Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Observational Learning01:12

Observational Learning

791
Albert Bandura's observational learning, also known as imitation or modeling, occurs when a person observes and imitates another's behavior. It is a quicker process than operant conditioning. A well-known example is the Bobo doll study, where children who saw an adult acting aggressively towards the doll were more likely to act aggressively when left alone, compared to those who observed a nonaggressive adult. Many psychologists view observational learning as a form of latent learning...
791

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Dynamic tailoring of an optical skyrmion lattice in surface plasmon polaritons.

Optics express·2020
Same author

High-Efficiency, Broadband, Near Diffraction-Limited, Dielectric Metalens in Ultraviolet Spectrum.

Nanomaterials (Basel, Switzerland)·2020
Same author

Experimental Examination of Electrical Characteristics for Portland Cement Mortar Frost Damage Evaluation.

Materials (Basel, Switzerland)·2020
Same author

Synthesis of Imidazole-Based Medicinal Molecules Utilizing the van Leusen Imidazole Synthesis.

Pharmaceuticals (Basel, Switzerland)·2020
Same author

Mutagenesis for Improvement of Activity and Stability of Prolyl Aminopeptidase from Aspergillus oryzae.

Applied biochemistry and biotechnology·2020
Same author

Improved Acid Resistance of a Metal-Organic Cage Enables Cargo Release and Exchange between Hosts.

Angewandte Chemie (International ed. in English)·2020

Video Experimental Relacionado

Updated: Jan 8, 2026

Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping
09:48

Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping

Published on: November 7, 2016

12.4K

Aprendizaje explicable de pocos ejemplos con prototipos dinámicos para la detección distribuida de intrusiones por

Xing Hu, Shangtao Zhang, Qianqian Duan

    Optics express
    |December 19, 2025
    PubMed
    Resumen

    Este estudio presenta un sistema explicable de detección de intrusiones para sensores de fibra óptica. El novedoso enfoque mejora la precisión en escenarios de pocos ejemplos y proporciona información transparente sobre las amenazas detectadas.

    Palabras clave:
    aprendizaje de pocos ejemplosdetección de intrusionessensores de fibra ópticaaprendizaje explicableseguridad perimetralfusión de característicasprototipos dinámicos

    Más Videos Relacionados

    Multicolor Fluorescence Detection for Droplet Microfluidics Using Optical Fibers
    10:21

    Multicolor Fluorescence Detection for Droplet Microfluidics Using Optical Fibers

    Published on: May 5, 2016

    11.2K

    Videos de Experimentos Relacionados

    Last Updated: Jan 8, 2026

    Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping
    09:48

    Fiber Optic Distributed Sensors for High-resolution Temperature Field Mapping

    Published on: November 7, 2016

    12.4K
    Multicolor Fluorescence Detection for Droplet Microfluidics Using Optical Fibers
    10:21

    Multicolor Fluorescence Detection for Droplet Microfluidics Using Optical Fibers

    Published on: May 5, 2016

    11.2K

    Área de la Ciencia:

    • Ciberseguridad; Aprendizaje automático; Procesamiento de señales

    Sus antecedentes:

    • Los sistemas de detección de intrusiones (IDS) son cruciales para la seguridad de la infraestructura.
    • La detección distribuida de vibraciones por fibra óptica (DVS) ofrece seguridad perimetral pero tiene dificultades con datos limitados e interpretabilidad del modelo.
    • Los modelos de aprendizaje profundo existentes a menudo carecen de transparencia, lo que dificulta la confianza.

    Objetivo del estudio:

    • Desarrollar un marco de detección de intrusiones explicable para sistemas DVS.
    • Abordar los desafíos de la escasez de datos (aprendizaje de pocos ejemplos) y la interpretabilidad del modelo.
    • Mejorar la fiabilidad y la confianza de las soluciones de seguridad perimetral.

    Principales métodos:

    • Se propuso una red prototípica de centro de clase dinámica explicable de fusión de características de doble rama (DBFF-DC-ProtoNet).
    • Se utilizó un ResNet 1-D ligero de doble rama para la extracción de características temporales y de tiempo-frecuencia.
    • Se integró una estrategia dinámica de actualización del centro de clase, una novedosa función de pérdida y un módulo de explicabilidad (Proto-CAM, razonamiento basado en casos).

    Principales resultados:

    • Se logró una alta precisión (97,22 % y 98,33 %) en configuraciones de 5 ejemplos en conjuntos de datos de referencia.
    • Se demostró la fusión eficaz de características temporales y de tiempo-frecuencia para prototipos discriminativos.
    • Se mostró la atribución de señales de grano fino y la recuperación intuitiva de casos para una mejor explicabilidad.

    Conclusiones:

    • DBFF-DC-ProtoNet une con éxito el aprendizaje de pocos ejemplos con la interpretabilidad para la detección de intrusiones DVS.
    • El modelo propuesto ofrece una solución práctica y confiable para asegurar perímetros con datos etiquetados limitados.
    • El marco mejora tanto el rendimiento como la transparencia de los sistemas de detección de intrusiones.