精华内容
下载资源
问答
  • 系统总结了当前民爆生产线存在的突出问题并剖析其原因,深入研究了加强民爆生产线规范化管理的重点,探讨提出了提高民爆生产线本质安全水平的对策措施,促进民爆企业不断强化生产线安全生产基础条件。
  • 网络安全技术供应商赛门铁克2015年发布的网络...面对日益严峻的网络犯罪,加拿大政府主要通过强化信息技术支持和严打网络犯罪等途径来保护国家网络安全,同时加强公民宣传,普及网络安全知识。 据报道,过去5年...

    网络安全技术供应商赛门铁克2015年发布的网络安全威胁报告显示,加拿大是世界上遭受勒索软件攻击和社交媒体诈骗最严重的国家之一。与2013年相比,加拿大用户2014年遭遇勒索软件胁迫的案件增加了113%。

    面对日益严峻的网络犯罪,加拿大政府主要通过强化信息技术支持和严打网络犯罪等途径来保护国家网络安全,同时加强公民宣传,普及网络安全知识。

    据报道,过去5年,加拿大用于政府部门的网络安全保护费用达2.4亿加元(1加元约合0.78美元),仅去年的网络安全投入就达到1亿加元。今年3月发表的2016年度政府财政预算显示,加拿大政府在未来5年内将拨款7740万加元用于加强政府网络系统安全。这一措施将提高政府网络系统针对恶意软件和黑客入侵盗取信息的防御能力。

    为向国家公共事业和商业活动提供用于防御网络犯罪的信息技术支持,加拿大公共安全局下设“加拿大网络事件应对中心”,网络运营商可以从应对中心获得对网络犯罪的早期检测指数和趋势分析等信息,从而预防网络诈骗等威胁。

    为加大打击网络犯罪的力度,加拿大还专门成立通讯安全局,负责侦查和揭露网络犯罪。而加拿大安全情报局则对国内外网络威胁进行分析和调查,并将调查结果告知加拿大皇家骑警,由警方负责具体的执法行动。

    面对猖獗的网络犯罪,加拿大皇家骑警计划在未来5年内拨款3000万加元用于增强应对网络犯罪的能力,包括提高掌控网络犯罪电子证据的能力、招聘更多电脑和网络技术工程师、增加对调查员和情报分析人员的网络安全知识和技能培训等。

    但一些分析人士认为,加拿大政府非常注重保护公共领域的网络基础设施,而对企业和个人的网络信息安全保护力度不够,尤其是中小企业,由于没有能力投入大量资金进行网络信息安全保护,更容易成为黑客的攻击目标。

    一般来说,黑客会入侵盗取某公司的核心信息并恶意锁住电脑使其无法使用,然后以解锁为条件向用户勒索钱财。专家建议,小公司应该每年投入3%到7%的预算进行信息安全保护,大公司则应投入约15%的预算。目前也有不少软件公司为企业提供过滤和阻挡恶意软件入侵的付费服务。

    黑客还会通过用户在社交网络上公开的信息进行诈骗。一种常见的手段是黑客根据受害者在社交网络上公开的信息,伪装成受害者的家人或同事,为其量身打造一封看起来可信度很高的邮件来骗取用户的密码。

    调查显示,企业和个人在受到网络犯罪困扰时,往往愿意私下解决,很少诉诸法律程序,因而整个社会缺乏对网络犯罪信息的共享。例如,当人们的信用卡遭窃时,受害者通常会选择让银行处理并赔偿损失,而司法系统对这些事件根本不会知晓,这无形中增加了政府打击网络犯罪的难度。

    业内专家建议,企业和个人应加强网络信息安全意识,在有条件的情况下接受网络安全知识培训。防范网络入侵的具体做法包括使用杀毒软件、定期备份电脑信息、及时更新软件或安装软件安全补丁、不要轻易打开来源不明的电子邮件、不要在公共社交平台发布个人信息等。



    本文转自d1net(转载)

    展开全文
  • 随着AlphaGo和AlphaZero的出现,强化学习相关算法在这几年引起了学术界和工业界的重视。最近也翻了很多强化学习的资料,有时间了还是得自己动脑筋整理一下。 强化学习定义 先借用维基百科上对强化学习的标准定义: ...

    随着AlphaGo和AlphaZero的出现,强化学习相关算法在这几年引起了学术界和工业界的重视。最近也翻了很多强化学习的资料,有时间了还是得自己动脑筋整理一下。

    强化学习定义

    先借用维基百科上对强化学习的标准定义:

    强化学习(Reinforcement Learning,简称RL)是机器学习中的一个领域,强调如何基于环境而行动,以取得最大化的预期利益。

    从本质上看,强化学习是一个通用的问题解决框架,其核心思想是 Trial & Error

    强化学习可以用一个闭环示意图来表示:


    764050-20181027171332722-1422172723.png

    强化学习四元素

    • 策略(Policy):环境的感知状态到行动的映射方式。
    • 反馈(Reward):环境对智能体行动的反馈。
    • 价值函数(Value Function):评估状态的价值函数,状态的价值即从当前状态开始,期望在未来获得的奖赏。
    • 环境模型(Model):模拟环境的行为。

    强化学习的特点

    • 起源于动物学习心理学的试错法(trial-and-error),因此符合行为心理学。
    • 寻求探索(exploration)和采用(exploitation)之间的权衡:强化学习一面要采用(exploitation)已经发现的有效行动,另一方面也要探索(exploration)那些没有被认可的行动,已找到更好的解决方案。
    • 考虑整个问题而不是子问题。
    • 通用AI解决方案。

    强化学习 vs. 机器学习

    机器学习是人工智能的一个分支,在近30多年已发展为一门多领域交叉学科,而强化学习是机器学习的一个子领域。强化学习与机器学习之间的关系可以通过下图来形式化的描述:


    764050-20181027171857974-608291240.png

    注:上图中Machine Learning分支应该包含进化算法(Evolutionary Algorithms)。

    强化学习与其他机器学习的不同:

    • 强化学习更加专注于在线规划,需要在探索(explore 未知领域)和采用(exploit 现有知识)之间找到平衡。
    • 强化学习不需要监督者,只需要获取环境的反馈。
    • 反馈是延迟的,不是立即生成的。
    • 时间在强化学习中很重要,其数据为序列数据,并不满足独立同分布假设(i.i.d)。

    强化学习 vs. 监督学习

    强化学习与监督学习可以参考下图:


    764050-20181027171912299-300996512.png

    两者的目标都是学习一个model,而区别在于:

    监督学习:

    • Open loop
    • Learning from labeled data
    • Passive data

    强化学习:

    • Closed loop
    • Learning from decayed reward
    • Explore environment

    强化学习 vs. 进化算法

    进化算法(Evolutionary Algorithms,简称EA)是通过生物进化优胜略汰,适者生存的启发而发展的一类算法,通过种群不断地迭代达到优化的目标。进化算法属于仿生类算法的一种,仿生类算法还包括粒子群算法(PSO)、人工免疫算法以及如日中天的神经网络算法等。

    进化算法最大的优点在于整个优化过程是gradients-free的,其思想可以通过下图表示:


    764050-20181027171923732-1445765433.gif

    RL和EA虽然都属于优化问题的求解框架,而且两者都需要大量的算力,但是两者有着本质上的区别。

    Sutton在其强化学习介绍一书中也重点谈到了RL与EA的区别,这里简单谈几点:

    • RL通过与环境交互来进行学习,而EA通过种群迭代来进行学习;
    • RL通过最大化累计回报来解决序列问题,而EAs通过最大化适应函数(Fitness Function)来寻求单步最优;
    • RL对于state过于依赖,而EA在agent不能准确感知环境的状态类问题上也能适用。

    近期随着RL的研究热潮不断推进,很多研究也尝试通过将EA和RL结合解决优化问题,比如OpenAI通过使用进化策略来优化RL,获得了突破性的进展[3]。

    强化学习分类

    强化学习分类比较多样:

    • 按照环境是否已知可以分为Model-based & Model-free;
    • 按照学习方式可以分为On-Policy & Off-Policy;
    • 按照学习目标可以分为Value-based & Policy-based。

    下图为根据环境是否已知进行细分的示意图:


    764050-20181027171941149-98142244.png

    强化学习相关推荐资料

    • Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto:介绍强化学习很全面的一本书籍,相关的电子书及源码见这里
    • David Silver在UCL的强化学习视频教程:介绍强化学习的视频教程,基本与Sutton的书籍可以配套学习,Silver来自于Google Deepmind,视频和课件可以从Silver的主页获取,中文字幕版视频YouTube链接点这里
    • 强化学习在阿里的技术演进与业务创新:介绍强化学习在阿里巴巴的落地,可以拓展强化学习应用的业务思路,电子版见这里,密码:yh48。
    • Tutorial: Deep Reinforcement Learning:同样来自于Sliver的一个课件,主要针对RL与DL的结合进行介绍,电子版见这里,密码:9mrp。
    • 莫烦PYTHON强化学习视频教程:可以通过简短的视频概括地了解强化学习相关内容,适合于入门的同学,视频见这里
    • OpenAI Gym:Gym is a toolkit for developing and comparing reinforcement learning algorithms,Gym包含了很多的控制游戏(比如过山车、二级立杆、Atari游戏等),并提供了非常好的接口可以学习,链接见这里
    • Lil'Log:介绍DL和RL的一个优质博客,RL相关包括RL介绍、Policy Gradients算法介绍及Deep RL结合Tensorflow和Gym的源码实现,主页链接见这里

    Reference

    [1] 维基百科-强化学习
    [2] Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto, 2018
    [3] Evolution Strategies as a Scalable Alternative to Reinforcement Learning

    展开全文
  • 深部煤巷围岩强化控制在谢桥矿的应用,刘立明,张念超,随着煤矿进入深部开采,煤层巷道围岩稳定性控制越来越受到重视。本文提出了深部煤巷围岩的强化控制思路,其核心是 “三高”锚杆�
  • 强化学习并不需要正确的“输入/输出对”数据,强化学习‘强’就是因为其训练过程不需要准备大量的带标签的训练样本,它重视的是环境给予的反馈,训练是一个交互学习的过程。 监督需要大量正确的“输入/输出对”数据...

    一、强化学习与监督学习的区别

    在这里插入图片描述
    在这里插入图片描述

    1. 强化学习是通过与环境交互获取reward来更新agent网络参数的。
    2. 监督学习是通过已有的标签数据来更新agent网络参数的。
    3. 强化学习并不需要正确的“输入/输出对”数据,强化学习‘强’就是因为其训练过程不需要准备大量的带标签的训练样本,它重视的是环境给予的反馈,训练是一个交互学习的过程。
    4. 监督需要大量正确的“输入/输出对”数据,它重视的是teacher作出的评判,训练是一个老师指导学习的过程。

    二、强化学习做任务式对话决策的优势
    在这里插入图片描述
    在这里插入图片描述

    1. 相比于监督学习,使用深度强化学习优化agent网络,使任务完成的成功率显著提高,对话轮数明显缩短[1]。
    2. 使用深度强化优化能提升agent的鲁棒性,以处理对话系统其它模块引入的噪声,例如NLU[2]。

    引用:

    1. Bing Liu, Gokhan Tür, Dilek Hakkani-Tür, Pararth Shah and Larry Heck. End-to-End Optimization of Task-Oriented Dialogue Model with Deep Reinforcement Learning
    2. Xiujun Li, Yun-Nung Chen, Lihong Li, Jianfeng Gao and Asli Celikyilmaz. End-to-End Task-Completion Neural Dialogue Systems
    展开全文
  • 上周有幸参加了百度...而这次百度举办的课程,恰恰很重视代码实践。我原来有很多混淆和不清楚的概念,在实际看代码之后都有了更清晰的体会,感觉非常有帮助。 2. 反过来讲,如果一位同学对强化学习感兴趣,但是从来

    上周有幸参加了百度举办的强化学习7日打卡营的课程,系统学习了强化学习基本概念和在百度Parl工具中实现强化学习的流程。下面讲一下我的一些心得体会。

    1. 在上这门课之前,我有系统的看过deepmind的David Silver的强化学习视频课程,以及李宏毅老师的强化学习的视频。对于强化学习的基础知识很熟悉,但是缺乏实操经验。而这次百度举办的课程,恰恰很重视代码实践。我原来有很多混淆和不清楚的概念,在实际看代码之后都有了更清晰的体会,感觉非常有帮助。

    2. 反过来讲,如果一位同学对强化学习感兴趣,但是从来没有听过David silver或者其他的基础入门课程,甚至还缺乏深度学习的相关知识的话,我不建议直接用百度的这门课入手,会比较难以理解。百度这门课更加适合已经理解理论之后,想要动手操作的同学们。

    3. 还有个很大的遗憾是,这门课的时间太短了,只有几天时间,最新的一些方法还没有讲到。如果能够将A3C,甚至介绍一下alphaGO的实现,我都觉得会使得这门课更加的有深度有内涵。所以我个人是强烈希望有第二期的,把最新的方法也介绍和实现一下。

    展开全文
  • 随着内河运输需求的增加,水路运输的安全性也受到重视。如何在内河水路运输建立一套船舰识别系统,自动化识别船舰类型和状态是重要的议题之一。有鉴于此,本研究提出一套船舰识别系统,包含智能桥墎设备和船舰识别...
  • 随着内河运输需求的增加,水路运输的安全性也受到重视。如何在内河水路运输建立一套船舰识别系统,自动化识别船舰类型和状态是重要的议题之一。有鉴于此,本研究提出一套船舰识别系统,包含智能桥墎设备和船舰识别...
  • 但据资料统计,目前大部分矿工对携带自救器的意义认识不清、重视不够,导致一些人员伤亡事故。着重介绍了自救器在煤矿安全生产中所具有的特殊地位及其重要作用,并通过分析,阐述了增强矿工自救意识的意义。要避免和减少...
  • 我们都知道,人工智能是一个十分重要的技术,现在很多的大型科技公司都开始重视人工智能的发展。人工智能的发展不是空穴开风,是因为机器学习使得人工智能有了飞跃的发展。其实机器学习的方法有很多,在这篇文章中...
  • 强化学习下的无人驾驶决策技术

    千次阅读 2018-07-18 12:58:59
    导读】制造真正的自动驾驶汽车(即能够在任何要求的环境中安全驾驶)的关键是更加重视关于其软件的自学能力。换句话说,自动驾驶汽车首先是人工智能问题,需要一个非常具体的机器学习开发技能。而强化学习是机器学习...
  • 强化学习作为AI技术发展的重要分支,为各家AI公司高度重视。去年,百度首次参与NeurIPS 2018的强化学习赛事,就击败了多达400支来自全球研究机构以及各大公司研究...
  • 深度强化学习的两个不太被重视的问题是(1)缺乏对新目标的泛化能力,以及(2)数据效率低,即模型需要几个(并且通常是昂贵的)反复试验才能收敛,这使得它不适用于现实世界的场景。在本文中,我们解决了这两个问题,并将...
  • 市国税局网络安全宣传周总结——“五强化” 网络安全对国税局有着非常深刻的意义,几乎不能有任何失误,我市国税局对网络安全特别重视,本次活动我市国税局网络安全宣传周总结如下: 11月16日,安宁市国税局以首届...
  • 强化中国市场战略地位 重视中国VOIP市场据研究公司ATLANTIC-ACM日前发表的报告称,到2011年中国VoIP用户数量预计将增长到7000万。 BroadSoft公司总裁兼CEO Michael Tessler指出:“当中国解除对VoIP市场的限制,允许...
  • [PowerBI]用DAX强化图表交互力

    千次阅读 2019-03-24 12:23:40
    用DAX强化图表交互力 简述 评价一个报表的好坏,至少有三个方面。一,是否符合业务需求;二,数据是否准确无误;三,用户使用的自由空间。这其中的第三点,许多人往往重视不足。本文介绍了我自己在提升报表交互力...
  • 与MySQL兼容的数据库MariaDB,官方现在增强安全性和可靠性,推出企业级数据库产品MariaDB Enterprise Server,强化了备份、丛集建置以及审计的功能,第一个MariaDB Enterprise Server版本是10.4,但也有提供较旧的...
  • 因此网站基础建设要重视。那如何做好网站基础建设呢? 一、标签要做好 标题、关键词、描述可以说是一个网站的形象。你要是一直换的话,搜索引擎可能就不认识你了。因此网站已经被收录的话,标题、关键词、描述不要...
  • 政府及事业单位作为中国信息化的先行者,办公自动化、信息安全和政府门户网站建设的受重视程度显著加强。 政府网站更要注重网络安全 近年来,各级政府网站受到网络攻击、假冒伪造政府网站的问题频繁出现。...
  • 这两日消息方面偏利好,美股发布非农数据,复苏不及预期,强化了放水通胀的预期,股指期货应声大涨,LME铜期货的反应很明显,继续大阳线新高,今日传导我们这边也会有所反应。但江西铜业近30元附近挨近前期套牢盘,所以...
  • 经过每一个episode,我们可以对Q表中的动作...我们将除以平均值得做法替换为步长α,这样可以确保稍后获得的回报比之前更收到重视,因为后面的时间步对估算动作值更重要 α在0到1之间的值,0代表与之前的Q值完全一样
  • 17日,山西省卫生健康委要求强化医务人员责任意识,充分认识到部分病例进展迅速、可发展至重症、危重病例甚至死亡的可能;加强基层医务人员的培训,提高对流感病例早识别、早用药的意识和能力。针对山西周边省份流行...
  • 第12章我依旧有很多地方不懂、不透,这里,我只尽力将自己所理解的知识体系串讲下来,并且我在文末给出自己的疑问与猜测的答案/...因为还有很多东西要学要做,因此第一遍学习不求很透彻,重视工程能力而非理论能力。
  • 为协助各级党政机关进一步强化建立保密及网络安全培训机制,通过同步强化保密及网络安全工作教育培训工作,以提高党政机关的网络安全防范意识和技能为目标,为各级党政机关更好的推进网络安全保障体系建设提供技术...
  • 对此,民建江西省委会建议,在政府层面成立高规格的全省大数据发展领导小组,设立大数据专家咨询委员会,加快制定我省大数据产业发展行动纲要,强化数据资源统筹管理,将大数据发展纳入全省“十三五”经济社会发展...
  • 此举表明这家社交媒体公司越来越重视人工智能(AI)技术。 图:斯坦福大学计算机科学教授、前谷歌AI与机器学习首席科学家李飞飞 李飞飞将给Twitter带来巨大的AI影响力,该公司正在当前这个热门技术领域争夺...
  • 不久前闭幕的2016年世界移动大会上,电信运营商及各大通信企业都表现出了对物联网领域的极大重视。据悉,截至2015年底,国内三大运营商的物联网连接用户数总计已接近一亿户。而据中国科学院物联网研究发展中心预计,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 462
精华内容 184
热门标签
关键字:

强化重视