syzkaller, syzkaller是一个无监督的，覆盖指导的内核 fuzzer syzkaller-- 内核 fuzzer syzkaller 是一个无监督的覆盖指南内核 fuzzer 。 支持 Linux 内核 fuzzing，akaros 。freebsd 。fuchsia 。netbsd 和 window

基于有监督的虚假评论检测方法受限于标注语料的规模，为了更好地利用未标注评论数据来提高分类器的正确率和泛化能力，本文提出一种基于半监督主动学习的虚假评论检测方法。首先，定义并提取评论内容特征以及评论者行为特征，结合这两类特征来对虚假评论进行检测。然后，采用基于熵的主动学习算法选择对学习最有帮助的评论样本，获得其类别标注，将其合并到基于Tri-training的半监督学习算法的训练集中，利用大量未标注评论数据进行学习，提升分类器性能。最后，在领域评论数据集上进行实验，结果表明，将半监督学习与主动学习相结合，能够更有效的利用未标注评论数据，从而有效地提高虚假评论检测的效果。

达斯尔 Dassl是一个工具箱，旨在研究领域适应和半监督学习（因此而命名为Dassl ）。它具有模块化设计和统一的界面，可以快速进行原型设计和新DA / SSL方法的试验。使用Dassl，只需几行代码即可实现一种新方法。 您可以将Dassl用作库进行以下研究： 领域适应 域泛化 半监督学习 什么是新的 [2021年3月]我们刚刚在上发布了关于域泛化的调查，该调查总结了该主题的十年发展情况，涵盖了历史，相关问题，数据集，方法论，潜力方向等等。 [2021年1月]我们最近的工作 （混合不同域样本的实例级特征统计信息以改善域泛化）已被ICLR'21接受。该代码已在中发布，其中跨域图像分类部分基于Dassl.pytorch。 [2020年5月] v0.1.3 ：添加了Digit-Single数据集，用于对单源DG方法进行基准测试。相应的CNN模型为 ，数据集配置文件为 。参见了解如何评估您的方

深度聚类，用于视觉特征的无监督学习 消息 我们发布了新的自我监督方法SwAV的和。 SwAV使用ResNet-50将自我监督学习与ImageNet上的监督学习仅相距1.2％！ 它结合了在线聚类和多作物数据增强功能。 我们还介绍了DeepCluster-v2，它是DeepCluster的改进版本（ResNet-50，更好的数据增强，余弦学习速率表，MLP投影头，质心的使用，...）。 查看。 深度集群 该代码实现了卷积神经网络或卷积网络的无监督训练，如论文所述。 此外，我们提供了本文中使用的评估协议代码： Pascal VOC分类 激活的线性分类 实例级图像检索 最后，该代码还包括可视化模块，该可视化模块允许以可视方式评估学习到的功能的质量。 要求 Python安装版本2.7 SciPy和scikit-learn软件包 一个PyTorch安装版本0.1.8（ ） CUDA 8.0

1、无监督学习 没有目标值（变量）的算法 常见的无监督学习算法： 降维： – 主成分分析PCA降维处理 聚类： – K-means（k均值聚类） 2、主成分分析 应用PCA实现特征的降维 ·定义：高维数据转化为低维数据的过程，在此过程中可能会舍弃原有数据、创造新的变量 ·作用：是数据维散压缩，尽可能降低原数据的维数（复杂度），损失少量信息。 ·应用：回归分析或者聚类分析当中 PCA的APA: ·sklearn.decomposition.PCA（n_components=None） – 将数据分解为较低维数空间 n_components： ·小数：表示保留百分之多少的信息 ·整数：减少到多少特

忘了转换格式了，下载一个稻壳阅读器打印成PDF格式就可以正常打开使用了。 QGDW11080-2013架空输电线路技术监督导则 本标准规定了 国家电网公司系统 110(66)kV 及以上交流架空输电线路的全过程技术监 督、 专项技术监督、 技术监督预警与告警、 技术档案管理、 技术监督保障体系等内容及要 求。 本标准适用于国家电网公司系统 110(66)kV 及以上交流架空输电线路的技术监督工 作， 35 kV 交流架空输电线路和直流架空输电线路可参照执行。

vision transformer self-supervised

去噪代码 matlab

极限学习机ELM+OSELM+KELM+半监督SSELM+USELM的matlab程序(附完整代码)

单层感知机，实现多维数据的线性划分，采用最速梯度下降方法。