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. 网络信息对抗课件（最新）

  2. 网络信息对抗课件，信息对抗课程必修课程，非常好的课件，有助于你的学习！

  3. 所属分类：网络基础

  1. 雷达对抗原理学习课件

  2. 西安电子科技大学雷达对抗原理学习课件 ppt格式

  3. 所属分类：专业指导

    • 发布日期：2009-11-21
    • 文件大小：1mb
    • 提供者：liuliu_apple

  1. 计算机病毒对抗与分析

  2. 计算机病毒对抗与分析。因为我是计算机学院的。以后可能会经常上传一些我自己学习的感觉对大家都有用的资料来供大家分享。

  3. 所属分类：网络攻防

    • 发布日期：2010-03-18
    • 文件大小：4mb
    • 提供者：babyboywang

  1. 网络对抗原理

  2. 没事可以看看。介绍一些最基础的东西，顺着上面的讲解深入学习。。

  3. 所属分类：网络攻防

    • 发布日期：2012-11-07
    • 文件大小：44mb
    • 提供者：morencanshu

  1. dcgan_mnist（对抗学习）

  2. 提供详细的对抗学习的python程序，并提供具体实例验证，

  3. 所属分类：机器学习

    • 发布日期：2019-03-14
    • 文件大小：75mb
    • 提供者：weixin_43544728

  1. dcgan_mnist（对抗学习）

  2. 基于 mnist数据集的对抗学习代码案例，采用python语言编写

  3. 所属分类：机器学习

    • 发布日期：2019-05-19
    • 文件大小：75mb
    • 提供者：weixin_43471818

  1. Python-从二维关节位置的无监督对抗3D人体姿态对抗学习

  2. 从二维关节位置的无监督对抗3D人体姿态对抗学习

  3. 所属分类：其它

  1. 论文翻译_基于多域对抗的异质人脸合成.pdf

  2. Face Sketch Synthesis by Multidomain Adversarial Learning论文翻译-基于多域对抗学习的人脸素描合成 论文摘要：摘要— 给定一组人脸照片-素描对的训练集，人脸素描合成旨在学习从照片域到素描域的映射。尽管研究已经取得了令人激动的成果，但合成防止模糊和变形的高质量的素描仍然是一个悬而未决的问题。生成对抗训练的最新进展为人脸素描合成提供了新的视角，从这一角度看，现有的合成方法可以从根本上重新审视。本文提出了一种新的基于多域对抗学习的人脸素描合成方法

  3. 所属分类：深度学习

    • 发布日期：2020-05-01
    • 文件大小：899kb
    • 提供者：may0522

  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：524kb
    • 提供者：syp_net

  1. 1）2020C-一种硬盘故障预测的非监督对抗学习方法.pdf

  2. 领域：异常检测，深度学习 方法：非监督对抗学习 场景：硬盘故障检测 网络结构：基于LSTM自编码器与生成式对抗网络相结合 数据集：BackBlaze 采用非监督对抗学习的好处，由于训练阶段未用到异常样本(即正样本)，模型不受样本不均衡的影响，很好的避免了由于训练样本不均衡导致的过拟合问题。 已有研究大都使用5 天以内的短期序列数据进行学习和检测，不能很好的学习到自我监测分析报告数据长期稳定的变化趋势，使得模型不具有鲁棒性。同时结合14年提出的生成式对抗网络。故提出了基于LSTM的自编码器与生

  3. 所属分类：互联网

    • 发布日期：2020-10-16
    • 文件大小：861kb
    • 提供者：qq_16488989

  1. 《后门学习综述》论文发布

  2. 后门学习(backdoor learning)是一个重要且正在蓬勃发展的领域。与对抗学习(adversarial learning)类似，后门学习也研究深度学习模型的安全性问题，其研究主要包括两大领域：后门攻击(backdoor attacks)及后门防御(backdoor defenses)。

  3. 所属分类：机器学习

    • 发布日期：2020-11-21
    • 文件大小：569kb
    • 提供者：syp_net

  1. 跨模态检索的深度语义关联与对抗学习

  2. 跨模态检索的深度语义关联与对抗学习

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：716kb
    • 提供者：weixin_38608055

  1. 膳食：通过对抗学习进行多模型合奏

  2. 膳食：通过对抗学习进行多模型合奏

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：640kb
    • 提供者：weixin_38690275

  1. 具有多尺度金字塔注意度的语义对抗网络

  2. 两流体系结构在视频分类任务中显示出强大的性能。 关键思想是通过在空间和时间上融合卷积网络来学习时空特征。 但是，这种体系结构中存在一些问题。 首先，它依靠光流对时间信息进行建模，而时间信息的计算和存储通常很昂贵。 其次，它捕获视频数据的详细信息和本地上下文信息的能力有限。 第三，它缺乏明确的语义指导，大大降低了分类性能。 在本文中，我们提出了一种基于两流的新视频分类框架，以仅从RGB帧，多尺度金字塔注意（MPA）层和语义对抗学习（SAL）模块中发现时空信息。被引入并集成到我们的框架中。 MPA使

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：993kb
    • 提供者：weixin_38649091

  1. 基于深度对抗学习的智能模糊数据生成方法

  2. 基于深度对抗学习的智能模糊数据生成方法

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：256kb
    • 提供者：weixin_38519234

  1. 后门学习资源：后门学习资源的精选列表-源码

  2. 后门学习资源 精选的后门学习资源列表。 有关更多详细信息和分类标准，请参考我们的。 为什么要进行后门学习？ 后门学习是一个新兴的研究领域，它讨论了针对机器学习算法的训练过程的安全性问题。 对于现实中安全采用第三方算法至关重要。 尽管后门学习与对抗学习（在推理过程的安全性问题上）具有某些相似性，但它们确实具有本质区别，并且可以轻松区分。 注意：“后门”通常也称为“神经*”或“*”。 贡献 请与联系或添加以帮助贡献此列表 降价格式： - Paper Name. [[pdf]](li

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：14kb
    • 提供者：weixin_42135073

  1. 基于深度对抗域适应的高分辨率遥感影像跨域分类

  2. 提出一种基于深度对抗域适应的高分辨率遥感影像跨域分类方法。利用深度卷积神经网络VGG16(Visual Geometry Group)学习场景影像的深度特征,然后利用对抗学习方法最小化源域和目标域特征分布差异。利用RSI-CB256(Remote Sensing Image Classification Benchmark)、NWPU-RESISC45(Northwestern Polytechnical University Remote Sensing Image Scene Classif

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：12mb
    • 提供者：weixin_38720461

  1. FewShot_GAN-Unet3D：本文的Tensorflow实现：使用生成式对抗学习的少量镜头3D多模式医学图像分割-源码

  2. 使用生成式对抗学习的3D医学图像分割很少 该存储库包含我们在同名论文中提出的模型的tensorflow和pytorch实现： 该代码在tensorflow和pytorch中都可用。 要运行该项目，请参考各个自述文件。 数据集 选择了数据集来证实我们提出的方法。 它包含10个标记的训练对象和13个未标记的测试对象的3D多模式脑MRI数据。 我们将这10个标记的训练数据分为两个模型的训练，验证和测试图像。（例如，2,1和7）13个未标记的测试图像中的其余部分仅用于训练基于GAN的模型。 数据集也用

  3. 所属分类：其它

  1. 图对抗学习文学：关于图结构数据的对抗性攻击和防御论文精选清单-源码

  2. 图对抗学习文学：关于图结构数据的对抗性攻击和防御论文精选清单

  3. 所属分类：其它

  1. texar-pytorch：将TF的最佳功能集成到PyTorch中，用于机器学习，自然语言处理和文本生成。 这是CASL项目的一部分：http：casl-project.ai-源码

  2. Texar-PyTorch是一个工具包，旨在支持广泛的机器学习，尤其是自然语言处理和文本生成任务。 Texar提供了易于使用的ML模块和功能库，用于组成任何模型和算法。 该工具是为研究人员和从业人员设计的，用于快速原型制作和实验。 Texar-PyTorch最初开发，由和与其他研究所合作积极贡献。 维护此存储库的镜像。 Texar-PyTorch将TensorFlow的许多最佳功能集成到PyTorch中，提供了优于PyTorch本机模块的高度可用和可定制的模块。 主要特点 两种版本，（大多数）

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 20 »