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％.     

基于Abaqus的双裂纹不同间距对裂纹扩展速率的研究

扩展有限元法是近年经过大量运用的,在传统有限元的范围中求解不连续问题一种有效计算方法,它是基于单位分解的思想,在计算不连续问题时加入跳跃函数。以ABAQUS为平台,基于扩展有限元方法 (XFEM),以含双穿透型裂纹的有限宽板受横向拉伸载荷为力学模型,建立相应的裂纹尖端应力的有限元模型,研究焊接接头区域不同间距双裂纹相互作用对裂纹扩展速率的影响。结果表明:双裂纹间距的的大小并没有对裂纹的扩展速率产生影响。     

异种铁素体耐热钢接头界面组织及其影响

综述了铁素体与铁素体异种金属焊缝（dissimilar metal welds，DMWs）接头界面组织及其影响。结果表明，在焊后热处理或运行温度下的铁素体钢DMWs接头的不均匀界面组织中，通常会形成脱碳层和增碳层。在铁素体钢DMWs焊接接头界面组织影响因素中，焊缝金属的化学成分有重要影响；焊后热处理规范（温度和时间）、工作温度下运行时间的影响较为突出；焊接工艺参数的影响亦不可忽略。异种钢接头界面处近缝区裂纹的产生，以及接头的蠕变强度随Larson Miller 参数增大而下降等不利影响，均为异种钢界面碳迁移行为所导致。焊缝成分控制法是接头界面组织控制或改善的必要条件，而脱碳层部位转移法能有效防止裂纹发生，亦是接头安全运行的重要工艺措施之一。     

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。     

PDMS基片表面的光刻胶图形化工艺研究

在聚二甲基硅氧烷(PDMS)微纳米器件的制造过程中,经常需要在PDMS基片表面进行光刻胶的图形化。建立了一种PDMS基片表面的光刻胶图形化工艺。通过对PDMS基片表面进行氧等离子体改性处理,提高了PDMS的表面润湿性,使得光刻胶可以均匀地旋涂在PDMS基片表面;提出利用室温下长时间静置代替常规的光刻胶前烘工艺,有效避免了光刻胶在前烘过程中裂纹的产生。最后,作为工艺验证,在PDMS基片表面成功制作出了复杂的光刻胶微阵列图案。