![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读笔记
xbs118
梦里不知身是客,醒来方知一场空。
展开
-
Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey 论文阅读笔记
本文是论文的阅读笔记。Paper: A Threat of Adversarial Attacks on Deep Learning in Computer Vision: A SurveyAuthor: Naveed Akhtar (cor) (naveed.akhtar@uwa.edu.au) Ajmal MianPress: 2018 IEEE Access Departmen...原创 2019-02-02 22:36:41 · 1901 阅读 · 0 评论 -
A Survey on Malware Detection Using Data Mining Techniques 论文阅读笔记
Paper: A Survey on Malware Detection Using Data Mining Techniques Author: Yanfang Ye, West Virginia University, yanfang.ye@mail.wvu.edu Tao Li, Florida International University & Nanjing Un...原创 2019-02-07 23:47:30 · 826 阅读 · 0 评论 -
Practical Black-Box Attacks against Machine Learning 论文阅读笔记
Paper: Practical Black-Box Attacks against Machine LearningAuthor: Nicolas Papernot et al.Publication: arXiv, 2017 文章目录1 背景2 创新3 方法3.1 第一步,获取替代检测器的训练集3.2 第二步, 选择合适的替代检测器模型结构3.3 第三步, 不断迭代训练替代检测器3.4...原创 2019-03-28 20:14:04 · 1689 阅读 · 0 评论 -
Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 论文阅读笔记
Paper: Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks Author: Alec Radford, et al。Publication: arXiv, 2015。文章目录1 背景2 创新点3 核心方法3.1 为稳定DCGAN的训练作出的选择3.2 ...原创 2019-04-02 17:44:34 · 478 阅读 · 0 评论 -
Generative Adversarial Nets 论文阅读笔记
Paper: Generative Adversarial NetsAuthor: Ian J. Goodfellow et al.Publication: 2014, NIPS文章目录1 背景2 创新点3 核心方法4 理论推导4.1 训练算法4.2 全局优化的结束:$p_g=p_{data}$命题1: 当G是确定的时候,最优的判别器是:定理1: 当且仅当 $p_g=p_{data}$ 时...原创 2019-04-14 19:39:44 · 1256 阅读 · 0 评论 -
Document Modeling with Gated Recurrent Neural Network for Sentiment Classification 论文阅读笔记
Paper: Document Modeling with Gated Recurrent Neural Network for Sentiment ClassificationAuthor: Duyu Tang, et al.Publication: 2015, EMNLP.文章目录1 背景2 创新点3 核心方法3.1 句子表达3.2 文本表达3.3 情感分类4 实验4.1 实验设置4....原创 2019-05-17 20:41:18 · 1066 阅读 · 0 评论 -
Self-Attention-Generative-Adversarial-Networks(2019 ICML,HanZhang IanGoodfellow)
文章目录1 背景2 挑战3 创新4 方法5 实验1 背景自从GAN提出后,其在图像合成领域一直非常火热,尤其是基于深度卷积神经网络的GAN。对于多分类实验结果不理想,GAN擅于获取具有连续几何结构的模式,比如能精确模拟狗的毛发而对几只分散的脚无法准确判断。这可能是由于对卷积的频繁使用导致的,因为卷积核受到视野域的影响,空间分离的模式只有在深层网络中才能挖掘。增大卷积核可以缓解该问题,但会...原创 2019-07-16 15:51:47 · 664 阅读 · 0 评论 -
Conditional Generative Adversarial Nets 论文阅读笔记
1 背景和挑战GAN的提出解决了生成模型在概率计算方面的困难。普通的GAN无法控制数据生成的模式问题,因为其直接从随机的数据分布中寻找映射关系,太过自由。当下的分类问题难以解决输出类别多的情况,且大多属于一对一的分类,需要解决一对多的情形。2 方法将对于模式判别有帮助的其他信息或是标签,即 y 合并入输入一同交给GAN学习。...原创 2019-08-07 16:19:16 · 472 阅读 · 0 评论