-
-
未來科技館 基於深度學習之異常檢測
我們針對不同應用所研發的三種異常檢測模型僅需正常資料來訓練。對異常事件偵測，我們訓練一個自編碼器進行前景與光流的預測，異常行為偵測使用人物姿勢的估測，預測未來的人體姿勢，兩者皆以預測的誤差為異常分數。對於影像的瑕疵檢測，我們使用不同大小的截圖，令模型萃取特徵後與正常資料比對，以計算各區域的異常分數。
-
-
-
未來科技館 利用機器學習分析惡意流量特徵
透過隨機森林演算法將UNSW-NB15 Dataset與KDD-CUP-99 Dataset進行特徵萃取，進行訓練並得到預測模組，此模組與其他5個方法(決策樹，K最鄰近點演算法，邏輯回歸，類神經網路，與隨機梯度下降演算法)進行比較發現，本文所提出的隨機森林演算法準確度最高。
-
- 1
