Book description
随着深度神经网络（DNN）实际应用日益普遍，攻击者可在不引起人警觉的情况下，构造数据蓄意“欺骗” 深度神经网络，这种新型攻击向量（攻击手段）威胁到以深度神经网络为核心算法的人工智能系统的安全。本书紧贴实际，考察了深度神经网络算法的多种真实应用场景，如图像、音频和视频数据处理。
本书作者探讨了对抗性攻击的意图，分析了对抗性输入对人工智能系统的威胁，并考察了现有对抗性攻击和防御方法，为增强深度神经网络，使其健壮应对对抗性攻击，做了诸多有益的探索。如果你是数据科学家，正在开发深度神经网络算法，或是安全架构师，有意提升人工智能系统应对攻击的能力，又或是对人工和生物感知的差异感兴趣，那么本书正是为你而写的。
- 深入深度神经网络，揭示对抗性输入如何欺骗深度神经网络。
- 探讨如何生成对抗性输入去攻击深度神经网络。
- 探索真实对抗性攻击场景和为对抗性威胁建模。
- 评估神经网络的健壮性；学会增强人工智能系统应对对抗性数据的能力。
- 考察未来几年可用哪些方式让人工智能更擅长模拟人的感知。
Product information
- Title: 增强深度神经网络
- Author(s):
- Release date: November 2020
- Publisher(s): China Electric Power Press Ltd.
- ISBN: 9787519849641
You might also like
book
Python和NLTK实现自然语言处理
使用Python实现NLP项目的大量实践经验 Key Features NLTK是自然语言处理领域中非常受欢迎和广泛使用的Python库。 Book Description NLTK是自然语言处理领域中非常受欢迎和广泛使用的Python库。NLTK的优点在于其简单性，其中大多数复杂的自然语言处理任务使用几行代码即可完成。本书旨在讲述如何用Python和NLTK解决各种自然语言处理任务并开发机器学习方面的应用。本书介绍了NLTK的基本模块，讲述了采用NLTK实现自然语言处理的大量技巧，讨论了一些文本处理方法和语言处理技术，展示了使用Python实现NLP项目的大量实践经验。本书主要内容包括文本挖掘/NLP任务中所需的所有预处理步骤，如何使用Python 3的NLTK 3进行文本处理，如何通过Python开展NLP项目。 本书适合NLP和机器学习领域的爱好者、Python程序员以及机器学习领域的研究人员阅读。 本书包括以下主要内容 • 使用词性标注和分块的方法对文本进行整理与清洗。 • 把文本标记为句子，把句子标记为单词。 • …
book
TensorFlow构建机器学习项目
通过项目实战，从复杂数据获取更强的洞察力 Key Features 介绍如何使用TensorFlow库实现各种各样的模型 为读者提供解决问题的详细方法和指导，降低学习门槛 Book Description 本书是介绍如何在产品中使用TensorFlow的实用教程。本书介绍了可以使用TensorFlow的多种情况，并通过真实世界的项目，向读者展示了如何使用TensorFlow。本书还讲解了在实际环境中使用TensorFlow的创新方法。 本书主要介绍第二代机器学习与数值计算，提供了训练模型、机器学习、深度学习以及使用各种神经网络的项目，以此来讲解TensorFlow的应用领域，还讨论如何使用TensorFlow计算复杂数值。 本书在教读者使用TensorFlow的同时，还展示了如何使用张量来探究各层的数据。只需选定一个跟读者环境相匹配的项目，就能学到如何在产品中应用TensorFlow的相关知识。读完本书后，读者将能通过TensorFlow有效改善项目的速度和效率。 What you will learn 加载、交互、剖析、处理和存储复杂数据集； 使用先进的技术来解决分类和回归问题； …
book
深度学习实战手册（R语言版）
使用TensorFlow、H2O和MXNet解决复杂的神经网络问题，全彩印刷 Key Features 本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习 覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景 包含大量实用的示例代码，方便读者应用到实际项目中。 Book Description 深度学习是当前的热门，它是机器学习的一部分。在庞大而复杂的数据应用中，深度学习取得的效果非常吸引人。同时，R编程语言在数据挖掘人员和统计人员当中非常流行。 本书介绍使用 R 语言和深度学习库 TensorFlow、H2O 和 MXNet 构建不同的深度学习模型的方法和原理。本书共 …
book
Python机器学习案例精解
用简单易学的示例，带你驶入机器学习的快车道 Key Features 书中示例浅显易懂，涵盖多种应用场景 讲解方式生动有趣。 Book Description 本书开篇介绍Python语言和机器学习开发环境的搭建方法。后续章节介绍相关的重要概念，比如数据分析、数据预处理、特征抽取、数据可视化、聚类、分类、回归和模型性能度量等。本书包含多个项目案例，涉及几种重要且有趣的机器学习算法，引导读者从头实现自己的模型。学完本书，你将了解机器学习生态系统的全貌，并掌握机器学习技术的实践和应用。 在本书的帮助下，你将学会用强大却很简单的Python语言来处理数据科学难题，并构建自己的解决方案。书中示例浅显易懂，涵盖多种应用场景：新闻话题分类、垃圾邮件过滤、在线广告点击率预测和股票价格预测等，讲解方式生动有趣。 • 本书包括以下内容： • 利用Python语言抽取数据、处理数据和探索数据； • 用Python对多维数据进行可视化，并抽取有用特征； • …
