使能未来工厂的5G能力综述

5G系统将移动通信服务从移动电话、移动宽带和大规模机器通信扩展到新的应用领域，即所谓对通信服务有特殊要求的垂直领域。对使能未来工厂的5G能力进行了全面的分析总结，包括弹性网络架构、灵活频谱、超可靠低时延通信、时间敏感网络、安全和定位，而弹性网络架构又包括对网络切片、非公共网络、5G局域网和边缘计算的支持。希望从广度到深度，对相关的理论及技术应用做透彻、全面的梳理，对其挑战做清晰的总结，从而为相关研究和工程技术人员提供借鉴。     

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％.     

超高效液相色谱-串联质谱法同时检测糕点中6种甜味剂

目的建立超高效液相色谱-串联质谱法同时测定糕点中6种常用合成甜味剂的分析方法。方法选用超纯水作为提取溶剂,涡旋和超声提取后,低温离心,取部分上清液加入正己烷除脂,Waters Atlantis■T3色谱柱、甲醇-5 mmol/L甲酸铵(含0.1%甲酸)作为流动相、亲水亲脂平衡型固相萃取柱HLB(hydrophile-lipophile balance)净化。结果6种甜味剂在质量浓度为10~200 ng/mL的曲线范围内呈良好线性关系,相关系数r均大于0.999,平均加标回收率在85.0%-98.2%之间,相对平均偏差(relative standard deviation,RSD)为1.3%~6.7%。结论该方法具有前处理简单、灵敏度高、检测速度快等优点,适合糖精钠、甜蜜素、三氯蔗糖、阿斯巴甜、阿力甜、纽甜的检测,但不适用于安赛蜜的检测。     

浅谈上海地区超深地下连续墙铣接法施工监理质量控制

随着上海地区对深层地下空间的持续开发,超深基坑不断涌现,基坑安全也面临深层承压水层的严峻考验。围护结构施工质量的好坏直接关系到整个基坑工程的安全。从监理角度出发,探讨上海地区超深地下连续墙铣接法施工质量控制的若干问题,就超深地下连续墙施工各阶段的注意点提出了一些观点,以期对相关工作者有所帮助。     

石粉和脱硫石膏混合装置的设计与应用

利用双轴搅拌机的工作原理设计的石粉和脱硫石膏混合装置，将石粉和脱硫石膏混合成干湿均匀料加入水泥磨，既利用了石粉、节约了石子，又解决了水泥生产过程中脱硫石膏水分大、不便输送和难稳定入磨的问题，效果显著。     

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。     

IPA赋能数智化转型探索及趋势分析

本文基于数智化经济时代特征，重点介绍了机器人流程自动化RPA与机器人流程智动化IPA的定义和技术内涵，结合中国移动IT现状与自研磐匠IPA平台，分享了中国移动数智化转型探索，并深入分析了IPA技术与应用的未来发展趋势。