动手学深度学习
本文系统介绍了深度学习的基础理论与核心技术,涵盖了从线性代数、微积分等预备知识到线性神经网络和多层感知机的基本原理。在卷积神经网络(CNN)部分,重点分析了卷积层、池化层及现代网络如AlexNet、VGG和ResNet的架构及其在计算机视觉中的应用。随后,文章讲述了循环神经网络(RNN)的序列模型,探讨了GRU和LSTM在文本处理中的优势。接着,介绍了注意力机制及其在Seq2Seq中的应用,并深入讲解了自注意力和位置编码的原理。最后,文章解析了Transformer架构和BERT模型的预训练方法,展示了它们在自然语言处理中的重要性和卓越表现。
机器学习
未读
《BCOLD(简称)》阅读笔记
《A Parallel Dual-Channel Chinese Offensive Language Detection Method Combining BERT and CTM Topic Information》提出了一种结合BERT和CTM主题信息的双通道并行中文攻击性语言检测模型(BCOLD)。通过融合BERT生成的上下文词向量和CTM生成的主题向量,模型增强了对文本深层语义的理解,并结合DPCNN和TextCNN两种模型捕捉不同特征。多头注意力机制进一步优化了特征表示,实验结果显示,BCOLD在检测中文攻击性语言方面具备高效性和准确性,并展示了在其他领域的广泛应用潜力。
五天全栈开发:微博舆情分析系统
本系统是一款专为社交网络舆情分析而设计的软件,旨在实现数据的实时采集、精准清洗、有效分类和深度分析。通过对微博等社交平台上的海量用户生成内容进行情感倾向分析和话题分类,系统能够快速捕捉并预测舆情动态,为政府、企业和组织提供决策支持。系统特点包括实时性监控、先进的数据处理能力、高度准确的情感计算技术以及用户友好的界面设计。通过模块化的设计思路,系统不仅易于维护和扩展,还确保了数据处理的高效率和准确性。我作为系统的唯一开发者,负责了从整体架构设计到前端页面实现,再到后端逻辑编写和数据库设计的全过程,确保了系统设计的一致性和功能的完整性。
机器学习
未读
中文详解-《Jbeil:基于时间图的归纳学习推断演化企业网络中的横向运动》
Jbeil框架通过自监督链接预测,使用良性和恶意认证事件的时序和拓扑数据来检测横向移动(Lateral Movement, LM)攻击。它利用BFS算法解析网络节点,并通过两阶段增强(选择立足点和执行攻击路径)生成威胁样本,以应对真实攻击数据不足的问题。这种方法通过节点嵌入和链接预测,有效提高了对新型LM攻击的检测能力。