背景 深度学习模型被广泛应用到各种领域，像是图像分类，自然语言处理，自动驾驶等。以ResNet，VGG为代表的一系列深度网络在这些领域上都取得了不错的效果，甚至超过人类的水平...
发简信
IP属地：陕西
-
浅谈深度学习中的对抗样本及其生成方法
-
Adversarial Attack一、背景 神经网络（分类器）不仅要对噪声鲁棒，还要能够应付来自人类的恶意。 二、对抗样本的生成 1.基本原理 Adversarial examples就是对原始图像（）添加轻...
-
【翻译】 Is attacking machine learning easier than defending it?本文已同步到作者博客：http://xungejiang.com/2017/11/29/translate-blog2/，转载请注明出处！ 原文：Is attacking m...
-
Procedural Noise Adversarial Examples for Black-Box Attacks on Deep Neural Networks论文笔记(1)Procedural Noise Adversarial Examples for Black-Box Attacks on Deep Neural Networks论文笔记...
-
对抗样本生成的近期工作（ 2018年9月）
绝大多数的机器学习模型，本质上来说，都是通过抽取数据特征，构建数学判别公式，用数学模型来模拟人的判断过程。在特征抽取的过程中可能提取到错误的特征，或判别公式不符合真实的决策面...
-
一文详解对抗训练方法对抗训练方法 Adversarial learning主要是用于样本生成或者对抗攻击领域，主要方法是通过添加鉴别器或者根据梯度回传生成新样本，其主要是为了提升当前主干模型生成...
-
一文弄懂CNN及图像识别(Python)一、卷积神经网络简介 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算的前馈神经网络，是基于图像任务的平移不变性（图像识...
-
图神经网络是怎么炼成的：GNN基本原理简介此文算是对Google Research这篇A Gentle Introduction to Graph Neural Networks[https://distill.pu...
-
深度学习入门极简教程（二）摘要: 现在的人工智能，大致就是用“硅基大脑”模拟或重现“碳基大脑的过程”。那么，在未来会不会出现“碳硅合一”的大脑或者全面超越人脑的“硅基大脑”呢？专家们的回答是“会的”。...
