摘要：通过精心设计神经网络结构来学习无穷维函数空间之间的映射,算子学习方法——神经算子,相较于传统方法在求解偏微分方程等复杂问题上展现出极高的效率.为此,本文结合函数值再生核希尔伯特空间,提出一种新型的神经算子——再生核神经算子(rKNO).受到最近优秀的算子学习方法——深度算子网络(deepONet)的启发,rKNO通过推广希尔伯特-施密特积分算子和表示定理而实现.在Advection,KdV,Burgers和Poisson方程上的数值实验表明,与deepONet和其他模型相比,rKNO具有更易于表达和高效的结构.此外,rKNO还显示出与离散化无关的性质,可以在低分辨率数据训练后,找到高分辨率输入后的解.

摘要：在软件定义网络的控制平面引入多个控制器,从而动态地改变控制器与底层网络的映射关系是一种有效缓解控制器安全威胁的方法。然而,现有的工作缺乏研究控制器动态调度的时间问题,由此,在分析软件定义网络的安全现状以及动态控制器研究的基础之上,首先说明了动态平面控制器调度时间的重要性,并在先前的研究基础之上刻画了动态控制平面的安全工作流程;进一步地,将动态调度的时间问题建模为更新收益过程,并提出一种对防御者最优的调度算法。实验仿真基于真实的网络攻击信息集,对比分析表明,提出的算法明显优于固定周期的算法和随机算法。

摘要：结合重症监护医学信息数据库(MIMIC)的特点和国内外医疗大数据最新研究进展,对MIMIC数据库进行介绍,并详细论述基于MIMIC数据库的急重症临床医学研究方法,提出在急诊医学研究中引入医疗大数据的可行性和必要性.探讨MIMIC数据库在急诊临床医学研究中的作用,以及在医疗大数据背景下试验设计与实施过程中的原则和注意事项.利用MIMIC数据库进行急诊医学的临床研究,可为疾病的早期诊断、风险预警及预后分析提供新的思路,但也具有其局限性,需要进一步开发符合我国国情的急诊医学多源异构数据库,以适应医疗大数据时代的到来,为急诊医学的发展提供新的方向.