摘要：尽管深度神经网络(Deep Neural Networks,DNNs)在大多数分类任务中拥有良好的表现,但在面对对抗样本(Adversarial Example)时显得十分脆弱,使得DNNs的安全性受到质疑。研究设计生成强攻击性的对抗样本可以帮助提升DNNs的安全性和鲁棒性。在生成对抗样本的方法中,相比需要依赖模型结构参数的白盒攻击,黑盒攻击更具实用性。黑盒攻击一般基于迭代方法来生成对抗样本,其迁移性较差,从而导致其黑盒攻击的成功率普遍偏低。针对这一问题,在对抗样本生成过程中引入数据增强技术,在有限范围内随机改变原始图像的颜色,可有效改善对抗样本的迁移性,从而提高对抗样本黑盒攻击的成功率。在ImageNet数据集上利用所提方法对正常网络及对抗训练网络进行对抗攻击实验,结果显示该方法能够有效提升所生成对抗样本的迁移性。

摘要：氢气因其高能量密度、可持续性和燃烧后无污染等优点,被认为是取代传统化石燃料的最具前途的新兴能源载体之一。其中,电解水制氢技术因为其高效和绿色的特性而备受关注。然而电解水制氢过程通常受到阳极析氧反应(Oxygen Evolution Reaction,OER)的限制,因此这种方法的大规模应用面临重大挑战。克服这一难题的一个有前途的解决方法是在阳极上使用电催化甘油氧化反应(Glycerol Oxidation Reaction,GOR)代替OER,这种替代反应可以实现节能降耗的同时提高电解水制氢的效率,进一步推动氢气作为清洁能源的发展。然而,这一目标的实现需要高效、低成本且高选择性的GOR电催化剂。在这篇文章中,我们报告了一种新型的酸碱双电解质流电解器(AADEF-electrolyzer),用于在碱性阳极GOR耦合酸性阴极析氢反应(Hydrogen Evolution Reaction,HER)。我们通过一种简单的水热煅烧方法制备了一种在镍泡沫(NF)上原位生长的自支撑的NiCo_(2)O_(4)纳米针电极材料(NiCo_(2)O_(4)/NF)。该电极在GOR中表现出优异的电催化性能,在低电位下实现了高的电解电流密度,对甲酸盐的生产表现出优异的选择性,法拉第效率超过85%。密度泛函理论计算表明,NiCo_(2)O_(4)对GOR具有较低的反应能垒,Ni的存在有利于降低Co的电子态密度,从而实现NiCo_(2)O_(4)与中间体的高效解离,促进甲酸的生成。基于NiCo_(2)O_(4)/NF出色的GOR性能和电化学中和能(ENE)理论,我们构建了一个新型的AADEF-electrolyzer,利用NiCo_(2)O_(4)/NF作为GOR的阳极,配合酸性阴极进行析氢反应(HER)。实验结果表明,AADEF-electrolyzer对GOR具有低过电位和高选择性产甲酸的优异性能,仅需0.36 V的电压即可实现10 mA·cm^(-2)的电流密度,平均产甲酸的法拉第效率为85%。同时该电解槽表现出良好的长期稳定性和辅助产氢性能,阴极产氢的法拉第效率接近100%。这种低成本、易于制备的自支撑电极材料和新型酸碱双电解质流动电解器为促进化学品的增值转化和开发新型混合电解系统或其他相关电化学反应的混合电解装置提供了创新策略。

摘要：随着社交网络的不断普及,相对于传统的文字描述,人们更倾向于发布图文结合的评论来表达自己的情感与意见。针对图文情感分析方法中仅考虑图文间的高级语义联系,而较少注意图片的低层次情感特征以及中层美学特征与文本情感之间关联性的问题,提出了一种基于多层次空间注意力(MLSA)的图文评论情感分析方法。所提方法以文本内容为驱动,使用MLSA设计图像与文本之间的特征融合方法,该特征融合方法不仅关注与文本相关的图像实体特征,而且充分利用图像的中层美学特征和低层视觉特征,从而从多个不同角度挖掘图文之间的情感共现。在两个公开的图文情感数据集MVSA_Single和MVSA_Multi上,该方法的分类效果相对于对比方法中最优的方法的分类效果在准确率上分别提高了0.96和1.06个百分点,在F1值上分别提高了0.96和0.62个百分点。实验结果表明,综合分析文本特征和图像特征之间的层次化联系能有效地增强神经网络捕捉图文情感语义的能力,从而更准确地预测图文整体的情感。