- 博客(9)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 算法初步
算法what？有穷性、确定性、可行性、输入&输出How？穷举（万能算法）求N个数的全排列8皇后问题分而治之（减而治之）二分查找——减而治之归并排序——分而治之贪心最小生成树单源最短路...
2018-07-27 16:30:22
769
转载 知识图谱的技术与应用
文章转载自公众号 作者 | 李文哲（人工智能、知识图谱领域专家） 来源 | 贪心科技 转载网址：https://www.tinymind.cn/articles/717## 导读：从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。 本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对...
2018-07-25 21:03:29
2264
原创 MobSF源码分析——静态分析部分
代码结构MobSF源代码结构主要包含静态分析、动态分析、API Fuzzer三个部分，本文不关注Django框架本身及Web处理相关的内容。如图: 网页页面分析重新返回首页，F12进入开发者模式，可以看到，首页中间的Update&;Analyse按钮属于一个表单,这个表单采用POST的方式向服务器传递数据。简单猜想一下,传递的数据必定是上传的.apk文件,传到哪里表单头中并没...
2018-07-25 15:00:03
3148
1
原创 Keras实现textCNN文本分类
CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的...
2018-07-24 19:22:52
18733
30
原创 凸优化概括总结
相关概念 仿射集（Affine set）：通过集合C中任意两个不同点的直线仍然在集合C内，则称集合C为仿射集。比如：直线、平面、超平面 类似于线性变换 n维空间的n-1维仿射集为n-1维超平面。 仿射包（Affine hull）：包含集合C的最小仿射集。比如：直线的仿射包是它自己。球不是仿射集 仿射维数：仿射包的维数。比如：三角形的仿射维数为2；线段的仿射维数为1；球的仿射维数为3。 ...
2018-07-24 12:13:18
5665
原创 MobSF安装使用及过程中遇到的错误
一、概述MobSF(Mobile-Security-Framework，移动安全测试框架)是一款智能化、自动化的开源移动应用(Android/iOS/Windows)测试框架，可以对应用进行静态分析和动态分析（动态分析目前暂时只支持Android）。支持对APK文件、IPA文件以及源码压缩包进行审计分析，可以对Android和iOS的应用进行高效快速的安全分析。MobSF框架还可以通过其API...
2018-07-18 16:13:50
6529
原创 论文笔记：Recurrent Convolutional Neural Networks for Text Classification
1 Abstract文本分类是NLP的一项重要的基础任务。传统的文本分类需要特征工程，需要人类参与。而深度学习能够自动提取特征不需要人的参与。本文采用周期循环神经网络比卷积神经网络能够更加减少噪声，利用最大池化层选取一句话中最重要的特征。首先在学习词的表达的时候，采用双向循环结构获取文本信息，比传统的基于窗口的神经网络更能减少噪声，而且在学习文本表达时可以大范围的保留词序。其次使用最大池化层获...
2018-07-09 18:01:15
7035
7
原创 论文笔记：A Sensitivity Analysis of Convolutional Neural Networks for Sentence Classification
A Sensitivity Analysis of (and Practitioners’ Guide to) Convolutional Neural Networks for Sentence Classification——Ye Zhang，Byron C. Wallace这篇paper的主要工作是对“Convolutional Naural Networks for Sentence ...
2018-07-02 15:12:44
2253
原创 论文笔记：Convolutional Neural Networks for Sentence Classification
Abstract作者在句子级的分类任务上做了一系列基于预训练词向量的CNN实验。 实验结果说明了：一个简单的（单层神经网络）、有一点超参数的调节（Filter的个数）和static word vector的CNN模型在多个benchmarks上效果都很好。通过微调学习特定任务的向量（task-specific vectors）可提升性能。 作者还提出了一个架构上的简单修改来允许t...
2018-07-02 14:54:41
1020
基于ELMo词向量的textCNN中文文本分类python代码
2020-06-22
pcDuino通过VNC连win10电脑时RNDIS驱动
2017-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人