- 博客(27)
- 收藏
- 关注
RSS订阅原创 GenImage
由于先进生成模型可以生成逼真的图像，加剧了对虚假信息宣传的担忧。但是，当前没有最先进图像生成器生成的大量图片的数据集，成为了这类检测器发展的一个障碍。
2024-06-28 18:15:01
258
1
原创 卷积神经网络CNN
在卷积层中，有一个或多个卷积核（也称为滤波器）用于特征提取。每个卷积核都是一个小的权重矩阵，其大小通常是正方形，例如3x3或5x5。卷积核(kernel)：可以理解成NN中的权重，图像像素点想象成神经元，只不过只和 局部信息进行连接。
2024-04-13 14:14:28
1123
原创 EEG Conformer：Convolutional Transformer for EEG Decoding and Visualization
在本文中，作者提出了一种新的框架，称为EEG Conformer，可以直接结合CNN和Transformer进行端到端的EEG分类。借鉴CNN和Transformer的思想，Conformer使用卷积来学习局部时间和空间特征，然后采用自我注意力来封装全局时间特征。整体框架如上图所示。整个架构包括三部分组成，一个卷积模块，一个自注意模块和一个全连接分类器。在卷积模块中，以原始二维脑电图作为输入，分别沿时间维度和电极通道维度使用时间和空间卷积层。然后使用平均池化层来降低噪声并提高泛化性。
2024-04-10 21:43:28
1375
1
原创 GraphSage
大型图中节点的低维嵌入在各种预测任务中非常有用。GraphSage是一种通用的归纳框架，它利用节点特征信息（例如，文本属性）有效地为以前看不见的数据生成节点嵌入。相比于对每个节点训练单独的嵌入，GraphSage学习了一个函数，通过对节点局部邻域的特征进行采样和聚合来生成嵌入。如图1所示，不同于对每个节点训练一个对应的嵌入向量，GraphSage训练一组聚合器函数，这些函数学习聚合来自节点邻居的特征信息。
2024-04-05 18:53:53
332
原创 Few-short Learning笔记-1
用很少的样本进行分类或者是回归support set：小的数据集（无法训练出深度神经网络）few short learning的目标是让机器自己学会学习。few shot learning是一种meta learning（learn to learn）举个例子：当一个小朋友第一次去动物园时，他可能只能识别一些常见的动物，比如猫、狗、鸟等。这相当于在机器学习中的零样本学习，小朋友可以看作是具有元学习（meta-learning）能力的模型。
2024-03-29 21:36:17
483
原创 GRAPHLLM：提升大语言模式的图推理能力
1. （输入图）由一个n维特征和一个邻接矩阵组成{V，ε}，Graph2Text的方法将图形描述 A（V， E） → TextDescription。2. （图推理任务微调）给定一个预训练好的LLM M其中包含参数θ，m个指令对的数据集其中，每个是一个图，以及一个特定于任务的目标函数 L。微调过程旨在通过最小化以下损失函数来学习特定于任务的参数 θ*其中M(;θ')表示由参数θ'微调的LLM的输出。
2024-03-24 21:58:50
579
原创 基于图的在线社区假新闻检测建模
1. 作者构建了一个由两种节点和边组成的异构图，并在半监督图学习设置中将它们建模在一起。2. 作者没有进行用户分析，而是计算社区范围的社交上下文特征，这在之前没有相关工作调查过在线社区在假新闻检测中的作用。3. 为了获得社区的作用，作者仅使用了有关用户网络的信息，而不使用用户个人资料中的个人信息。4. 由于没有使用用户个人资料信息，如地址，种族，性别。因此它们不会学习将特定人群与特定的在线行为联系起来。
2024-03-23 21:41:37
982
原创 变分图自编码器
Kipf T N, Welling M. Variational graph auto-encoders[J]. NIPS, 2016.
2024-03-17 18:06:43
392
原创 vulhub bob 1.0.1
百度网盘链接: https://pan.baidu.com/s/1aBN6SH18AeLa3GAtQvT3yw?pwd=zxtt介绍下载完虚拟机后需先将网络设置为NAT模式。
2023-12-09 16:47:33
943
原创 SFS channel selection
设X属于R^{C×T}是对应于运动图像试验的EEG信号的一小段，其中C表示通道数，T是试验中时态样本的数量（the number of temporal samples in a trial）。按降序排列，前几个空间因子所占的方差对于第一类是最大的，对于第二类是最小的。这里，V是S1和S2的正交特征向量矩阵且第一行为非负数，5表明：S1和S2有共同的特征向量。对于已选择的通道组合，计算该组合中所有可能的通道子集的。，贝叶斯风险的上限，作为衡量两类可判别性的替代品。比值的通道，作为算法的起始点。
2023-10-30 22:04:11
60
原创 wireshark报错：“Missing parameter: -- remote-host“ when capturing on default device“
【代码】wireshark报错：“Missing parameter: -- remote-host“ when capturing on default device“
2023-10-23 16:52:15
86
原创 EEG channel selection
δ波段是关于深度睡眠状态的，θ波段与最深层的中介状态有关（身体睡着/头脑清醒），α波段是关于睡眠和放松的原因，β波段与清醒状态下注意力集中有关，γ波段与大脑决策模式有关。当满足停止标准时，通道子集的生成和评估过程终止。在嵌入式技术中，通道是基于特定分类器的学习过程中生成的标准来选择的，因为选择被包括在分类器结构中[9]。在一些应用中，训练有素的观察者根据自己的经验，使用任何上述子集生成技术，在选定的通道上评估特定应用的结果，如癫痫检测。..，Cn-1）表示用于选择的n个通道的池，M表示独立的评估标准。
2023-10-21 21:45:25
68
1
原创 Python list.sort()用法
key指定一个参数的函数，该函数用于从每个列表元素中提取比较键。列表中每个项目对应的关键字计算一次，然后用于整个排序过程。的默认值表示直接对列表项进行排序，而不计算单独的键值。此方法只使用项目之间的比较对列表进行适当排序。异常不会被抑制-如果任何比较操作失败，整个排序操作将失败（列表可能会处于部分修改状态）。reverse是一个布尔值。如果设置为True，则对列表元素进行倒序排序。sort（）接受两个只能通过关键字传递的参数。
2023-10-19 16:57:52
423
1
原创 moabb安装报错Getting requirements to build wheel did not run successfully.
今天在安装moabb时，按照官网上说的用pip install MOABB安装出现如下错误。重新创建一个python3.10环境再进行安装，结果安装成功。查询官网上的环境要求，发现它只适配到python3.10。
2023-10-15 20:06:35
682
原创 Braindecode安装
Braindecode是一个开源的python工具箱，用于为深度学习模型解码原始脑电波数据。以及，一些深度学习构架的实现和用于分析EEG，ECoG和MEG的架构。建议将 Pytorch 安装到环境中。安装 PyTorch 库取决于运行的架构和操作系统，以及深度学习的驱动程序版本和优化。还可以创建用于安装库的 conda 环境。这可能会有所帮助，具体取决于您管理其他库的方式。这里我准备用conda安装braindecode。使用 conda 安装 Braindecode。
2023-10-15 15:34:01
274
原创 基于KNN的EEG channel选择
背景：基于多通道脑电图情绪识别已经做了很多研究目标：本文探讨了不同频段和不同通道数的脑电信号对情绪识别准确性的影响方法：我们使用不同的脑电图通道组合，将情绪状态分为valence和arousal维度。首先，对DEAP预处理的数据进行归一化。然后，将EEG信号使用离散小波变换分为四个频带，计算熵和能量作为K近邻分类器的特征。结果：在γ频带上，10、14、18和32个脑电通道的分类准确率在valence和arousal维度上，分别是89.54%、92.28%、93.72%和95.70%；
2023-10-13 20:21:33
344
原创 Juliet test suite漏洞类别分析
一般来说，测试用例侧重于底层平台上可用的功能，而不是使用第三方库。尽管C和C++是不同的编程语言，但由于C++通常是C的superset，因此它们被视为一个unit。此外，大多数软件保证工具都支持C和C++。C测试用例代码以C89标准为目标，因此可以使用各种可能不支持C语言更新版本的工具来编译和分析测试用例。
2023-10-08 21:57:35
581
1
原创 漏洞检测综合
现有的基于深度学习的漏洞检测方法可以检测漏洞的存在（即解决二进制分类或检测问题），但不能精确定位漏洞的类型（即无法解决多类分类）。在本文中，作者提出了第一个基于深度学习的多类漏洞检测系统，称为µVulDeePecker。µVulDeePecker的关键是code attention的概念，它可以捕获有助于查明漏洞类型的信息，即使样本很小。没有源代码只有数据集。
2023-10-08 21:50:48
118
1
原创 End-to-end learnable EEG channel selection for deep neural networks with Gumbel-softmax
我们首先研究了我们提出的正则化对于避免重复通道选择的效果。为了证明从一个较小的通道池中选择时出现重复通道的概率更高，我们首先将选择器层应用于运动执行数据集的一个小子集（MI算法产生的排名最高的10个通道）。直接将这种方法应用于EEG通道选择通常会导致重复通道的选择，因为这一层中的选择神经元独立行动，并不“意识到”彼此的选择。预处理：将数据重新采样为250赫兹，对数据进行4赫兹的高通滤波，对每个电极的数据进行标准化处理，并将数据进行时域分割，分割成4.5秒的片段，其中包括每个视觉提示前0.5秒和之后的4秒。
2023-10-01 20:21:42
188
原创 Channel Selection Method for EEG Emotion Recognition Using Normalized Mutual Information
实验基于数据库DEAP，实验结果表明，该方法在选择一定数量的最优脑电信号通道子集的同时，拥有对valance的74.41%的准确率和对支持向量机73.63%的唤醒率。本文提出了一种新的通道选择方法，利用归一化互信息选择脑电通道的最优子集，对效价情绪和唤醒情绪进行分类。与非语言或言语行为相比，生理信号是由人的自主神经系统控制的不受人的主观因素影响的生物电信号，能够客观、真实地反映人在外界环境刺激下的情绪状态。在我们的工作中，使用NMI构建连接矩阵，并使用阈值法进行脑电通道选择，以提高情绪分类的性能。
2023-10-01 20:18:53
130
原创 Devign
在源码中标注漏洞函数的位置更便于修复漏洞。受各种代码表示图中手动定义漏洞模式的工作的启发，和图神经网络的不断发展。作者提出了Devign，一个基于图神经网络，使用图神经网络学习丰富的代码语义信息的模型。它包括一个Conv模块，其功能是提取有用的特征来进行graph-level的分类。模型是在人工标记的数据集上训练的，数据集是建立在四个大规模开源C项目上的。这些项目包含了高复杂性和多样性的真实源代码，而不是合成的代码。
2023-08-28 19:49:14
378
1
原创 VulDeeLocator复现
再卸载keras还是不能导入tensorflow，猜测是keras与tensorflow版本不兼容并且改变了tensorflow的导致的，根据tensorflow版本下载了对应版本的keras2.0.8仍然出现。在步骤1.1中被解压出来命名为llvm的文件下新建一个名为llvm-build的目录，安装过程中会用到cmake工具来生成Makefile,需要先安装cmake。LLVM官方是用svn进行版本控制的，因此我们需要安装svn来获取源码。在kali系统安装时出现以下错误。一、Source2slice。
2023-08-28 19:39:24
211
6
空空如也
Arduino IDE打不开
2022-12-31
TA创建的收藏夹 TA关注的收藏夹
TA关注的人