摘要：针对含模型参数不确定和环境干扰的水面船动力定位控制问题,本文提出了一种基于事件触发机制的神经自适应控制算法。结合径向基函数神经网络和最小学习参数算法设计自适应项补偿环境干扰和模型参数不确定。设计的自适应项仅有3个在线学习参数,减少了传统神经网络自适应技术的参数学习个数。再结合动态面控制技术和事件触发机制设计动力定位控制器,其中引入一种事件触发机制降低控制器到执行机构的信息传输负担,同时降低执行机构的动作次数。使用Lyapunov稳定性理论证明了闭环系统的稳定性。通过仿真试验和对比分析验证了提出控制律的有效性。

摘要：针对基于API序列的恶意代码检测方法中,深度学习方法特征可解释性差,传统机器学习方法依赖人工设计特征以及忽视数据间时序特性等问题,从时序分类的角度,提出一种基于API序列的可解释恶意代码检测方法。将恶意代码动态API调用序列转换为熵时间序列;使用时间序列分类中的shapelet方法提取具有辨别性的特征;使用多种分类器构造检测模型。实验结果表明,该方法能够自主学习具有辨别性的时序特征,能够在兼具高准确率的同时提供模型的可解释性分类依据。

摘要：文章从财务报告分析课程改革视角,探讨在"互联网+""共享经济""大数据分析"等新经济环境中,人才需求发生变化对高校人才培养提出的新要求。文章首先分析了财务报告分析课程在会计教学中的定位,论述其改革的必要性,初步提出改革过程中可行的教学方法设计与预期目标,并阐述课程改革中教师职业素养的提升与教学角色地位的转换问题。