摘要：该文针对理工类大学生的特点和不足,特别是在社会实践活动中存在的突出问题,将社会实践按课程的方式进行组织,构建了“专业素养与守正创新、人文精神与家国情怀、社会实践与服务社会”相统一的体系化育人模式,并从教学设计、资源环境建设、组织实施等方面进行了卓有成效的改革与实践,取得了良好的实践育人效果。

摘要：现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因,而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别.此外,这些方法仅访问单个基因网络或各种基因数据的聚合网络,导致偏差和不完整性.因此,设计一种能控制随机游走运动方向和整合多种数据源的候选疾病基因识别方法将是一个迫切需要解决的问题.为此,首先构建多层网络和多层异构基因网络.然后,提出一种游走于多层网络和多层异构网络的拓扑偏置重启随机游走(Biased random walk with restart,BRWR)算法来识别疾病基因.实验结果表明,游走于不同类型网络上的识别候选疾病基因的BRWR算法优于现有的算法.最后,应用于多层异构网络上的BRWR算法能预测未诊断的新生儿类早衰综合征中涉及的疾病基因.

摘要：文章研究了T-S模糊多项式奇异系统的滑模控制问题.针对被控制对象的T-S模糊多项式奇异模型,设计一种带有奇异矩阵的分段切换面的滑模控制器,并利用SOS技术和含有非正定项的分段李雅普诺夫函数,给出滑动模态广义耗散可容许的充分条件,设计滑模控制器使系统状态保持在切换面上.最后,通过一个数值算例证明所提方法的有效性.

摘要：工业化进程的加快带来的不只是经济的飞速发展,还有以PM2.5为主的污染物浓度的增加,给人类的健康以及环境的治理带来不利影响,合理有效的PM2.5浓度预测对于人类健康和环境治理有着重要意义。文中设计了基于多元回归模型的PM2.5浓度预测模型,分别预测了延安市春季、夏季、秋季和冬季的PM2.5浓度,与极限树回归、Catboost回归和K邻近回归等回归模型的预测结果进行对比。结果表明多元回归模型的误差较小,拟合精度较高,为延安市大气污染的治理提供了可靠的科学依据。

摘要：为了在实际工程应用中节约控制成本,提高混沌系统的控制效率,本文研究了利用间歇控制策略实现驱动-响应混沌系统有限时间同步的问题。对于不确定驱动-响应混沌系统,利用T-S模糊原理,重新描述了混沌系统的不确定结构,并且设计了合适的模糊周期间歇控制器;基于微分方程的有限时间稳定性理论,证明了驱动-响应混沌系统间有限时间同步的结论,指出当满足条件λA-λK<0时,系统在停息时间tf内可达到同步。最后进行了数值仿真。通过与连续和间歇控制作用仿真实例的比较,证明了所给算法的有效性和可行性。

摘要：作为大气污染主要因素之一的可吸入颗粒物PM_(2.5)严重影响人类的健康,受到广泛的关注。科学高效地预测PM_(2.5)有利于人类提前做好防护措施,保护自身安全。为此设计了基于时域卷积神经网络的PM_(2.5)浓度预测模型,选取中国环境监测总站的全国城市空气质量实时发布平台的数据,对陕西省西安市的PM_(2.5)浓度进行了预测,并对预测结果进行分析。与长短时记忆神经网络和门控循环单元模型进行对比实验,结果表明时域卷积神经网络在预测PM_(2.5)浓度中具有较好的性能。

摘要：舆论情感分析重点研究公众对于公共事件的情感偏向,其中涉及公共卫生事件的舆论会直接影响社会稳定,所以对于微博的情感分析尤为重要。该文采取有关疫情方面的文本数据集,使用RoBERTa和BiGRU以及双层Attention结合的RoBERTa-BDA(RoBERTa-BiGRU-Double Attention)模型作为整体结构。首先使用RoBERTa获取了蕴含文本上下文信息的词嵌入表示,其次使用BiGRU得到字符表示,然后使用注意力机制计算各个字符对于全局的影响,再使用BiGRU得到句子表示,最后使用Attention机制计算出每个字符对于其所在的句子的权重占比,得出全文的文本表示,并通过softmax函数对其进行情感分析。为了验证RoBERTa-BDA模型的有效性,设计三种实验,在不同词向量对比实验中,RoBERTa对比BERT中Macro F1和Micro F1值提高了0.42百分点和0.84百分点,在不同特征提取层模型对比实验中,BiGRU-Double Attention对比BiGRU-Attention提高了3.62百分点和1.34百分点,在跨平台对比实验中,RoBERTa-BDA在贴吧平台的Macro F1和Micro F1对比微博平台仅仅降低1.29百分点和2.88百分点。

摘要：随着图神经网络的发展,基于图神经网络的知识图谱嵌入方法日益受到研究人员的关注。相比传统的方法,它可以更好地处理实体的多样性和复杂性,并捕捉实体的多重特征和复杂关系,从而提高知识图谱的表示能力和应用价值。首先概述知识图谱的发展历程,梳理知识图谱和图神经网络的基本概念;其次着重讨论基于图卷积、图神经、图注意力以及图自编码器的知识图谱嵌入的设计思路和算法框架;然后描述图神经网络的知识图谱嵌入在链接预测、实体对齐、知识推理以及知识图谱补全等任务中的性能,同时补充图神经网络在常识性知识图谱中的一些研究;最后进行全面性的总结,并针对知识图谱嵌入存在的一些问题和挑战,勾画未来研究方向。

摘要：以区块链为底层技术的比特币、Libra等密码货币掀起了数字经济的浪潮.密码货币采用数字签名保证交易的可验证性和完整性,其中签名私钥确保了货币资产的所有权.若签名私钥丢失或被盗,货币资产的安全将受到严重威胁.相比于椭圆曲线数字签名算法ECDSA,基于爱德华曲线的数字签名算法EdDSA具备运算速度更快、密钥与签名空间更小等优势,被用于Libra交易单的签名.但因其是确定性签名,容易遭受差分故障攻击,造成密钥丢失或泄漏.如何抵抗这一种攻击,并设计可证明安全的EdDSA签名是一个挑战.首先定义了抗差分故障攻击的数字签名方案需满足的安全性质,利用差分故障攻击技术对EdDSA签名算法进行了分析,提出了抗差分故障攻击的EdDSA签名方案,并证明了方案满足存在不可伪造性和抗差分故障攻击性;为了降低签名私钥泄漏风险,借助Paillier同态加密技术,设计了抗差分故障攻击的两方协同EdDSA签名方案,并基于通用可组合安全模型(universally composable,UC)证明了方案的安全性;最后,对两方协同ECDSA签名算法与抗差分故障攻击的两方协同EdDSA签名算法计算复杂度分析与算法执行效率测试,验证了方案的有效性.

摘要：为了保证时序数据攻击检测模型的安全性,提出了基于多变量时间序列数据的对抗攻击与对抗防御方法.首先,针对基于自编码器的攻击检测模型,设计了在测试阶段实施的逃逸攻击.其次,针对设计的对抗攻击样本,提出了一种基于雅克比(Jacobian)正则化方法的对抗攻击防御策略,将模型训练过程中的Jacobian矩阵作为目标函数中的正则项,提高了深度学习模型对对抗攻击的防御能力.在工业水处理数据集BATADAL上进行实验,验证了所提出的对抗攻击方法和对抗防御方法的有效性.