论文部分内容阅读
西王食品跨国并购Kerr动因及绩效研究
【出 处】
：
广东工业大学
【发表日期】
：
2020年01期
其他文献
随着海洋强国的兴起,国家加大对沿海地区及岛礁的建设,部分地区出现严重的河砂及淡水资源短缺现象,使用海水和海砂来制备混凝土,不仅就地取材节约成本,还能解决由使用淡水和过度开采河砂造成的资源枯竭和环境问题。然而钢筋在海水海砂混凝土中氯离子富集的环境下会加速锈蚀,GFRP（玻璃纤维复合材料）筋因其优异的机械性能和抗腐蚀性,可有效解决钢筋的锈蚀问题,因此GFRP筋-海水海砂混凝土结构拥有良好的应用前景。框
在图像分类领域,深度神经网络（Deep Neural Network,DNN）取得了巨大的成功,表现异常出色。但是,对原始输入样本添加微量的扰动,可以形成对抗样本,会误导已经训练好的神经网络分类模型,使其分类错误。所生成的对抗样本与原始输入在视觉上差异很小,人类无法察觉,但分类模型却会以较大概率的置信度识别错误,导致神经网络的安全性受到严重挑战。对抗样本的仿真生成及检测是目前的重大研究问题。现有方
甘蔗作物具有糖料和能源原料的属性,是我国九大主要农作物之一,围绕甘蔗的相关产业链在农业经济中有着重要的地位。随着国家对现代化农业的重视,利用遥感技术对甘蔗进行精准、实时的生长监测,对于甘蔗的估产、政府的农业补贴政策的制定具有重要意义。以甘蔗作物种植和华南地区实际气候和天气条件为基础,针对遥感作物反演领域的若干经典参数对甘蔗的生长变化不敏感的问题,通过对覆盖甘蔗全生长周期的23景时间序列双极化Sen
越来越多的研究表明长链非编码RNA（lncRNA）在各种生物过程中起着关键作用并与多种复杂疾病存在关联关系。虽然进行生物学实验或临床研究可以发现lncRNA与疾病之间存在的关系,但是其需要大量成本和时间。因此,如何利用较少的lncRNA-疾病的关系,设计相应的计算方法以预测潜在的lncRNA-疾病关联成为了解决传统生物学实验昂贵且费时的有效途径,也是当前的研究热点。近年来,研究人员提出了各种计算方
多示例学习是一种新型的机器学习框架,与其他学习框架不同,它从由多个示例组成的包中学习分类器,并对包或示例的标签进行预测。多示例学习的特点是其训练集只具有包层级的标签信息,而示例层级的标签信息是未知的。在多分类多示例学习问题的假设中,每个包至少含有一个示例的标签与从属的包标签一致。以往对多示例学习的研究假设数据集只包含目标类,即需要分类的类别,然而在现实应用中研究者可以收集一些不属于任何目标类的Un
当前的安卓恶意应用检测模型往往依赖于大规模带标注的样本。收集大量带标注样本和反编译提取其特征,存在资源成本高、训练和反编译时间长、检测效率低和门槛高等问题。对于出现的新型恶意应用,需要收集足够的样本数据,重新设计和训练模型才能进行识别和检测,导致针对恶意攻击的安全防御存在滞后性。针对恶意安卓应用程序检测中存在的特征维度大、样本量要求高和检测效率低的问题,结合卷积神经网络CNN良好的特征提取和降维能