基于显著图的电磁信号对抗样本生成方法

基于深度学习的电磁信号识别模型具有高效、准确和人工干预少的优点,然而其与传统神经网络模型一样容易受到对抗样本的影响.研究对抗样本对测试和提升模型的安全性和鲁棒性有着重要意义.为生成高质量电磁信号对抗样本,本文提出了基于雅可比显著图批量特征点攻击算法(Batch Points Jacobian-based Saliency Map Attack, BP-JSMA).与传统雅可比显著图的攻击方法相比,BP-JSMA通过批量选取关键特征点能够更快生成对抗样本.此外,针对电磁信号数据的特点,增加自适应扰动限制,使得生成的对抗样本更具隐蔽性.在公开数据集的实验结果表明,与雅可比显著图攻击方法相比,BP-JSMA在生成速度方面提升了11倍,隐蔽性提升了10%;而与传统快速梯度符号攻击算法相比,攻击成功率提升了24%,隐蔽性提升了20%.

一种TensorFlow平台上目标意图识别模型设计与实现

根据目标的属性特征对目标意图进行识别,对于战场进行下一步决策有非常重要的意义。传统的意图识别方法,需要大量的先验知识以及很难处理时序问题。论文通过一种新的目标意图识别方法。该方法对目标的连续时刻的属性数据进行仿真,并进行数据预处理,使用LSTM神经网络模型进行训练。通过仿真数据,在TensorFlow平台构建并训练LSTM神经网络模型,最终确定网络的结构和参数。实验结果表明,构造好的LSTM网络模型取得比较好的效果。

民航企业财务风险预警与防范研究

财务风险是现代企业财务管理理论的核心内容,也是企业生存和发展所面对的重要课题。文章对我国民航企业面临的特有财务风险进行分析研究基础上,对如何预警、防范和化解我国航空公司财务风险进行探讨。

房地产企业财务成本管理现存问题与对策

房地产行业是一个资本密集度高且风险较大的行业,因此加强财务成本管理对于提高房地产企业竞争力和经济效益具有重要的意义。本文从房地产企业财务成本管理的意义出发,分析我国房地产企业现存主要问题,并提出提高房地产财务管理水平的相关对策。