新的基于ID的身份鉴别方案

针对网络环境下用户身份的鉴别问题,依据双线性加群上计算性Diffie-Hellman问题的困难性假设建立了一个随机语言模型,采用了无证书公钥密码体制私钥生成方法,首次提出了一个能有效抵抗重置攻击和冒充攻击的基于身份(ID)的身份鉴别方案.新方案避免了基于公钥证书诸多方案的密钥吊销问题,也避免了基于身份的诸多方案所涉及的密钥托管问题,并释放了传统的基于身份的方案中私钥生成中心(PKG)无条件可信假设.在随机预言模型下对新方案进行了安全性证明.结果显示,即使PKG参与了主动并行攻击,多项式时间敌手冒充攻击成功方案的概率可以忽略.     

炭黑一次粒径的测定方法

本文介绍炭黑反应炉内生成的炭黑的一次粒径的直接测定方法。该方法是由德国瓦斯炭黑厂(DGW)和德固萨公司共同研究成功的。它应用了激光诱导高温发光法(LII)。详细内容可参见原著(《炭黑生产过程中一次粒径的现场测量》，Stefan Dankers等，Chem．Eng．Technol．Vol．26(9)，p．966—969，2003)。     

科技动态

正安捷伦推出全新手持红外热像仪和绝缘电阻表2014年5月,安捷伦科技公司(NYSE:A)宣布推出两款新的手持式工具;U5855A TrueIR热像仪和U1450A/60A系列绝缘电阻表(五款型号)。U5855A TrueIR热像仪凭借独特的精细分辨率功     

基于HLA的分布式仿真框架自动生成技术

针对基于HLA仿真应用系统开发中存在的计算模型程序与RTI服务程序的耦合问题,研究了基于共享内存和中断回调技术的解耦方法,进一步采用HLA仿真适配器对RTI服务程序进行封装,从而实现了计算模型程序与RTI底层服务程序的有效隔离。为提高仿真应用程序开发效率,分析了联邦成员中RTI服务程序功能需求,研究实现了仿真适配器自动生成软件。该软件可快速生成基于HLA的联邦成员适配器代码和执行程序,从而构建仿真应用系统分布式仿真框架。     

一种基于生成树的分类去除关联规则冗余方法

在信息及数据爆炸的时代,冗余问题已经成为数据挖掘者获得知识的重大障碍,而目前解决的方法会导致关联规则的不完整性。基于此,文中引入了有向超图表示关联规则,重定义了邻接矩阵,介绍了冗余规则分类处理思想,将冗余规则分为从属规则和重复路径规则,通过VB编程去除了从属规则冗余,以及利用生成树算法去除了重复路径规则冗余。实验结果证明,此方法创新性地结合了图论中有向超图、生成树与关联规则的知识,维护了关联规则的完整性和准确性,同时去除了全部冗余规则。     

基质金属蛋白酶MMP-2和MMP-9在血液肿瘤发生中的作用

基质金属蛋白酶MMP-2和MMP-9在血管生成、肿瘤生长及转移中起重要作用,主要是通过降解细胞间基质(ECM)和活化生长因子促进癌症进展。本文从分子和细胞水平阐述了MMPs的作用机制、在血液系统肿瘤如急性髓系白血病、急性淋巴系白血病、多发性骨髓瘤和淋巴瘤等中的作用及其表达的最新研究进展。     

建筑生成过程中的“时间”研究

寻找建筑失落的"灵魂",正视特定情境中的社会文化对建筑生成的意义,并将其从理论认识落实到具体行动,解决当代多元文化与建筑形式风格趋同现象之间的现实矛盾,是当今建筑发展严峻和急迫的课题。论文从城市建筑的形式、风格趋同现象出发,对传统建筑生成方式提出质疑,通过回归建筑本体和意义的存在价值分析,认识到建筑师必须积极主动地以社会、文化等广泛背景为切入点进行设计,以"时间"这一全然不同的研究角度探索新思路,将社会文化"时间"作为建筑学拓展的新视野,研究建筑如何在"当代"特定社会背景和文化多元的时间维度中,营造具有不同"时间"文化意蕴的情境建筑。希望所谓的"时代精神"对建筑的影响主要表现在建筑生成的过程中,为开启我国建筑创作的新思路抛砖引玉。     

生成性教学实践与探究

生成性教学,是生成性思维视域下的"具有过程性、动态性、互动性、开放性、创造性等特征"的教学形态.实现生成性教学的前提是灵动的教学计划,基础是智慧型的教师,教师可以弹性预设教学计划,在教学过程中运用教学智慧,敏锐捕捉和利用"生成性资源",灵活动态地调整教学计划,既能达成预设的教学效果,又有意外的"动态生成"的教学收获.生成性教学鼓励学生质疑,要求教师创造性地组织教学,引领学生"动态生成"新的认识和意义建构.     

CGAN样本生成的遥感图像飞机识别

目的 基于深度学习的飞机目标识别方法在遥感图像解译领域取得了很大进步,但其泛化能力依赖于大规模数据集。条件生成对抗网络（conditional generative adversarial network,CGAN）可用于产生逼真的生成样本以扩充真实数据集,但对复杂遥感场景的建模能力有限,生成样本质量低。针对这些问题,提出了一种结合CGAN样本生成的飞机识别框架。方法 改进条件生成对抗网络,利用感知损失提高生成器对遥感图像的建模能力,提出了基于掩膜的结构相似性（structural similarity,SSIM）度量损失函数（masked-SSIM loss）以提高生成样本中飞机区域的图像质量,该损失函数与飞机的掩膜相结合以保证只作用于图像中的飞机区域而不影响背景区域。选取一个基于残差网络的识别模型,与改进后的生成模型结合,构成飞机识别框架,训练过程中利用生成样本代替真实的卫星图像,降低了对实际卫星数据规模的需求。结果 采用生成样本与真实样本训练的识别模型在真实样本上的进行实验,前者的准确率比后者低0.33%;对于生成模型,在加入感知损失后,生成样本的峰值信噪比（peak signal to noise ratio,PSNR）提高了0.79 dB,SSIM提高了0.094;在加入基于掩膜的结构相似性度量损失函数后,生成样本的PSNR提高了0.09 dB,SSIM提高了0.252。结论 本文提出的基于样本生成的飞机识别框架生成了质量更高的样本,这些样本可以替代真实样本对识别模型进行训练,有效地解决了飞机识别任务中的样本不足问题。     

Re-GAN：残差生成式对抗网络算法

目的 生成式对抗网络（generative adversarial network,GAN）是一种无监督生成模型,通过生成模型和判别模型的博弈学习生成图像。GAN的生成模型是逐级直接生成图像,下级网络无法得知上级网络学习的特征,以至于生成的图像多样性不够丰富。另外,随着网络层数的增加,参数变多,反向传播变得困难,出现训练不稳定和梯度消失等问题。针对上述问题,基于残差网络（residual network,ResNet）和组标准化（group normalization,GN）,提出了一种残差生成式对抗网络（residual generative adversarial networks,Re-GAN）。方法 Re-GAN在生成模型中构建深度残差网络模块,通过跳连接的方式融合上级网络学习的特征,增强生成图像的多样性和质量,改善反向传播过程,增强生成式对抗网络的训练稳定性,缓解梯度消失。随后采用组标准化（GN）来适应不同批次的学习,使训练过程更加稳定。结果 在Cifar10、CelebA和LSUN数据集上对算法的性能进行测试。Re-GAN的IS （inception score）均值在批次为64时,比DCGAN （deep convolutional GAN）和WGAN （Wasserstein-GAN）分别提高了5%和30%,在批次为4时,比DCGAN和WGAN分别提高了0.2%和13%,表明无论批次大小,Re-GAN生成图像具有很好的多样性。Re-GAN的FID （Fréchet inception distance）在批次为64时比DCGAN和WGAN分别降低了18%和11%,在批次为4时比DCGAN和WGAN分别降低了4%和10%,表明Re-GAN生成图像的质量更好。同时,Re-GAN缓解了训练过程中出现的训练不稳定和梯度消失等问题。结论 实验结果表明,在图像生成方面,Re-GAN的生成图像质量高、多样性强;在网络训练方面,Re-GAN在不同批次下的训练具有更好的兼容性,使训练过程更加稳定,梯度消失得到缓解。