城市轨道交通工程投资测算的实现技术研究——基于可变参数和递归函数

城市轨道交通工程的投资测算大致分为线路、单位、分部等三种类型.每种级别的投资测算都有不同的敏感因素.投资测算的单位、数量和指标之间的关系也是动态变化的.该研究分析了基于Java Web的城市轨道交通工程投资测算实现方法.该方法通过HTML源代码实现了可变敏感参数的设置.服务器端的代码实现了两个递归算法,第一个递归算法处理了结点的层级关系,第二个算法实现了复杂的投资测算公式.该研究采用的技术方案具有跨平台性,能够对城市轨道交通工程进行各种类型的投资测算.     

有选择条件的并行连接改进算法

针对有选择条件的连接易于造成选择率偏斜和重分布偏斜的问题，通过在各个处理结点中的A—D（Attribute—Distribute)临时关系以及主控结点中的A—RD(Attribute—Redistribute)临时关系，提出了并行连接改进算法，并且从理论上对该算法的空间复杂度进行了分析．     

PIDI-FGSM:一种对抗样本生成的梯度处理新方法

深度神经网络在多种模式识别任务上均取得卓越表现,然而相关研究表明深度神经网络非常脆弱,极易受到对抗样本的攻击。且人眼不易察觉的对抗样本还具有迁移性,即针对某个模型生成的对抗样本能够使得其他不同的深度模型也产生误判。主要研究提升对抗样本的迁移性,提出了基于PID控制优化器的快速梯度符号方法（PIDI-FGSM）,用于替代原有的基于动量优化器生成方法（MI-FGSM）。不同于MI-FGSM只累加一阶动量项,PIDI-FGSM同时考虑当前梯度、一阶动量项和一阶微分动量项。此外,PIDI-FGSM经过相应变化后,可与现有其他对抗样本生成方法相结合,在不需要额外运行时间和运算资源的情况下大大提高了对抗样本对于黑盒防御模型的攻击成功率。在ImageNet数据集上的实验表明,结合了PIDI-FGSM的对抗样本生成方法能够更快速地生成攻击成功率更高的对抗样本。通过提出最强攻击组合NI-TI-DI-PIDM2,对6个经典黑盒防御模型的平均攻击达到87.4%的成功率,比现有的动量方法提高3.8%,对3个较为先进的黑盒防御模型的平均攻击达到80.0%的成功率,比现有的动量方法提高4.9%。