基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

以顾客为中心,与员工共成长——从建筑设计、城市规划到经营管理的实践体会

本文以同济大学建筑设计研究院(集团)有限公司(正文简称"同济设计集团")的核心价值观为题,结合企业发展不同历程以及个人入职至今20年的职业成长阶段,围绕三个问题为主线:集团员工平均年龄结构多少最合理,集团生产为何从做"大"转向做"强"、做"全",集团经营如何找增量,迎未知,聚焦探讨企业发展中人才培养、市场应对、业务转型的行业普遍性和企业个性化特征,最后总结个人对公司核心价值观的诠释:"把握市场、顺势而为——以顾客为中心;同理共情、不进则退——与员工共成长"!     

高职院校培养区域经济发展紧缺人才的探索与实践

河南地区正在形成以郑州为核心的全国制造业和商贸中心,郑州建设国家中心城市急需大量技术技能人才,高职院校要改变人才培养与行业企业需求不对称的现状,在专业设置、人才培养模式、课程体系和教学内容等方面均应加快改革步伐,努力培养区域经济发展需要的紧缺技术技能人才。     

互联网+背景下高校食品专业应用创新型人才的培养模式探索

"互联网+"时代的到来冲击着传统的教学模式,以互联网平台为基础,利用互联网技术可获取更多国内外高校、科研院所、企业等各类优质教育资源。在新的形势下,对传统教学与互联网+的结合创新进行探讨,以期找寻一条适合食品专业创新型人才培养的良性的教学之路。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

基于情境感知工具辅助碎片化学习行为的研究

碎片化学习难以集中记录,存在无法迅速定位到自己需要的学习内容等用户体验问题.传统方法不能采集真实情境下的用户数据,无法满足研究人员的研究需求.基于此,开发一种基于用户行为的捕捉工具——CAUX(Context-Aware User Experience,CAUX),设计了具有情境感知能力的数据采集模块,自动捕捉指定App内的用户行为数据.CAUX对用户干扰性低,可以辅助研究人员捕捉典型的碎片化学习行为.对利用CAUX采集到的数据进行处理,并结合人工方法进行分析,可以发现不同情境下的用户行为和用户体验问题.     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。