机器学习日报 2017-01-02 深度学习网络安全论文集锦;概述论文：迁移学习研究全貌

解应春BW

机器学习日报 2017-01-02

• 深度学习网络安全论文集锦 @爱可可-爱生活
• 增强学习学习指南 @爱可可-爱生活
• 概述论文：迁移学习研究全貌 @机器之心synced
• Numpy实现的MNIST手写数字分类器 @爱可可-爱生活
• 深度学习NLP概览 @爱可可-爱生活
  

@好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com

订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群

邮件版包括16条，本期的Web版有完整内容21条

用日报搜索找到以前分享的内容： http://ml.memect.com/search/

今日焦点 (5)
爱可可-爱生活   网页链接 2017-01-02 08:12
深度学习 Jason Trost
【深度学习网络安全论文集锦】《Collection of Deep Learning Cyber Security Research Papers》by Jason Trost @jason_trost/collection-of-deep-learning-cyber-security-research-papers-e1f856f71042">[url]http://t.cn/RMvaklq[/url]

phunter_lau 网页链接 转发于2017-01-02 19:58  回复 @phunter_lau “good”
里面除了暴力卷积二进制这种传统方向之外，序列建模的一些工作也是很好，还有一个看起来暂时没有什么用的用GAN来模仿现有DGA生成新C2域名的工作倒是序列GAN的好例子（只是用Keras不就弱掉了嘛



爱可可-爱生活   网页链接 2017-01-02 18:36
深度学习 算法 代码 强化学习
【增强学习学习指南】’Study Reinforcement Learning & (Deep RL) Guide' by Yad Faeq GitHub:http://t.cn/RMhvhEt

机器之心synced   网页链接 2017-01-02 15:46
迁移学习
概述论文：迁移学习研究全貌 http://t.cn/RMPolaJ → A survey of transfer learning




爱可可-爱生活   网页链接 2017-01-02 10:14
算法 Karan Desai Python 代码 分类 神经网络
【(Python)Numpy实现的MNIST手写数字分类器】’MNIST Handwritten Digit Classifier - A single handwritten digit classifier, using the MNIST dataset. Implemented through Artificial Neural Networks in Python.' by Karan Desai GitHub: http://t.cn/R5UL5m3

爱可可-爱生活   网页链接 2017-01-02 08:16
深度学习 自然语言处理 Frank Chung
【深度学习NLP概览】《Notes for deep learning on NLP》by Frank Chung @frank_chung/notes-for-deep-learning-on-nlp-94ddfcb45723">[url]http://t.cn/RMvSIjr[/url]

最新动态
一起大数据   网页链接 2017-01-02 21:53
自然语言处理 情感分析
斯坦福大学怎样讲“情感分析” - OPEN 开发经验库 http://t.cn/RMhpwmI




视觉机器人   网页链接 2017-01-02 21:48
深度学习 视觉 算法 语音 自然语言处理 神经网络
机器学习是有乐趣的已经更新6部啦，Machine Learning is Fun， Part 6 如何用深度学习进行语音识别，@ageitgey/machine-learning-is-fun-part-6-how-to-do-speech-recognition-with-deep-learning-28293c162f7a#.z8steisxs">[url]http://t.cn/RMhCuy3[/url] Part 5 用深度学习进行语言翻译，@ageitgey/machine-learning-is-fun-part-5-language-translation-with-deep-learning-and-the-magic-of-sequences-2ace0acca0aa#.bir29b5w8">[url]http://t.cn/RMhCuyr[/url] Part 4 用深度学习进行人脸识别，@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78#.q5b0tz9mm">[url]http://t.cn/RMhCuyu[/url] Part 3，深度学习和卷积神经网络，@ageitgey/machine-learning-is-fun-part-3-deep-learning-and-convolutional-neural-networks-f40359318721#.6bewgfiua">[url]http://t.cn/RMhCuye[/url] Part 2:...全文： http://m.weibo.cn/5501429448/4059589056346742

Linuxeden开源社区   网页链接 2017-01-02 21:45
深度学习 Ricardo Guerrero Gomez
【对比深度学习十大框架：TensorFlow 并非最好？】 2016 年已经过去，BEEVA Labs 数据分析师 Ricardo Guerrero Gomez-Ol 近日在 Medium 上发表了一篇文章，盘点了目前最流行的深度…http://t.cn/RMh9dcP

LR机器学习计算机视觉   网页链接 2017-01-02 20:41
深度学习 算法 神经网络
用于理解各种深度学习的综合的图表示 http://t.cn/Rc6j1U6

视觉机器人   网页链接 2017-01-02 20:17
经验总结 深度学习 博客
深度学习2016，年度回顾。Deep Learning 2016: The Year in Review，http://t.cn/RIDD9oG

梁斌penny   网页链接 2017-01-02 12:09
自然语言处理
每天1000万次请求还是太少了，分词作为互联网数据处理的第一步，价值巨大。每天互联网全行业的分词文本数量和频次，至少是几百万亿这个级别的。我只是拿到1百亿才有想象空间，继续努力吧，还是要在服务的方式上继续创新，想新的办法




爱可可-爱生活   网页链接 2017-01-02 10:37
Python 代码 正则表达式
【(Python)常用正则表达式集合】’A library that provides regex patterns. If you hate to write regular expressions, then expynent can help you.' by Líkið Geimfari GitHub: http://t.cn/RMvEBAp

爱可可-爱生活   网页链接 2017-01-02 10:29
资源 PDF 代码 论文
【(C++)高维数据最近邻(ANN)搜索库】’DOLPHINN - High Dimensional Approximate Near(est) Neighbor' by gsamaras GitHub: http://t.cn/RMvROi2 ref:《Practical linear-space Approximate Near Neighbors in high dimension》http://t.cn/RMvROiL

徐轶青   网页链接 2017-01-02 05:56
R语言 可视化 刘力成
新年第一天，分享一个刚写完的R包，用来可视化“非线性交互效应”。这个版本支持快速估计半参数固定效应模型（谢谢刘力成同学的助研）。STATA版正在开发中。比较简单，但是希望有用。欢迎大家提意见、找bug。 http://t.cn/RMvfB55

大数据_机器学习   网页链接 2017-01-02 05:46
算法 KNN Python 聚类
机器学习知识列表: K-Means聚类的Python实践 >>>> http://t.cn/RMvf0pF




爱可可-爱生活   网页链接 2017-01-02 05:35
算法 代码 论文
《HAMSI: A Parallel Incremental Optimization Algorithm Using Quadratic Approximations for Solving Partially Separable Problems》K Kaya, F Öztoprak, Ş. İ Birbil... [Sabancı University & Istanbul Bilgi University] (2016)http://t.cn/RMvfVNb GitHub:http://t.cn/RMvfVN4