基于快速特征欺骗的通用扰动生成改进方法

近年来，基于深度神经网络的应用日益广泛，然而深度神经网络容易受到由输入数据设计的微小扰动而带来的对抗性攻击，导致网络的错误输出，给智能系统的部署带来安全隐患.为了提高智能系统的抗风险能力，有必要对存在风险的扰动生成方法展开研究.快速特征欺骗（fast feature fool，FFF）是面向视觉任务的一种有效的通用扰动生成方法.考虑了输入图像在网络中的实际激活状态，以最大化原始图像和对抗样本之间的特征差异作为生成扰动的目标函数；同时考虑不同卷积层对于生成扰动的不同影响，在生成扰动的目标函数中，对不同卷积层对应的项加以不同权重.实验结果表明，改进的FFF方法攻击成功率更高，同时也具备更强的跨模型攻击能力.     

基于BERT的金融文本情感分析模型

在金融领域,越来越多的投资者选择在互联网平台上发表自己的见解.这些评论文本作为舆情的载体,可以充分反映投资者情绪,影响投资决策和市场走势.情感分析作为自然语言处理(natural language processing,NLP)中重要的分支,为分析海量的金融文本情感类型提供了有效的研究手段.由于特定领域文本的专业性和大标签数据集的不适用性,金融文本的情感分析是对传统情感分析模型的巨大挑战,传统模型在准确率与召回率上表现较差.为了克服这些挑战,针对金融文本的情感分析任务,从词表示模型出发,提出了基于金融领域的全词覆盖与特征增强的BERT(bidirectional encoder representations from Transformers)预处理模型.     

基于自制SOPC平台的图像空间变换实验设计

介绍了上海大学通信与信息工程学院专业实验中心设计制作的SOPC嵌入式开发平台及其配套Cyclone FPGA选件的硬件电路设计与图像空间变换实验设计。该SOPC平台基于可编程片上系统技术完成视频信号采集与输出显示,而与之配套的Cyclone FPGA选件电路完成嵌入式图像空间变换处理。实验设计利用Verilog硬件描述语言在QuartusⅡ开发环境中进行编程调试,最终给出并分析了图像变换实验结果。该系列实验验证了基于FPGA的嵌入式数字图像处理可行性,是相关课程的辅助实验。