- 作者将打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将分享机器学习在安全领域的应用，并复现一个基于机器学习（逻辑回归）的恶意请求识别。基础性入门文章，只希望对初学者有所帮助。 作者将打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将分享机器学习在安全领域的应用，并复现一个基于机器学习（逻辑回归）的恶意请求识别。基础性入门文章，只希望对初学者有所帮助。
- 基于LeNet5的手写数字识别 实验介绍LeNet5 + MNIST被誉为深度学习领域的“Hello world”。本实验主要介绍使用MindSpore在MNIST手写数字数据集上开发和训练一个LeNet5模型，并验证模型精度。 实验目的了解如何使用MindSpore进行简单卷积神经网络的开发。了解如何使用MindSpore进行简单图片分类任务的训练。了解如何使用MindSpore进行简单... 基于LeNet5的手写数字识别 实验介绍LeNet5 + MNIST被誉为深度学习领域的“Hello world”。本实验主要介绍使用MindSpore在MNIST手写数字数据集上开发和训练一个LeNet5模型，并验证模型精度。 实验目的了解如何使用MindSpore进行简单卷积神经网络的开发。了解如何使用MindSpore进行简单图片分类任务的训练。了解如何使用MindSpore进行简单...
- 赛题 一、赛事背景随着工业化和城镇化的快速发展，环境问题日益突出。空气污染是全球最重要的环境问题之一，影响着人们的健康、生产和生活。为了改善空气质量，我国加大监测和环保力度，增加空气质量监测站点，实施蓝天保卫战，并将空气质量水平与污染治理水平纳入部门工作考核。科学有效地评价空气质量，能够为预防和治理空气污染提供科学依据，有利于交通或环境管理部门实施污染控制，降低空气污染的影响，改善人类福祉... 赛题 一、赛事背景随着工业化和城镇化的快速发展，环境问题日益突出。空气污染是全球最重要的环境问题之一，影响着人们的健康、生产和生活。为了改善空气质量，我国加大监测和环保力度，增加空气质量监测站点，实施蓝天保卫战，并将空气质量水平与污染治理水平纳入部门工作考核。科学有效地评价空气质量，能够为预防和治理空气污染提供科学依据，有利于交通或环境管理部门实施污染控制，降低空气污染的影响，改善人类福祉...
- 作者将重新打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。AI技术蓬勃发展，无论是金融服务、线下生活、还是医疗健康都有AI的影子，那保护好这些AI系统的安全是非常必要也是非常重要的。这篇文章将详细讲解对抗样本相关知识点。 作者将重新打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。AI技术蓬勃发展，无论是金融服务、线下生活、还是医疗健康都有AI的影子，那保护好这些AI系统的安全是非常必要也是非常重要的。这篇文章将详细讲解对抗样本相关知识点。
- 摘要论文地址：https://arxiv.org/pdf/2103.06030.pdf联邦学习使分布式医疗机构可以共同学习具有隐私保护功能的共享预测模型。在进行临床部署时，如果将联合学习中训练的模型应用于联盟外部完全看不见的医院，仍然会遭受性能下降的困扰。在本文中，我们指出并解决了联邦域泛化（FedDG）的一种新的问题设置，其目的是从多个分布式源域中学习联邦模型，使其可以直接推广到看... 摘要论文地址：https://arxiv.org/pdf/2103.06030.pdf联邦学习使分布式医疗机构可以共同学习具有隐私保护功能的共享预测模型。在进行临床部署时，如果将联合学习中训练的模型应用于联盟外部完全看不见的医院，仍然会遭受性能下降的困扰。在本文中，我们指出并解决了联邦域泛化（FedDG）的一种新的问题设置，其目的是从多个分布式源域中学习联邦模型，使其可以直接推广到看...
- 引言：联邦学习定义了一个机器学习框架，在这个框架下，不同的数据拥有方可以在不交换彼此数据的情况下，建立一个虚拟的共有模型，这个虚拟模型的效果等同于各方把数据聚合在一起建立的最优模型。这样，建好的模型在各自的区域仅为本地的目标服务。在这样一个联邦机制下，各个参与者的身份和地位相同，而联邦系统帮助大家建立了“共同富裕”的策略。由于在建立虚拟模型的时候，数据本身不移动，也不会泄露用户隐私或影响数... 引言：联邦学习定义了一个机器学习框架，在这个框架下，不同的数据拥有方可以在不交换彼此数据的情况下，建立一个虚拟的共有模型，这个虚拟模型的效果等同于各方把数据聚合在一起建立的最优模型。这样，建好的模型在各自的区域仅为本地的目标服务。在这样一个联邦机制下，各个参与者的身份和地位相同，而联邦系统帮助大家建立了“共同富裕”的策略。由于在建立虚拟模型的时候，数据本身不移动，也不会泄露用户隐私或影响数...
- 垃圾分类是个比较古老的行业，需要利用大量人力来完成，一些城市甚至号召志愿者参与垃圾分类工作的监督工作。而利用AI分类技术，则可以快速分拣垃圾，减轻志愿者的工作，降低人力成本。智能化分拣可用在居民投递的垃圾箱终端设备上，利用训练垃圾的检测模型，识别厨余垃圾里是否有其他垃圾，如塑料袋、纸张等。如果有，这款产品可以把信息上报给用户，加以提醒：「你这次投递错了，下不为例」；同时也会提醒运营人员进行手动分拣 垃圾分类是个比较古老的行业，需要利用大量人力来完成，一些城市甚至号召志愿者参与垃圾分类工作的监督工作。而利用AI分类技术，则可以快速分拣垃圾，减轻志愿者的工作，降低人力成本。智能化分拣可用在居民投递的垃圾箱终端设备上，利用训练垃圾的检测模型，识别厨余垃圾里是否有其他垃圾，如塑料袋、纸张等。如果有，这款产品可以把信息上报给用户，加以提醒：「你这次投递错了，下不为例」；同时也会提醒运营人员进行手动分拣
- ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。论文链接：https://arxiv.org/pdf/2201.03545.pdf代码链接：... ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。论文链接：https://arxiv.org/pdf/2201.03545.pdf代码链接：...
- 在校期间主学机器学习和算法，在一次偶然的机会接触了大数据，而后便入门大数据，至今也从事大数据平台开发工作。可是，仍然对AI技术念念不忘呀，平常也会做点机器学习相关的小东西，尝试一些demo，想着某一天还能回到曾经熟悉的领域，正如我博客名称，从大数据到人工智能。由于我的工作也是平台相关的，所以本次ModelArts的体验对我来说不仅仅是产品的使用者，更是一个产品的学习者。话不多说，接下来和大家... 在校期间主学机器学习和算法，在一次偶然的机会接触了大数据，而后便入门大数据，至今也从事大数据平台开发工作。可是，仍然对AI技术念念不忘呀，平常也会做点机器学习相关的小东西，尝试一些demo，想着某一天还能回到曾经熟悉的领域，正如我博客名称，从大数据到人工智能。由于我的工作也是平台相关的，所以本次ModelArts的体验对我来说不仅仅是产品的使用者，更是一个产品的学习者。话不多说，接下来和大家...
- 前一篇文章分享了自定义情感词典（大连理工词典）实现情感分析和情绪分类的过程。这篇文章将详细讲解自然语言处理过程，基于机器学习和TFIDF的情感分类算法，并进行了各种分类算法（SVM、RF、LR、Boosting）对比。这篇文章主要结合作者的书籍《Python网络数据爬取及分析从入门到精通（分析篇）》进行讲解，再次带领大家好好看看Python中文文本分析的基本步骤。个人感觉还不错，基础性文章，希望对 前一篇文章分享了自定义情感词典（大连理工词典）实现情感分析和情绪分类的过程。这篇文章将详细讲解自然语言处理过程，基于机器学习和TFIDF的情感分类算法，并进行了各种分类算法（SVM、RF、LR、Boosting）对比。这篇文章主要结合作者的书籍《Python网络数据爬取及分析从入门到精通（分析篇）》进行讲解，再次带领大家好好看看Python中文文本分析的基本步骤。个人感觉还不错，基础性文章，希望对
- 简 介： 运行对比了 分类器的比较? 中的sklearn中的分类的性能对比。这为我们理解机器学习中的特性提供了理解基础。关键词： sklearn，python 分类器比较 在 分类器的比较? 给出了在sklearn的python包中的几类分类器性能的比较。 1.1 sklearn分类器 在人工数据集上比较scikit-learn中的几种分类器。这个例子的重点是说明不同分类器的决策边界... 简 介： 运行对比了 分类器的比较? 中的sklearn中的分类的性能对比。这为我们理解机器学习中的特性提供了理解基础。关键词： sklearn，python 分类器比较 在 分类器的比较? 给出了在sklearn的python包中的几类分类器性能的比较。 1.1 sklearn分类器 在人工数据集上比较scikit-learn中的几种分类器。这个例子的重点是说明不同分类器的决策边界...
- 构筑开放共赢的华为云全球生态，将技术开放给千行百业的客户 构筑开放共赢的华为云全球生态，将技术开放给千行百业的客户
- GraphX是 Apache Spark 用于图形和图形并行计算的 API。GraphX 在单个系统内统一了 ETL（提取、转换和加载）过程、探索性分析和迭代图计算。图的使用可以在 Facebook 的朋友、LinkedIn 的连接、互联网的路由器、天体物理学中星系和恒星之间的关系以及谷歌的地图中看到。尽管图计算的概念看起来很简单，但图的应用在灾难检测、银行、股票市场、银行和地理系统中的用例实际上 GraphX是 Apache Spark 用于图形和图形并行计算的 API。GraphX 在单个系统内统一了 ETL（提取、转换和加载）过程、探索性分析和迭代图计算。图的使用可以在 Facebook 的朋友、LinkedIn 的连接、互联网的路由器、天体物理学中星系和恒星之间的关系以及谷歌的地图中看到。尽管图计算的概念看起来很简单，但图的应用在灾难检测、银行、股票市场、银行和地理系统中的用例实际上
- 这篇文章将详细讲解Matplotlib子包，负责地图绘制，即Basemap扩展包。在做数据挖掘或可视化分析时，常常需要将数据显示到地图上，比如城市人口、空气环境、GDP分布、资源销售、全球热图等。基础文章，希望对您有所帮助。 这篇文章将详细讲解Matplotlib子包，负责地图绘制，即Basemap扩展包。在做数据挖掘或可视化分析时，常常需要将数据显示到地图上，比如城市人口、空气环境、GDP分布、资源销售、全球热图等。基础文章，希望对您有所帮助。
- 2021年11月2日至3日，华为云·核心伙伴开发者训练营-产业云专场在东莞华为松山湖园区圆满落幕。 2021年11月2日至3日，华为云·核心伙伴开发者训练营-产业云专场在东莞华为松山湖园区圆满落幕。
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签