基于混合生成网络的软件系统异常状态评估

针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题,提出一种基于混合生成网络的软件系统异常状态评估方法.首先,通过对长短期记忆网络（long short-term memory network, LSTM）与变分自动编码器（variational auto-encoder, VAE）的融合,设计一种LSTM-VAE混合生成网络,并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型,由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后,由LSTM-VAE异常状态检测模型处理系统关键特征参数,获取系统关键特征参数的异常度量值.最后,利用耦合度方法对传统的线性加权和方法进行优化,通过加权耦合度优化方法计算得到软件系统异常状态的量化值,从而实现对软件系统的异常状态评估.实验结果表明,本文模型对软件系统的异常时序数据具有较好的检测能力,其对系统异常状态的评估结果更为合理、有效.     

水产品中恩诺沙星药物残留检测方法研究进展

恩诺沙星属于喹诺酮类抗生素药物,具有广谱杀菌、耐药菌少等优点,被广泛用于水产养殖疾病的防治。该药物使用不当极易造成水产品中残留超标进而危害人体健康。主要从样品前处理技术和水产品中恩诺沙星残留检测方法两方面进行阐述,并对各种检测方法的特点进行分析讨论,以期为我国水产品中恩诺沙星残留的检测和监管提供参考。