免费观看国产不卡福利 ,久久国产亚洲日日,暖暖高清无码专区

內(nèi)容簡介

　　隨著計算機技術的飛速發(fā)展，人工智能已經(jīng)滲入人們的日常生活，且在圖像分類、目標識別、自然語言處理等領域顯示了良好的效果和前景。但是，人工智能及其分支技術有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴重的后果。本書通過介紹針對圖像分類的對抗技術，描述了深度神經(jīng)網(wǎng)絡被欺騙的過程，以此引出了對其脆弱性的一般攻擊手段，期望能反向促進機器學習、深度學習、神經(jīng)網(wǎng)絡等領域的健康發(fā)展。本書適合高年級本科生、研究生以及對圖像分類中的對抗技術感興趣的研究人員參考。

作者簡介

　　張全新，男，1974年生，北京理工大學博士，中科院博士后，美國康涅狄格大學訪問學者。主要研究領域為信息安全，機器學習。現(xiàn)任職于北京理工大學計算機學院。至今已在Information Sciences，Journal of Network and Computer Applications等期刊上發(fā)表論文10余篇。以第一發(fā)明人獲得國家發(fā)明專利授權(quán)3項。獲得總參謀部科技進步三等獎一項，工業(yè)與信息化部科技進步三等獎一項，省級優(yōu)秀教材三等獎一項，校級研究生教育教學成果獎一項。主持國家自然科學基金面上項目等國家ji項目多項。

圖書目錄

第1章　深度學習中的圖像分類技術概述
1.1　深度學習的主要特點及應用領域
1.2　圖像分類的發(fā)展歷程
第2章　面向圖像分類的主要神經(jīng)網(wǎng)絡模型
2.1　神經(jīng)網(wǎng)絡層次
2.2　神經(jīng)網(wǎng)絡模型
第3章　圖像分類對抗概述
3.1　深度神經(jīng)網(wǎng)絡的脆弱性
3.2　對抗目標環(huán)境及對抗效果類型
3.3　主要評價標準
3.4　對抗樣本生成過程實例
3.5　智能防御
第4章　三種圖像分類對抗方法詳解
4.1　基于梯度計算的對抗方法
4.1.1　數(shù)據(jù)集和相關工具
4.1.2　實驗目的
4.1.3　方案概述
4.1.4　實驗驗證
4.1.5　算法改進
4.2　基于粒子群優(yōu)化的對抗方法
4.2.1　粒子群優(yōu)化算法的思想
4.2.2　粒子群優(yōu)化算法的流程
4.2.3　圖像的相似性度量
4.2.4　基于PSO的目標攻擊方案設計
4.2.5　實驗與結(jié)果分析
4.3　基于CMA的黑盒攻擊方案設計
4.3.1　問題提出
4.3.2　基于CMA的對抗樣本生成方法
4.3.3　方案設計
4.3.4　主要數(shù)據(jù)結(jié)構(gòu)及算法實現(xiàn)
4.3.5　實驗原理驗證
4.3.6　算法評價
參考文獻