https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/45557.pdf
Harvesting the Low-hanging Fruits: Defending Against Automated Large-Scale Cyber-Intrusions by Focus
2017-08-01
1071
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
https://static.googleusercontent.com/media/research.
目录
相关文章
|
2月前
|
机器学习/深度学习
测试技术
算法
文献解读-DNAscope: High accuracy small variant calling using machine learning
在这项研究中，研究组证明了DNAscope在不同样本和不同覆盖度水平下都能达到比DNAseq更高的准确性。使用GA4GH分层区域进行的分层分析，能够确认DNAscope在大多数分层区域中都具有高准确性，并突显了DNAscope在插入缺失（indels）和包含变异检测较困难的基因组区域的分层中具有更高的准确性。DNAscope结合了GATK's HaplotypeCaller中使用的成熟数学和统计模型，以及用于变异基因型分析的机器学习方法，在保持计算效率的同时实现了卓越的准确性。
45
3
3
|
2月前
|
机器学习/深度学习
算法
|
4月前
|
算法
数据挖掘
文献解读-Consistency and reproducibility of large panel next-generation sequencing: Multi-laboratory assessment of somatic mutation detection on reference materials with mismatch repair and proofreading deficiency
Consistency and reproducibility of large panel next-generation sequencing: Multi-laboratory assessment of somatic mutation detection on reference materials with mismatch repair and proofreading deficiency，大panel二代测序的一致性和重复性：对具有错配修复和校对缺陷的参考物质进行体细胞突变检测的多实验室评估
37
6
6
|
5月前
|
机器学习/深度学习
人工智能
算法
【博士每天一篇论文-算法】Collective Behavior of a Small-World Recurrent Neural System With Scale-Free Distrib
本文介绍了一种新型的尺度无标度高聚类回声状态网络（SHESN）模型，该模型通过模拟生物神经系统的特性，如小世界现象和无标度分布，显著提高了逼近复杂非线性动力学系统的能力，并在Mackey-Glass动态系统和激光时间序列预测等问题上展示了其优越的性能。
44
1
1
|
机器学习/深度学习
存储
数据采集
DCFEE： A Document-level Chinese Financial Event Extraction System based on Automatically Labeled论文解读
我们提出了一个事件抽取框架，目的是从文档级财经新闻中抽取事件和事件提及。到目前为止，基于监督学习范式的方法在公共数据集中获得了最高的性能（如ACE 2005、KBP 2015）。这些方法严重依赖于人工标注的训练数据。
153
0
0
|
存储
算法
网络协议
译｜A scalable, commodity data center network architecture（二）
译｜A scalable, commodity data center network architecture（二）
141
0
0
|
缓存
负载均衡
网络协议
译｜A scalable, commodity data center network architecture（三）
译｜A scalable, commodity data center network architecture（三）
121
0
0
|
机器学习/深度学习
算法
图形学
Deep learning based multi-scale channel compression feature surface defect detection system
简述：首先应用背景分割和模板匹配技术来定义覆盖目标工件的ROI区域。提取的感兴趣区域被均匀地裁剪成若干个图像块，每个块被送到基于CNN的模型，以分类杂乱背景中不同大小的表面缺陷。最后，对空间上相邻且具有相同类别标签的图像块进行合并，以生成各种表面缺陷的识别图。
157
0
0
|
机器学习/深度学习
存储
传感器
Automated defect inspection system for metal surfaces based on deep learning and data augmentation
简述：卷积变分自动编码器(CVAE)生成特定的图像，再使用基于深度CNN的缺陷分类算法进行分类。在生成足够的数据来训练基于深度学习的分类模型之后，使用生成的数据来训练分类模型。
171
0
0
|
编解码
算法
数据挖掘
热门文章
最新文章
1
2020云栖大会，云效分论坛不容错过的四大亮点指引
2
AI大咖专访丨阿里靖世：博士的研究同样可以在工业界做，更可以影响亿万人的生活！
3
技术，技术人员，谁是风，谁是草
4
Webbrowser execCommand 与 ExecWB的执行条件
5
为什么说systemd是系统管理员的利器
6
动态权限<一>基本介绍
7
打击假新闻：谷歌新闻加入“事实调查”标签
8
把PHP大牛记下来，方便以后关注
9
什么是供应链
10
字符串所占的字节长度
1
《鸿蒙Next：让人工智能应用自适应不同屏幕，畅享极致体验》
39
2
《鸿蒙Next中的新兴人工智能算法：适应性与性能的双重提升》
27
3
《鸿蒙Next：让人工智能语音交互听懂每一种方言和口音》
26
4
《开源与合作：驱动鸿蒙Next系统中人工智能技术创新发展的双引擎》
28
5
《鸿蒙Next应用商店：人工智能开启智能推荐与运营新时代》
34
6
【Azure Developer】.NET Aspire 项目本地调试遇 Grpc.Core.RpcException 异常( Error starting gRPC call ... )
24
7
深入剖析 OALP 与 OLTP：概念、区别、技术、场景
34
8
MPP 架构与 Hadoop 架构技术选型指南
39
9
Druid、ClickHouse、Doris、StarRocks 的区别与分析
49
10
Druid 架构原理及核心特性详解
37