学习将结构知识整合到图像修复中 AAAI 2020论文“学习结合用于图像修补的结构知识”的简介和源代码。 您可以在或获取论文。 引文 @inproceedings{jie2020inpainting, title={Learning to Incorporate Structure Knowledge for Image Inpainting}, author={Jie Yang, Zhiquan Qi, Yong Shi}, booktitle={Proceedings of the AAAI Conference on Artificial Intelligence}, volume={34}, number={7}, pages={12605-12612}, year={2020} } 介绍 该项目开发了一个多任务学习框架，该框架试图结合图像结构知识来辅助

本文研究了内存破坏漏洞和推测执行漏洞之间的协同作用。利用投机执行攻击来绕过一个重要的内存保护机制，ARM指针认证，这是一个用于强制指针完整性的安全特性。 提出了一种新的攻击方法PACMAN，它通过微架构侧通道投机性地泄漏PAC验证结果，而不会造成任何崩溃。攻击消除了在使用指针认证保护的平台上进行控制流劫持攻击的主要障碍。演示了PACMAN在Apple M1 SoC上的多重概念证明攻击，这是第一个支持ARM指针认证的桌面处理器。对Apple M1 SoC上的TLB层次结构进行了反向工程，并将微架构侧通道攻击扩展到Apple处理器。此外，还展示了PACMAN攻击可以跨特权级别工作，这意味着可以在用户空间中攻击没有特权的用户的操作系统内核。

为了在不同的数据库、工具和服务之间共享漏洞信息，需要定期向CVE (Common vulnerability and exposure)数据库报告新发现的漏洞。不幸的是，并不是所有的漏洞报告都会被接受。其中一些可能会被拒绝或被争议接受。在这项工作中，我们将那些被拒绝或有争议的cve称为无效的漏洞报告。漏洞报告无效，不仅会造成确认漏洞的不必要工作，而且会影响软件厂商的声誉。 在本文中，我们旨在了解无效漏洞报告的根本原因，并建立一个预测模型来自动识别它们。为此，我们首先利用卡片排序的方法对无效漏洞报告进行分类，从这些分类中可以发现cve被拒绝和有争议的主要原因分别有六个。然后，我们提出了一种文本挖掘方法来预测无效漏洞报告。实验结果表明，本文提出的文本挖掘方法对无效漏洞的预测AUC值为0.87。我们还讨论了我们研究的含义:我们的分类可以用来指导新的提交者避免这些陷阱;通过采用自动化技术或优化评审机制，避免了无效绩效考核的一些根本原因;不应忽视无效漏洞报告数据。

随着黑客技术变得越来越复杂，漏洞也逐渐增多。2010 - 2015年间，CVE (Common Vulnerability Enumeration)新增漏洞约8万个，且数量还在持续增加。随着漏洞数量的迅速增加，对漏洞的响应依赖于人工分析，导致响应速度较慢。有必要开发能够自动检测和修补漏洞的技术。 本文介绍了漏洞自动检测与修复技术和工具的发展趋势。提出了一种基于二进制复杂度分析的漏洞自动检测方法来防止零日攻击。还引入了一种通过修改PLT/GOT表来自动生成补丁的方法来应对0 day漏洞。

原论文地址:http://papers.nips.cc/paper/8867-global-sparse-momentum-sgd-for-pruning-very-deep-neural-networks.pdf

一篇论述人工智能的论文模板，超赞 faljflajlfja发觉林峰阿发了fa

LPC_MOT 这是论文“学习用于多对象跟踪的提案分类器”的代码 在2021年IEEE计算机视觉和模式识别会议（CVPR）上发表的论文。 纸张： 注意：这不是最终版本。 BibTex @inproceedings{dai2021LPC, title={Learning a Proposal Classifier for Multiple Object tracking}, author={Dai, Peng and Weng, Renliang and Choi, Wongun and Zhang, Changshui and He, Zhangping and Ding, Wei} booktitle=IEEE Conference on Computer Vision and Pattern Recognition (CVPR), year=2021 } 用法

在线遗传算法整定PID程序及论文-学习总结论文.rar 本文是基于德国都柏林城市大学（Dublin City University）学位论文《On-line PID Controller Tuning using Genetic Algorithms》而作的工作。本人的工作，只是做翻译、理解和学习，以及程序编写和验证，思想完全来源于原作者。    文章的研究对象为Ball and Hoop system，利用RLS在线辨识系统参数，然后利用在线遗传算法整定PID，以期理想的控制效果，但是由于simulink的非实时仿真特性（即假设仿真时间为200s，而实际simulink仿真时间根据硬件等条件可能仅为5s），而GA在线整定PID参数是需要一定时间的，不能匹配，所以最后遇到了问题。       当然，从全文来看，这篇文章虽然思想不复杂，程序思想和仿真模型也相对不是很难，对于从事和研究这方面内容的人，会有不小的启发和帮助。以下，是原文PDF和本人的理解和翻译的word07版本（注：由于是研究学习，并没有完全按原文翻译，不影响理解，并加入了自己的理解说明）。

编译原理是计算机专业的一门重要专业课，旨在介绍编译程序构造的一般原理和基本方法。内容包括语言和文法、词法分析、语法分析、语法制导翻译、中间代码生成、存储管理、代码优化和目标代码生成。虽然只有少数人从事编译方面的工作，但是这门课在理论、技术、方法上都对我们学生提供了系统而有效的训练，有利于提高软件人员的素质和能力，同时对锻炼我们学生的个人思维能力起到了非常大的作用。

数据库技术网 我们的NeurIPS'19论文的代码的MXNet版本 双线性特征变换在学习细粒度图像表示中显示了最新的性能。 提出的DBTNet可以将双线性特征深深地集成到CNN中，以学习细粒度的图像表示。 框架 主要结果 方法 方面 CUB-200-2011 斯坦福车 飞机 紧凑双线性 14k 81.6 88.6 81.6 内核池 14k 84.7 91.1 85.7 iSQRT-COV 8k 87.3 91.7 89.5 iSQRT-COV 32k 88.1 92.8 90.0 DBTNet-50（我们的） 2k 87.5 94.1 91.2 DBTNet-101（我们的） 2k 88.1 94.5 91.6 先决条件 MXNet 1.3.1 GluonCV 0.3.0 快速开始 准备数据： 下载imagenet数据： cd