吉林大学计算机科学郝琳琳,胡亮-吉林大学计算机科学与技术学院

学术论文:

1、*Hu, Liang, Che, Xi-Long, Zheng, Si-Qing ,Online System for Grid Resource Monitoring and Machine Learning-Based Prediction ,IEEE Transactions on Parallel and Distributed Systems, 23(1), pp 134-145,

2012/1. ,0 ,SCI 期刊论文

2、Zhao, Jian, Liu, Lei, *Hu, Liang ,Extended representation of the conceptual element in temporal context and the diachronism of the knowledge system ,Knowledge-Based Systems, 33卷, pp 136-144, 2012/9. ,0,SCI 期刊论文

3、Hu, Liang, *Che, Xilong, Cheng, Xiaochun ,Bandwidth Prediction based on Nu-Support Vector Regression and Parallel Hybrid Particle Swarm Optimization ,International Journal of Computational Intelligence Systems, 3(1), pp 70-83, 2010/4. ,8 ,EI,SCI 期刊论文

4、Hu, Liang, Zhang, Meng, Zhang, Yi, Tang, Jijun,LABEL-GUIDED GRAPH EXPLORATION WITH ADJUSTABLE RATIO OF LABELS,International Journal of Foundations of Computer Science, 23(4), pp 903-929, 2012/6.,0,SCI 期刊论文

5、Hu, Liang, Lin, Lin, *Che, Xilong, Li, Changwu,GSWAP: A DATA EXCHANGING PARTITION FOR THE EXECUTION OF GRID JOBS,International Journal of Innovative Computing Information and Control, 8(9), pp 6271-6282, 2012/9.,0,EI,SCI 期刊论文

6、Hu, Liang, Nurbol, Liu, Zhiyu, He, Jinshan, *Zhao, Kuo,A Time-stamp Frequent Pattern-based Clustering Method for Anomaly Detection,IETE Technical Review, 27(3), pp 220-227, 2010/6MAY-JUN.,0,EI,SCI 期刊论文

7、Zhao, Kuo, Nurbol, Shi, Guang-Kun, *Hu, Liang,HSTCP: A High-speed Traffic Collection Platform for Intrusion Detection/Prevention Based on Sampling on FPGAs,IETE Technical Review, 27(3), pp 235-243,

2010/6MAY-JUN.,0,EI,SCI 期刊论文

8、Hu, Liang, Chi, Ling, Li, Hong-tu, Yuan, Wei, *Sun, Yuyu, Chu, Jian-feng,The Classic Security Application in M2M: the Authentication Scheme of Mobile Payment,KSII Transactions on Internet and Information Systems, 6(1), pp 131-146, 2012/1/30.,0,SCI 期刊论文

9、Yuan, Wei, Hu, Liang, *Li, Hongtu, Chu, Jianfeng, Yang, Kun,Cryptanalysis and Enhancement of an Efficient and Provably Secure Password-based Group Key Agreement Protocol,Information-An International Interdisciplinary Journal, 15(11A), pp 4507-4512, 2012/11.,0,SCI 期刊论文

10、Yuan, Wei, Hu, Liang, *Li, Hongtu, Chu, Jianfeng,An Efficient Password-based Group Key Exchange Protocol Using Secret Sharing,Applied Mathematics & Information Sciences, 7(1), pp 145-150,

2013/1.,0,SCI 期刊论文

11、胡亮, 初剑峰, 林海群, 袁巍, *赵阔,IBE体系的密钥管理机制,计算机学报, 32(03), pp 543-551, 2009/3/15.,EI 期刊论文

12、胡亮, 刘哲理, 孙涛, 刘芳,基于身份密码学的安全性研究综述,计算机研究与发展, 46(09), pp 1537-1548, 2009/9/15.,EI 期刊论文

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值