关于 烟台开医院证明检查报告 微电152 9212 8512代nil 的搜索结果,共1075
雾****士 2018-07-09
DuerOS技能放平发模版及示例
目前DuerOS技能放平会陆续为发者们提供不同类型的发模版及示例码,目前已经提供的模版如下: 问答游戏类技能示例码,链接:https://github.com/dueros/bot-sdk-node.js/tree/master/samples/trivia 什么是问答游戏类技能?点击链接了解技能形式及发启示 https://dueros.baidu.com/forum/topic/show/292974 测试类技能示例码,链接:https://github.com/dueros/bot-sdk-node.js/tree/master/samples/decision 什么是测试类技能?点击链接了解技能形式及发启示 https://dueros.baidu.com/forum/topic/show/293673 养成类技能示例码,链接:https://dueros.baidu.com/forum/topic/show/293685 什么是养成类技能?
金****洲 2018-07-09
百度安全实验室|机器学习对抗性攻击
这是因为迭 方法对原图像使用了更妙的调整,而这些调整在外界图像转化过程中更容易被毁坏。 作者还分别测试了亮度、对比度、高斯模糊转化、高斯噪音转化和JPEG 编码转化量度, 对各个对抗性图像方法的毁坏程度。具体实验结果请参见他们的论文[1]。 2.2 Exploring New Attack Space on Adversarial Deep Learning 来自UC Berkeley 大学的Dawn Song 教授和刘畅博士介绍了对抗式深度学习在除 了其他领域的攻击和防御。其中Dawn Song 教授是Taint Analysis 理论的主要贡献者 之一,还是美国“麦克阿瑟天才奖”获得者。在现场,专家们首先拓展了对抗性深度学 习在图像识别测上的应用,然后还提出构造对抗性图片的优化方法-ensemble 黑盒攻击算法[6]。 在图像识别物体测中,如图3 左图所示,深度学习可以用来测图像中不同的物 体以及他们之间的关系并自动生成说(Caption) [2]。在这种场景下,对抗性图像攻击 同样可以欺骗机器学习模型,并给出异常的说,如图3 右图所示。
j****2 2018-07-10
百度大脑放日来袭 24种全新AI能力呈现
在深度学习基础之上,百度大脑通用AI能力放涵盖语音、视觉、自然语言处理、知识图谱等全面AI技术。 语音方向:语音方面推出了语音识别极速版,首次对外放搭载国际领先的注意力(attention)模型的语音能力,拥有更快的响应速度,相对识别准确度提升15%,为发者带来更极致的识别体验。此外,语音识别预置语义解析全新升级,预置场景由35个升级为51个,从影视娱乐到外卖打车,语义解析效果全面提升。另外,还预了即将推出的几款新产品,包括语音识别自训练平、远场语音发套件和语音离线合成等产品。 视觉方向:OCR、车辆分析、人脸人体、图像识别都有重磅升级。比如卡OCR新增了户口本、出生、港澳通行湾通行四类新能力,可识别卡总数达到9种。只需对着你的户口本拍一张照片,系统就能字段进行结构化识别,然后反馈出信息页的出生地、出生日期、姓名、民族、与户主关系、性别、身份号码。而票据OCR和汽车场景OCR也分别新增了行程单、保单、通用机打发票、定额发票、车辆VIN码、机动车销售发票、车辆合格等识别能力。
Z****E 2018-07-09
产品迭的最后一公里
变更面临的问题 其实我们对变更的需求并不复杂,作为迭的最后一公里,我们只关注两点: 操作过程足够快捷(效率) 变更结果符合预期(安全) 但是,在具有一定规模企业的生产环境中,用户往往要面对比单机器手工上线更加复杂的状况,在这些状况下上述两点要求通常难以满足: 大批量机器的操作步骤繁琐,较依赖人的经验,变更操作效率低下; 由于缺少可靠的机制,变更效果无法保,甚至引发线上较大异常。 我们在百度各核心产品的大规模变更实践中积累了丰富的经验,发现通过自动化部署可以有效提升变更效率,在变更过程中严格执行分级发布流程可以确保机制得到执行,并且能够有效限制异常影响范围,加速异常恢复。在两者基础之上,融入AIOps智能变更策略,可以进一步降低管理成本,提升效果。下面将从三个方面详细介绍我们的解决方案。 我们的解决方案 1自动化部署 自动化部署包含变更策略和批量机器执行能力两部分。具体来说,用户通过UI/API配置整个变更过程的执行策略,例如先执行A地域机器的变更,再执行B地域机器的变更;执行失败的机器超过10就自动中止等。
h****l 2018-07-09
大数据时下的隐私保护(二)
在大数据时,如何才能保我们的隐私呢?要回答这个问题,我们首先要知道什么是隐私。 什么是隐私? 我们经常谈论到隐私泄漏、隐私保护,那么什么是隐私呢?举个例子,居住在海淀区五 道口的小经常在网上购买子产品,那小的姓名、购买偏好和居住地址算不算是隐 私呢?如果某购物网站统计了用户的购物偏好并公部分数据,公的数据中显示北京 海淀区五道口的用户更爱买子产品,那么小的隐私是否被泄漏了呢?要弄清楚隐私 保护,我们先要讨论一下究竟什么是隐私。 对于隐私这个词,科学研究上普遍接受的定义是“单个用户的某一些属性”,只要符合 这一定义都可以被看做是隐私。我们在提“隐私”的时候,更加强调的是“单个用户”。 那么,一群用户的某一些属性,可以认为不是隐私。我们拿刚才的例子来看,针对小 这个单个用户,“购买偏好”和“居住地址”就是隐私。如果公的数据说住在五道口 的小爱买子产品,那么这显然就是隐私泄漏了。但是如果数据中只包含一个区域的 人的购买偏好,就没有泄露用户隐私。如果进一步讲,大家都知道小住在海淀区五道 口,那么是不是小就爱买点此产品了呢?这种情况算不算事隐私泄漏呢?
TOP