系列1

2.随机模型如果确定性模型收到随机扰动的影响，则可将其进一步描写为随机模型：式中：为系统随机扰动，，其结构图如如2所示。二.系统辨识的基本原理1.
ayuan0211·2022-11-23 00:32

Efficient Diffusion Models for Vision： A Survey

EfficientDiffusionModelsforVision:ASurvey论文：https://arxiv.org/abs/2210.09292摘要扩散模型（DM）在内容生成方面表现出了最先进的性能，无需对抗性训练
通街市密人有·2022-11-22 16:16

生成式对抗网络论文解读

所以从标题出发：看出几个对抗性的网络来搭建了一个生成式的网络模型。前期知识储备：
xiaoyaolangwj·2022-11-22 13:32

用CNN做电能质量扰动分类(2019-03-28)

这里主要介绍以下几点内容：1.深度学习环境的搭建2.电能质量扰动数据集的生成3.如何构建简单CNN去做分类任务。
南海金雕·2022-11-22 12:29

趋势 | 人工智能领域十大最具成长性技术展望

经调研走访了一批在新一代人工智能技术及产业方面具备领先水平和特色的龙头企业，拜访了来自于知名高校、研究机构的人工智能相关领域专家学者，系统梳理了权威智库和知名战略咨询公司的最新报告，遴选了十项最具特色的成长性技术，结论如下：对抗性神经网络对抗性神经网络是指由一个不断产生数据的神经网
人工智能学家·2022-11-22 11:51

L1,L2正则化为什么能解决过拟合

L2正则化的解都比较小，抗扰动
墨小青的程序园·2022-11-22 08:44

基于莱维飞行扰动策略的麻雀搜索算法(ISSA)附Matlab代码

仿真内容点击智能优化算法神经网络预测雷达通信无线传感器信号处理图像处理路径规划元胞自动机无人机电力系统⛄内容介绍为了解决麻雀搜索算法存在迭代后期搜索多样性不足,容易陷入局部最优等问题,提出了一种基于莱维飞行扰动策略的改进麻雀搜索算法
matlab科研助手·2022-11-22 07:47
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他