![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 65
啦啦啦
Che_Che_
这个作者很懒,什么都没留下…
展开
-
tensor的不同维度种类
0维标量(scalar),1维向量(vector),二维矩阵(matrix),3维以上n维张量。原创 2023-10-27 21:53:25 · 181 阅读 · 0 评论 -
论文阅读- 人工智能安全 TEXTBUGGER: Generating Adversarial Text Against Real-world Applications(2018)
(4) substitution - c (SubC):用视觉上相似的字符替换(例如,用‘0 ‘替换‘o ‘,用‘1‘替换‘l ‘,用‘@ ‘替换‘a ‘)或键盘上相邻的字符(例如,用‘n‘替换‘m ‘)。文本领域的对抗攻击会更加复杂,在文本领域,微小的扰动通常是清晰可见的,替换单个单词可能会彻底改变句子的语义。·下面的白盒和黑盒攻击最大的不同是因为黑盒攻击,我们无法得知分类器的内部结构,在计算单词重要性的时候,在不知道分类模型参数和结构,我们要克服这个困难,所以在白盒的算法上我们的黑盒算法做了变化。原创 2024-01-18 16:27:54 · 1145 阅读 · 0 评论 -
论文阅读-代码相似度检测 Neural Network-based Graph Embedding for Cross-Platform Binary Code SimilarityD
在了解什么是跨平台二进制代码相似度检测的背景下(定义,应用),本文目标是改进算法(近似图匹配算法),提出一种新的基于神经网络的算法(对⼆进制函数的控制流图(Control-Flow Graph,CFG)提出了⼀种新的基于神经⽹络的图嵌⼊⽅法,通过衡量 embedding 之间的距离来计算两个函数的相似度。相 反, 我们提出了一 种用 于相似性检测的计算图嵌入的新方法,通过将图嵌入网络组合成一个Siamese (暹罗)网络,该网络自然地捕获了两个相似函数的图嵌入应该彼此接近的目标。原创 2024-01-18 00:53:25 · 466 阅读 · 0 评论 -
神经网络气温预测
#引用所需要的库import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchimport torch.optim as optim#优化器#过滤警告import warningswarnings.filterwarnings(“ignore”)%matplotlib inlinefeatures=pd.read_csv(‘temps.csv’)features.head()0 2016原创 2023-11-01 14:03:32 · 2446 阅读 · 2 评论 -
简单线性回归模型(复习一下前向传播和反向传播)
模型的保存和读取(训练好的权重)指定好参数和损失函数。原创 2023-10-27 20:50:01 · 237 阅读 · 0 评论 -
pytorch代码复现1(基础知识)
创建矩阵全零矩阵In[4]:import torchtorch.__version__x=torch.empty(5,3)xOut[4]:tensor([[0.0000e+00, 0.0000e+00, 4.6430e-23], [1.4013e-45, 1.2612e-44, 0.0000e+00], [3.5733e-43, 0.0000e+00, 0.0000e+00], [0.0000e+00, 0原创 2023-10-26 17:36:49 · 482 阅读 · 0 评论 -
机器学习基础知识
物体的嵌入(embedding)是指将物体的特征表示为一个向量,使得具有相似特征的物体在嵌入空间中拥有较近的距离,而具有不同特征的物体则拥有较远的距离。嵌入的目标是保留重要的特征信息,并且希望相似的项目在嵌入空间中距离较近,以便于后续的计算和模型训练。物体的嵌入是根据具体的模型和方法而定的,常见的方法包括使用卷积神经网络(CNN)对物体图像进行特征提取,然后将输出特征映射到低维空间得到嵌入。随着深度学习的发展,越来越多的先进模型和技术被应用于物体嵌入的生成,提高物体目标检测的准确性和性能。原创 2023-07-17 16:08:05 · 340 阅读 · 1 评论 -
机器学习-波士顿房价预测
这里将w0,w1,...,w12w_0, w_1, ..., w_{12}w0,w1,...,w12中除w5,w9w_5, w_9w5,w9之外的参数和bbb都固定下来,可以用图画出L(w5,w9)L(w_5, w_9)L(w5,w9)的形式,并在三维空间中画出损失函数随参数变化的曲面图。二是特征前的权重大小可以代表该变量对预测结果的贡献度(因为每个特征值本身的范围相同)进行分割,并将分割后的数据加载到一个 NumPy 数组中。它将文件中的数据按照给定的分隔符。原创 2023-09-04 20:15:37 · 1287 阅读 · 0 评论 -
机器学习入门
原创 2023-07-12 12:48:11 · 69 阅读 · 0 评论