Miscellaneous15 [2024-1] Rectified Linear Units(ReLU) Improve Restricted Boltzmann Machines https://www.cs.toronto.edu/~hinton/absps/reluICML.pdfRestricted Boltzmann Machine(RBM)보통 generative model이라고 하는데 ANN, DNN, CNN, RNN 등과 같은 deterministic model들과 다른 목표를 가짐 → deterministic model들은 타겟과 가설 간의 차이를 줄여서 오차를 줄이는 것이 목표 , generative model들의 목표는 확률밀도 함수를 모델링하는 것https://angeloyeo.github.io/2020/10/02/RBM.htmlRBM은 이렇듯 확률분포(정확하게는 pdf, pmf)를 학습하기 위해 만들어졌다고 할 수 있다RBM의 구조-> 많은 RBM의 연구에서 visible u.. 2024. 5. 12. [2024-1] 백승우 - A Unified Approach to Interpreting Model Predictions A Unified Approach to Interpreting Model PredictionsRequests for name changes in the electronic proceedings will be accepted with no questions asked. However name changes may cause bibliographic tracking issues. Authors are asked to consider this carefully and discuss it with their co-authors prior to requepapers.nips.cc0. Abstrct- Additive feature attribution methods에서 게임이론을 기반으로 하는 Shap Value가.. 2024. 5. 7. [2024-1] 홍연선 - A Brief Introduction into Machine Learning https://www.semanticscholar.org/paper/A-Brief-Introduction-into-Machine-Learning R%C3%A4tsch/fab926b5da15870777607679ebd56985735023d0 https://www.semanticscholar.org/paper/A-Brief-Introduction-into-Machine-Learning-R%C3%A4tsch/fab926b5da15870777607679ebd56985735023d0 www.semanticscholar.org 1. Introduction 저자가 머신러닝의 "learning"을 귀납적 추론(inductive inference) 에 의한 것이라고 말한 것이 인상적이다. 머신러닝이 여러 데이터들을 학습.. 2024. 4. 14. [2024-1] 장인영 - Explainable artificial intelligence for intrusion detection in IoT networks: A deep learning based approach https://www.sciencedirect.com/science/article/abs/pii/S0957417423022534h Abstract 이 논문은 IoT 네트워크의 침입 탐지 시스템을 위해 공격을 분류하는 딥러닝 모델을 제안한다. 모델 훈련과 테스트를 위해 NSL-KDD, UNSW-NB 15 데이터셋을 사용한다. 필터 기반 접근 방식을 사용하여 중요한 feature를 선별하고 두 가지 딥러닝 모델을 구축한다. DL 모델은 두 데이터셋에 대해 모두 높은 정확성을 보였다. 하지만, DL 모델은 불투명하고 이해하기 어렵기 때문에 LIME과 SHAP을 이용하여 모델에 대한 신뢰도를 높인다. 1. IoT 네트워크 & IDS (Intrusion detection system) 최근, IoT가 발전하며 I.. 2024. 4. 13. 이전 1 2 3 4 다음
