深度神经网络模型后门植入与检测技术研究综述

作为当前人工智能快速发展的代表性技术之一,深度神经网络的应用范围越来越广,由此带来的安全性问题也逐渐受到关注。现有研究主要聚焦于如何高效构造多样化的对抗样本,以实现对深度神经网络模型的欺骗,以及如何检测对抗样本并加固深度神经网络模型。但是,随着深度神经网络模型的开发越来越依赖开源数据集、预训练模型和计算框架等第三方资源,模型被植入后门的风险越来越高。从深度神经网络模型生命周期的各个环节出发,对深度神经网络模型后门植入与检测相关技术进行了归纳总结,对比分析了不同技术的主要特征与适用场景,对相关技术未来的发展方向进行了展望。

起重机装配线平衡问题优化研究

为提高起重机的装配效率,缩短生产周期,决定采用流水线装配,将装配线平衡问题作为规划高效装配线的重要问题之一。依据装配工艺建立装配作业优先顺序图,采用线性规划法进行建模,运用Lingo软件求解最小工作站数,重新分配各工序。同时考虑装配任务作业时间的随机波动,利用物流仿真软件建立了起重机的装配线仿真模型,仿真数据显示模型结果可以满足年产能要求,有效解决了起重机的装配流水线平衡问题。

大数据环境下的企业竞争情报蛙跳模式构建研究

本文在大数据背景下,以提高企业自身实力及战略地位为目标,阐述了大数据背景下的企业竞争情报蛙跳模式构建的必要性与可行性,并阐述其构建原则,运用文献研究法、系统论方法,基于蛙跳理论,依据竞争情报系统四大基本功能,构建了大数据背景下的企业竞争情报蛙跳模式。