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％.     

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。     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

张福河船闸加固工程施工质量控制

船闸在使用中,受环境和各种工况的影响,经过一定周期的使用,往往需要采取加固措施。在确保安全前提下,针对张福河船闸除险加固工程的特殊性,明确质量方针目标,对关键部位混凝土质量控制,分析可能产生质量问题的原因,采取有效的控制措施,优化施工设计方案。从实施效果各项指标统计、分析表明,其达到甚至优于规范要求,取得了预期成效。     

王引河芒山闸除险加固可行性研究

永城市王引河芒山节制闸始建于1959年,1975年进行扩建。自扩建以来已连续运行40多年,虽经多次维修,目前仍存在许多安全隐患。经河南省水利厅核查,该水闸安全级别为四类,按相关规定的要求应当拆除重建,但由于下游海漫段被现有省道桥梁占用,在原址重建已不具备条件。因此,文章对该闸目前存在的各类问题进行总结,并对该闸除险加固的必要性及移址重建的可行性进行分析,以期为该闸移址重建提供相应参考。     

小型病险水库除险加固方案比选

小型水库承担着防洪、灌溉、发电、养殖等多种重要作用,其中防洪关系人民财产安全、社会安定和生态安全。在长年运行之后,小型水库年久失修,坝体渗漏、坡面损坏、配件老化、设备落后等问题严重影响了大坝的安全运行和管理水平。文章以江西省某水库除险加固工程设计为研究对象,通过对技术角度及造价方面的综合比选,提出相应的设计方案,对类似工程设计、施工及建后管理工作均具有一定意义。     

某大型游泳馆功能提升与结构改建施工技术

为解决体育建筑的确定性与需求变化的矛盾,提高体育建筑的适应能力,结合某大型游泳馆改建工程,对原有建筑的功能提升和结构改建施工技术进行了研究。通过对既有建筑改造中涉及的结构扩建、抗震加固、抗渗修补、屋面翻新等内容进行阐述,总结了一套成功的技术经验,可为类似工程提供参考。