摘要：修复软件缺陷是软件工程领域一个无法回避的重要问题,而程序自动修复技术则旨在自动、准确且高效地修复存在缺陷的程序,以缓解软件缺陷所带来的问题.近年来,随着深度学习的快速发展,程序自动修复领域兴起了一种使用深度神经网络去自动捕捉缺陷程序及其补丁之间关系的方法,被称为神经程序修复.从在基准测试上被正确修复的缺陷的数量上看,神经程序修复工具的修复性能已经显著超过了非学习的程序自动修复工具.然而,近期有研究发现:神经程序修复系统性能的提升可能得益于测试数据在训练数据中存在,即数据泄露.受此启发,为了进一步探究神经程序修复系统数据泄露的原因及影响,更公平地评估现有的系统:(1)对现有神经程序修复系统进行了系统的分类和总结,根据分类结果定义了神经程序修复系统的数据泄露,并为每个类别的系统设计了数据泄露的检测方法;(2)依照上一步骤中的数据泄露检测方法对现有模型展开了大规模检测,并探究了数据泄露对模型真实性能与评估性能间差异的影响以及对模型本身的影响;(3)分析现有神经程序修复系统数据集的收集和过滤策略,加以改进和补充,在现有流行的数据集上,基于改进后的策略构建了一个纯净的大规模程序修复训练数据集,并验证了该数据集避免数据泄露的有效性.由实验结果发现:调研的10个神经程序修复系统在基准测试集上均出现了数据泄露,其中，神经程序修复系统RewardRepair的数据泄露问题较为严重,在基准测试集Defects4J (v1.2.0)上的数据泄露达24处,泄露比例高达53.33%.此外,数据泄露对神经程序修复系统的鲁棒性也造成了影响,调研的5个神经程序修复系统均因数据泄露产生了鲁棒性降低的问题.由此可见,数据泄露是一个十分常见的问题,且会使神经程序修复系统得到不公平的性能评估结果以及影响系统在基准测试集上的鲁棒性.研究人员在训练神经程序修复模型时,应尽可能避免出现数据泄露,且要考虑数据泄露问题对神经程序修复系统性能评估产生的影响,尽可能更公平地评估系统.

摘要：为了缓解联邦学习(FL)中客户端之间由于完全重叠特征偏移所带来的数据异构问题影响,该文提出一种融合通道个性标准化的本地自适应联邦学习算法。具体地,构建了一个面向数据特征偏移的联邦学习模型,在训练开始之前先对客户端中的图像数据集进行一系列随机增强操作。其次,客户端分别按颜色通道单独计算数据集的均值和标准差,实现通道个性标准化。进一步地,设计本地自适应更新联邦学习算法,即自适应地聚合全局模型和本地模型以进行本地初始化,该聚合方法的独特之处在于既保留了客户端模型的个性化特征,同时又能从全局模型中捕获必要信息,以提升模型的泛化性能。最后,实验结果表明,该文所提算法与现有相关算法相比,收敛速度更快,准确率提高了3%~19%。

摘要：针对合成孔径雷达(synthetic aperture radar,SAR)遥感图像中出现的散斑噪声和几何畸变对建筑物提取过程造成干扰的问题,提出了一种多尺度特征注意力融合(multi-scale feature attention fusion,MSFAF)网络。首先,结合深度神经网络和SAR图像的优势,在深层处设计了一个空间注意力融合(spatial attention fusion,SAF)模块,来整合不同层次的特征以及关注重要的空间信息。然后,利用不同尺度的卷积核以及对通道信息的转换,提出了一个多尺度细节提取(multi-scale detail extraction,MSDE)模块用于提取不同尺度的特征信息和重新分配通道信息,有利于缓解散斑噪声的干扰问题。实验证明了所提方法在SAR图像建筑物提取中取得了比其他现存方法更加优秀的性能。

摘要：为提高事件检测任务的性能,将该任务重定义为一种提示范式,该范式使用问答对的形式将事件检测转化为机器阅读问题。同时,设计了一种名为WLBert-BiGRU的学习模型对问答对中的事件触发词进行预测,该模型使用Weight-Layers策略丰富Bert模型的语义表征能力,并使用双向门控循环单元神经网络(Bi-GRU)方法强化模型对事件触发词的识别能力。在ACE 2005数据集上的实验结果表明,本文方法在事件触发词识别和分类上的F1指标分别达到了78.1%和75.1%,较现有的工作平均提高了4.18%和4.3%。

摘要：仿生学是对在大自然中发现的生物方法、系统和良好设计的提取和应用,仿生学或仿生方法被认为是最有前途的领域之一。生物仿生可以用于纺织产业链的所有环节,从纤维、织造、染整到服装设计,仿生学在纺织领域全面开花。仿生创新是系统研究的产物,到目前为止,商业化的仿生纺织技术还不多;从纤维仿生、面料仿生、色彩仿生、设计仿生和低能耗生产5个方面介绍近年来的成果,分析各方面不足,并对未来进行展望。可以看出,纺织仿生领域前期的研究重点在通过组织结构设计仿生实现面料功能性,随着微纳米尺度科技和可穿戴技术的发展,更多研究集中在材料仿生领域以及仿生学和智能纺织品的结合。在可预见的未来,服装将真正成为人类的第二皮肤。

摘要：近年来,在单体建筑与环境审美意境的关系问题上,“唯形式论”、新“形式一元论”的极端主义美学思潮几乎成为西方艺术的主流,并对建筑产生了极其深刻的影响,这种潮流也在我国蔓延,使奇奇怪怪的超大型建筑不断建成。对这一问题的研究,影响最广泛的是建筑现象学,它实现了对传统建筑学在认识论和方法论上的批评与超越。不过现象学在这一领域的研究逐渐走入困境。而中国哲学美学与文化中的“意境”“天人和谐”“生生哲学”等重要观念则蕴含更多的东方智慧。以此为契机,呼吁从观念上、本体上去构建中国自己的学术话语体系,重估东方文化所具有的价值,为解决人类社会共同面临的问题贡献更多的东方智慧。

摘要：协作业务流程可以在执行跨组织的业务目标时简化业务逻辑,提升协作效率。它有两个重要的管理目标:隐私保护和数据监管。协作者们通常会利用可信的第三方平台。然而这种中心化的协作会存在监管失效和隐私泄露的风险。因此,目前的研究转向了利用去中心化方式的区块链技术实现流程监管。目前的方法基于匿名身份和公开的数据,会造成数据泄露的风险。为此,提出一个基于混合链的协作业务流程管理新方法,在监管业务流程数据的基础上,设计了对流程数据的针对性隐私保护方案。公有链部分确保流程实例对外部用户的隐私性和可监管性,联盟链部分提供了对内部协作者的隐私保护和数据监管。当流程实例在联盟链上执行时,利用三次遍历全体协作者的双向传递机制隔离协作任务。通过在多个公开的业务流程数据上的仿真实验,对比了混合链方法与其他基于区块链的方法。实验结果表明,混合链方法能够保护隐私数据和监管流程数据,在执行效率上具备可用性。

摘要：为探讨正念对智慧产生影响的具体作用机制,本研究以137名大学生为被试,采用对照组实验设计,以正念为实验组干预手段,验证了个人成长主动性在正念与智慧之间的中介作用,并考察了反思对该中介过程的调节作用。研究结果表明:(1)正念干预可有效促进智慧发展;(2)正念干预可通过提升个人成长主动性水平间接促进智慧发展;(3)反思调节正念影响个人成长主动性的路径;(4)反思调节了个人成长主动性在正念影响智慧中所起的中介作用。

摘要：高黏改性沥青是决定排水沥青路面使用性能的关键因素之一。为了评价改性剂类型、掺量及生产工艺的影响,分别采用车辙、半圆弯曲、浸水马歇尔、冻融劈裂和浸水肯塔堡飞散试验对高黏改性沥青混合料的高温稳定性、低温抗裂性和水稳定性进行测试,通过微观形貌特征对改性剂在沥青中的工作机理进行分析。研究结果表明:不同因素对沥青混合料空隙率的影响很小。在相同的掺量和生产工艺下,与常规的泰孚派克(Tafpack super,TPS)高黏改性沥青混合料相比,热塑性树脂(thermoplastic resin,TPR)高黏改性沥青混合料具有更优的低温抗裂性、相当的水稳定性和略差的高温稳定性,但是两者的路用性能在统计学意义上无显著差异。TPR改性剂掺量的提高可以明显提升混合料的各项路用性能;当以70#普通沥青和苯乙烯-丁二烯-苯乙烯(styrenic block copolymers,SBS)改性沥青作为基质沥青时,TPR改性剂掺量分别达到13%和9%,其混合料路用性能即可满足排水沥青混合料的技术要求。总体上看,改性剂掺量和生产工艺对各项路用性能均有显著影响,其中改性剂掺量的影响大于生产工艺。从微观形貌角度证实采用直投法时沥青中存在颗粒结团,部分改性剂颗粒与沥青的不完全混融导致直投法的改性效率低于剪切法,因此采用直投法时应适当增加改性剂掺量。研究结果可为排水沥青路面的材料设计提供有益的参考。

摘要：针对城市交通路面车流量监测实时性和准确性高的需求,设计了一种利用高分遥感图像进行道路网自动提取和车辆自动监测的处理方法。综合利用D-LinkNet和形态学计算实现道路区域的二值化语义分割及连贯性、边缘扩展以及平滑性优化,同时将道路信息作为掩码并外溢后进行车辆目标检测,有效避免非道路区域车辆目标干扰。提出采用热力图的形式改进车流量监测方法,可以更直观显示道路拥挤程度。综合利用现有数据集对所提方法进行评价,车辆检测的平均精度达91.7%,道路提取平均交并比达85.3%,可以实现道路车流量的有效监测。