摘要：为解决传统病毒攻击样本生成算法存在适用范围较小的问题,提出一种基于反向梯度优化深度学习算法的数据病毒攻击样本生成方法。通过自动微分计算对应感兴趣服务的梯度,为降低算法复杂度并提高算法适用范围,采用反向梯度算法对学习过程进行反转以训练神经网络。为验证所提方法的有效性,设置垃圾邮件过滤、恶意软件检测和手写数字识别3个数值算例,实验结果表明,所提算法具有较好的适用性。

摘要：为了有效解决函数系统建模、信号实时分析等数理支持领域验证与测试的定理证明形式化问题,设计并实现了利用Lebesgue积分的运算特征在PVS定理证明器中进行形式化证明与分析.主要对其分裂定理、不等式计算、闭区间子集可积分性、多重分部、线性运算、Cauchy可积分准则和极限定理等多个方面进行了形式化,且依据数学定理与推论形式化,说明Lebesgue积分在PVS中的形式化是可行的、有效的.以标准反相积分器为应用模型,对其通用电路原理与机制进行了形式化证明,通过数理分析测试了本文Lebesgue积分形式化定理库的正确性.