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％.     

电力调度系统中的数据核对技术分析

阐述电网调度自动化的组成部分及其功能,系统应用,包括信息采集及监控、安全分析、自动发电控制、数据影响因素、数据核对控制、负荷误差分析、信息抽取技术。     

亨通工业互联网标识解析典型应用暨二级节点成果正式发布

近日,亨通举办工业互联网标识解析典型应用暨二级节点开发成果发布、运营授权签约仪式。江苏省工信厅信息基础设施处处长姜永发,中国信通院工物所副总工刘阳,苏州市工信局副局长金晓虎,苏州市工信局信息化推进处处长汪晓亮,吴江区工信局副局长吴海峰,亨通集团副总裁、江苏亨通数字智能科技有限公司董事长崔巍,亨通集团副总裁祝芹芳出席会议。会议由亨通运营管理中心总经理尹纪成主持。     

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。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

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。     

欢迎订阅《粮食与食品工业》

《粮食与食品工业》杂志是集粮油基础理论、实际应用于一体的综合科技期刊,已成为米、面、油、食品、淀粉及深加工、仓储、检化验等行业发布新技术、新产品、新成果信息的良好载体,工程技术人员交流技术。切磋技艺的合适平台,是中国粮油学会食品分会、油脂分会和发酵面食分会会刊。     

境外炼化工程项目投标竞争者分析报价策略

全球炼化工程总承包市场呈现出垄断竞争型特征,欧美和日韩国际工程公司由于技术和报价竞争力较强,一直占据本行业高端市场,中国炼化工程企业尚有差距.文章综合考虑投标报价阶段竞争者分析路径,提出了随机型和不完全信息静态博弈综合集成分析的投标报价最优决策模型,并以中东海湾地区某炼化工程总承包项目为例,进行多维度的实证分析,提出模型的有效性和可行性,为中国炼化工程企业"走出去"高质量发展提供有益的决策支持和信息参考.