evolution

Ubuntu MATE 20.04 LTS:士别三日,当刮目相待

≯℡__Kan透↙ 提交于 2020-08-08 09:57:42
Ubuntu MATE 20.04 LTS 无疑是最流行的 Ubuntu 官方特色版本 之一。 不仅仅是我,这份 Ubuntu 20.04 调查报告 也持同样观点。不过不管流行与否,它都是一个令人印象深刻的 Linux 发行版,尤其是用在较旧的硬件上时。事实上,它也是可用的 最轻量的 Linux 发行版 之一。 所以,我想在一个虚拟机中尝试一下,为你提供一个概览,这样你可以了解其中有何值得期盼的变化,以及是否值得尝试。 在 Ubuntu MATE 20.04 LTS 中有什么新功能? Ubuntu MATE 20.04 LTS 的主要亮点应该是增加了 MATE Desktop 1.24。 你可以期待 MATE Desktop 1.24 中的所有新特色都被打包到 Ubuntu MATE 20.04 中。除此之外,还有很多重要的变化、改进和增补。 这是 Ubuntu MATE 20.04 中变化的概述: 新增 MATE Desktop 1.24 大量视觉改进 数十处错误修复 基于 Linux 内核 5.4 系列 添加了实验性的 ZFS 支持 添加了来自 Feral Interactive 的 GameMode 一些软件包更新 现在,为了更好地了解 Ubuntu MATE 20.04,我将给你提供更多的细节。 用户体验改善 考虑到越来越多的用户倾向于在桌面上使用 Linux

[娜璋带你读论文] (03) 清华张超老师

耗尽温柔 提交于 2020-08-07 08:09:57
数据流敏感的漏洞挖掘方法 Discover Vulnerabilities with Flow Sensitive Fuzzing Chao Zhang 清华大学 2nd International Workshop on Cyber Security and Data Privacy 《秀璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢。由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学术路上期待与您前行,加油~ 张超老师是我非常佩服的一位青年教师, 清华大学副教授(博导),蓝莲花战队教练,我也听了好几次他的讲座,受益匪浅。他主要研究软件和系统安全,尤其是智能攻防方向,在国际四大安全会议发表论文十余篇。在自动攻防研究方面,提出的漏洞挖掘方案发现300多个未知漏洞,多次参加DARPA CGC、微软BlueHat、Defcon CTF防夺旗赛等比赛并获奖。作者主要分享他的两次报告,第一篇是学术论文相关的“数据流敏感的漏洞挖掘方法”,第二篇是安全攻防实战相关的“智能软件漏洞攻防”。这些大佬是真的值得我们去学习,献上小弟的膝盖~fighting! PS:顺便问一句,你们喜欢这种方式的分享吗? 担心效果不好,如果不好我就不分享和总结类似的会议知识了,欢迎评论给我留言。 文章目录 一.传统的漏洞挖掘方法 1

OpenRes 1: Modularity 相关paper赏析(1)

[亡魂溺海] 提交于 2020-04-23 10:04:53
1 前言 Modularity模块化是实现generalization泛化性的方法之一。科学家对大脑的研究已经发现大脑的不同区域具备完全不同的功能,以此同时不同区域的大脑又具有相同的网络结构。在以前吴恩达的机器学习课程中就有提到过: 我们大脑通过训练可以使用舌头来实现视觉感知,这很神奇。 为了探索Generalization的奥秘,在这一次paper reading中,我们将分析当前Modularity的相关研究。 https://github.com/floodsung/Deep-Reasoning-Papers ​ github.com 相关paper列在git中的Modularity部分。 [1] Adaptive mixtures of local experts (1991) Introduction :这篇文章来自Hinton,是对Mixture of Experts的改进。核心思想是融合了Competitive Learning。 一般的Mixture of Experts 是这样的: Motivation :所有不同的expert network 加权输出最后的结果。这样的处理存在一个问题是不同的expert是互相影响的,只要一个expert发生变化,整个梯度就会发生改变,所有的expert也会跟着更新。除了让expert network互相合作

中国四大运营商2G/3G/4G/5G工作频率以及网络制式

浪子不回头ぞ 提交于 2020-04-23 07:15:54
中国四大运营商2G/3G/4G/5G工作频率以及网络制式,值得收藏! 中国移动 1. 900MHz(Band8),889~904/934~949MHz: 最初获批用于部署GSM,为2G频段,现用于GSM、NB-IoT、LTE FDD。GSM和NB-IOT使用894-909/939-949MHz(10MHz),LTE FDD 使用889-894/934-939MHz (5MHz),原904-909MHz/949-954MHz 让给中国联通。Band8是移动4G打底频段。 2. 1800MHz(Band3),1710~1735/1805~1830MHz: 最初获批用于部署 GSM,为2G频段,现用于GSM、LTE FDD。GSM使用1730~1735/1825~1830MHz(5MHz),LTE FDD使用1710~1730/1805~1825MHz(20MHz)。Band3是移动4G重要频段,5G NSA 组网的锚点频段。 据悉,移动已经在考虑开始关闭2G网络,腾出Band3和Band8频段。 3. 2GHz(Band34),2010~2025MHz: 也称A频段,最初获批用于部署TD-S,为3G频段。现大部分TD-S已退网,部分地区重耕用于部署TD-LTE,补热。 4. 1.9GHz(Band39),1880~1920MHz: 也称F频段,最初用于部署TD-S/TD-LTE,为3G

荐读 Meta-Learning in Neural Networks: A survey

醉酒当歌 提交于 2020-04-20 00:27:30
0 前言 Meta Learning是深度学习领域近年来最火的研究方向之一,在这一两年内涌现出了大量的paper,可谓百花齐放!相信有很多想入坑的同学很想了解Meta Learning的整个研究概况及进展,却苦于找不到一篇好的综述。那么现在机会来了,最近来自爱丁堡大学的 Timothy M. Hospedales ​ homepages.inf.ed.ac.uk 老师主笔撰写了一篇非常全面有深度的综述: Meta-Learning in Neural Networks: A Survey ​ arxiv.org 在这篇综述里,作者对Meta Learning这个领域进行了全新系统性进行分类,并且充分分析了Meta Learning在不同应用上的研究进展。下面我们对这篇综述进行一定的解读,希望对感兴趣的朋友有帮助! 1 Meta Learning如何定义? Meta Learning,也称为Learning to Learn,即学会学习,顾名思义就是学会某种学习的技巧,从而在新的任务task上可以学的又快又好。这种学习的技巧我们可以称为Meta-knowledge。Meta Learning和传统的机器学习最大的不同便在于Meta Learning是task level的,即每一个task都可以认为是meta learning的样本。基于这样的定义,我们可以得到Meta

CARS: 华为提出基于进化算法和权值共享的神经网络结构搜索,CIFAR-10上仅需单卡半天 | CVPR 2020

放肆的年华 提交于 2020-04-16 12:23:52
【推荐阅读】微服务还能火多久?>>> 为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题,参考ENAS和NSGA-III,论文提出连续进化结构搜索方法(continuous evolution architecture search, CARS),最大化利用学习到的知识,如上一轮进化的结构和参数。首先构造用于参数共享的超网,从超网中产生子网,然后使用None-dominated排序策略来选择不同大小的优秀网络,整体耗时仅需要0.5 GPU day   来源:晓飞的算法工程笔记 公众号 论文: CARS: Continuous Evolution for Efficient Neural Architecture Search 论文地址: https://arxiv.org/abs/1909.04977 Introduction   目前神经网络结构搜索的网络性能已经超越了人类设计的网络,搜索方法大致可以分为强化学习、进化算法以及梯度三种,有研究表明进化算法能比强化学习搜索到更好的模型,但其搜索耗时较多,主要在于对个体的训练验证环节费事。可以借鉴ENSA的权重共享策略进行验证加速,但如果直接应用于进化算法,超网会受到较差的搜索结构的影响,因此需要修改目前神经网络搜索算法中用到的进化算法。为了最大化上一次进化过程学习到的知识的价值,论文提出了连续进化结构搜索方法

Gamaredon组织资料

二次信任 提交于 2020-04-06 18:57:05
Gamaredon组至少从2013年就开始活跃。 Gamaredon集团是网络间谍活动的长期行动,应归功于俄罗斯人FSB(联邦安全局)在长期军事和地缘政治对抗乌克兰政府的情况下,尤其是对乌克兰军事力量的长期对抗。 后门恶意软件:Pterodo 新Pterodo根据被感染系统的硬盘序列号生成一个用于命令和控制的唯一URL。有关受感染系统的数据被上载到该URL,允许GJ者分析远程安装和运行哪些工具。 间谍活动分析 https://yoroi.company/research/cyberwarfare-a-deep-dive-into-the-latest-gamaredon-espionage-campaign/ https://malware.news/t/cyberwarfare-a-deep-dive-into-the-latest-gamaredon-espionage-campaign/37119 2015年 https://www.securityweek.com/operation-armageddon-cyber-espionage-campaign-aimed-ukraine-lookingglass https://www.lookingglasscyber.com/wp-content/uploads/2015/08/Operation_Armageddon

Resources for Ecology and Evolution

一笑奈何 提交于 2019-12-10 12:06:10
Resources for Ecology and Evolution Updated by Lele Liu on 2019-12-10 Data GBIF | Global Biodiversity Information Facility NCBI WorldClim Journals Applications in Plant Sciences Ecology Letters Ecology and Evolution Ecotoxicology and Environmental Safety Global Change Biology Online courses or vidoes Population Genetics (EEB 5348, Uconn) R resources Spatial Data Science with R Softwares Image J Structure Software Reseach Teams Kristin Saltonstall Skills or Tools BrandColors Links and Other source lists Biogeo, UcDavis Biogeo-Data, UcDavis Computational Biology Core, Uccon ReseachGate 来源: https