变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

时间Petri网模拟能力的研究

模型的模拟能力一直是系统建模方面的一个重要研究课题。本文先用一个直观的“零检验”例子说明时间Petri网的模拟能力比传统Petri网要强，并首次证明了时间Petri网与计算科学的最高模型——图灵机有相等的模拟能力；最后给出了另外一种含时间因素的时延Petri网向时间Petri网的转换方法，这说明了时间Petri网虽然形式上较为简单，但其模拟能力却并不比其它含时间因素的Petri网逊色，同时为时延Petri网的研究提供了另外一种有效方法。     

非线性判别函数的基于MDL标准的勒让德多项式构造法

1.引言在模式识别中,分类决策问题是最基础也是最重要的内容,所谓分类决策就是根据被识别对象特征的观察值将其分到某个类别中去,其基本作法是在样本训练集基础上确定某个判决规则(即样本特征空间的一个函数,也称为判别函数或分类器),使按这种判决规则对被识别对象进行分类所造成的错误率最小或引起的损失最小。当样本分布是正态分布时,从最小错误率来说二次分类器是最优分类器。此外,作为一种特殊情况,如果这些分布有相同的协方差矩阵,那么线性分类器就是最优的。然而这些假定在很多实际问题中并不成立,因此线性或二次分类器对     

基于多尺度动态图卷积网络的3D点云分类

3D点云数据是一种不规则性数据,传统卷积神经网络无法直接对3D点云数据进行处理.对此,提出一种基于多尺度动态图卷积网络的3D点云分类模型.利用最远点采样方法采样3D点云数据集的代表点,降低模型计算复杂度;利用不同尺度的k最邻近节点聚合方式,对图中每一个中心节点的k最邻近节点进行定位;利用边卷积操作对中心节点及其邻接节点的局部属性特征进行提取与聚合用于分类.实验表明,该模型在3D点云分类准确度上,达到了比当前主流模型更高的水平,并且大幅降低了模型生成参数的数量.     

一个面向服务的网格动态调度算法

随着基于OGSA的网格模型的提出，作业匹配和调度问题显得尤为重要。该文提出了一个面向服务的网格调度框架，引入了随机过程理论，给出了匹配和调度的动态算法，从而使网格计算的动态性问题得到了很好的解决。     

面向服务的网格资源管理模型研究*

开放网格服务体系结构(OGSA) 的出现表明让网格资源以服务形式提供标准化的接口已成为趋势,以前的资源管理模式已经不能满足应用的要求。为此,提出了一种面向服务的作业管理机制,它为用户提供透明的、与资源物理位置无关的并带有会话支持的作业服务接口,还引入了服务分级的概念来表示用户需求的不同网格服务级别,作业管理系统则根据可定制的服务级别,将各项QoS 特性映射到具体的作业管理行为。最后以电子政务为例,初步构建了该模型的原形系统。     

基于颜色Petri网的网格服务组合

在新的面向服务的网格计算架构下,网格服务为Internet上的分布式计算提供了一种重要范例。对服务提供者和消费者来说,通过组装已有网格服务来创建新的增值网格服务的应用模式已经出现。网格服务的组合已经成为网格研究领域中的一个重要课题。由于可用网格服务的复杂性,许多网格服务表现出复杂的会话协议,要求其提供的操作能根据特定的规则进行调用。讨论了以下几个问题:(1)如何精确描述网格服务的会话协议;(2)如何建立组合规则来对选定的组件服务进行合成;(3)如何验证整个网格服务组合的正确性,尤其是被合并的组件服务的一致性和它们的会话协议。Petri网提供了描述并发系统同步的结构,高级编程语言提供了描述和操作数据值的结构,而颜色Petri网结合了Petri网和高级编程语言的表达能力。为了解决上述问题,提出了一个基于颜色Petri网的会话协议和网格服务组合模型,其使用颜色Petri网的带颜色的token来模拟业务流程的不同消息和事件类型,把服务的会话协议和网格服务组合过程转换为颜色Petri网(CPN),利用现有的CPN的专门工具(如CPN Tools)来对CPN进行模拟以分析评价系统的性能和行为性质。     

面向服务的网格资源管理模型研究

开放网格服务体系结构（OGSA）的出现表明让网格资源以服务形式提供标准化的接口已成为趋势，以前的资源管理模式已经不能满足应用的要求。为此，提出了一种面向服务的作业管理机制，它为用户提供透明的、与资源物理位置无关的并带有会话支持的作业服务接口，还引入了服务分级的概念来表示用户需求的不同网格服务级别，作业管理系统则根据可定制的服务级别，将各项QoS特性映射到具体的作业管理行为。最后以电子政务为例，初步构建了该模型的原形系统。     

图对抗防御研究进展

图神经网络(GNN)在多个领域的复杂任务中已经得到成功的应用,但研究表明其易受到对抗攻击而导致性能严重下降,这种脆弱性影响了包含节点分类、链路预测和社团探测在内的所有应用.图对抗攻击已经可以高效地实施,这带来了严重的安全隐患和隐私问题,图对抗防御致力于提高GNN的鲁棒性和泛化能力以抵御对抗攻击.综述了图对抗防御算法研究进展,首先,介绍了图对抗防御的背景和相关概念,并对图对抗防御研究发展脉络进行梳理和分析.然后,根据防御算法的不同防御策略将算法分为四类,包括攻击检测、对抗训练、可认证鲁棒性以及免疫防御,对每类防御算法原理进行分析总结.在此基础上,分析了每种防御算法的原理和实现,并从防御策略、目标任务、优缺点和实验数据等方面对典型算法进行全面的比较.最后,通过对现有图对抗防御算法全面、系统的分析,对防御算法当前存在的问题及未来发展方向进行了总结和探讨,为图对抗防御进一步的发展提供帮助.