导读:本文包含了对抗模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,语义,网络,深度,协方差,拟态,磷脂。
对抗模型论文文献综述
宋天明,唐敏[1]（2019）在《电子对抗中基于交互式多模型的机载雷达辐射控制》一文中研究指出针对电子对抗中传统机载雷达辐射控制方法相互干扰的问题,提出电子对抗中基于交互式多模型的机载雷达辐射控制研究。运用交互式多模型控制机载雷达辐射,以将雷达辐射信噪比最小化为目标,建立基于交互式多模型的机载雷达辐射控制模型,运用交互式多模型算法获取量测数据并与设定好的协方差门限进行比较,以此来有效控制机载雷达辐射。经过试验分析,验证了本文方法在电子对抗中具有良好的实用性。(本文来源于《电子世界》期刊2019年22期）
赵瑜,谭海宁,刘志方,武超[2]（2019）在《基于生成对抗模型的异质信息网络语义表征方法研究》一文中研究指出近些年,网络表示学习问题吸引了大量研究者的关注,而异构信息网络由于其丰富的结构语义信息及其广阔的应用领域,更是成为了网络表示学习领域的重中之重。目前面向异构信息网络的表示学习模型主要可以分为基于生成式模型的表示学习方法和基于判别式模型的表示学习方法,但是很少有工作同时结合两种模型进行表示学习的优化。该文提出了结合生成式模型和判别式模型的异构信息网络表示学习模型HINGAN,主要是将对抗生成思想融入异构信息网络表示学习过程中,达到优化网络表示结果的目的。该模型首先在元路径的引导下构建带权信息网络图,然后在带权图上计算更新构造的生成器和判别器参数,通过生成对抗的博弈思想来获取最大收益。在AMiner和DBLP两个真实学术图谱数据集上的实验结果表明,HINGAN在多标签分类、链路预测以及可视化方面都能比现在主流的网络表示方法取得更优的效果,并且HINGAN可以应用于大规模的异构网络数据的表示和计算。除此之外,该文还总结了已有研究成果并对未来研究可能面临的挑战进行了展望。(本文来源于《中文信息学报》期刊2019年11期）
卫爱武,宋艳丽,肖惠冬子,河东杰[3]（2019）在《丹寿汤对抗磷脂抗体致妊娠丢失动物模型胎盘组织血小板活化因子受体、血管内皮生长因子mRNA表达的影响》一文中研究指出目的探讨中医药对血管细胞因子的重要调节作用。方法选择ACA阳性的反复自然流产患者及系统性红斑狼疮(SLE)患者,对其以及健康人的血清进行提取,制备蛋白液。将10周龄SD孕鼠80只随机分为ACA阳性妊娠丢失动物模型组(40只),LA阳性妊娠丢失动物模型组(40只)。将两组孕鼠分别随机分为模型组、补肾活血组、西药组、空白孕鼠组,每组10只。自孕0天起,补肾活血组、西药组给予丹寿汤浓煎液、肠溶阿司匹林溶液灌胃,空白孕鼠组、模型组予生理盐水灌胃作对照。期间模型组、补肾活血组、西药组分别于孕8天、孕12天背部多部位皮下注射15mg·(ml·d)~(-1)ACA或LA蛋白液,空白孕鼠组予正常人血清蛋白液15mg·(ml·d)~(-1)多部位皮下注射作对照,至孕15日处死取材,采用RT-PCR技术检测PAF-R及VEGFmRNA。结果空白组PAF-RmRNA的PCR产物电泳条带显示几乎无基础水平的PAF-RmRNA表达,模型组电泳条带最亮,PAF-RmRNA表达积分光度明显增加,两组比较,差异无统计学意义(P>0.05);西药组电泳条带亮度较模型组减弱,PAF-RmRNA表达积分光度明显减少,两组比较,差异有统计学意义(P<0.05);补肾活血组与模型组比较,电泳条带减弱,PAF-RmRNA表达积分光度明显减少,差异有统计学意义(P<0.05),补肾活血组与西药组比较,PAF-RmRNA表达积分光度减少,差异无统计学意义(P>0.05)。空白组VEGFmRNA的PCR产物电泳条带较亮,有较多VEGFmRNA的表达,模型组电泳条带最亮,VEGFmRNA表达积分光度明显增加,两组比较,差异无统计学意义(P>0.05),西药组与模型组比较,电泳条带亮度减弱,VEGFmRNA的表达积分光度减少,差异无统计学意义(P>0.05),补肾活血组与模型组比较,电泳条带亮度更弱,VEGFmRNA表达积分光度明显减少,两组比较,差异有统计学意义(P<0.05),补肾活血组与西药组比较,VEGFmRNA的表达积分光度减少,两组比较,差异有统计学意义(P<0.05)。结论丹寿汤通过降低PAF-RmRNA及VEGFmRNA的表达,发挥血管内皮保护作用,改善胎盘微循环,为应用于临床提供了可靠的实验基础及理论依据。(本文来源于《时珍国医国药》期刊2019年09期）
宋珂慧,张莹,张江伟,袁晓洁[4]（2019）在《基于生成式对抗网络的结构化数据表生成模型》一文中研究指出在机器学习和数据库等领域,高质量数据集的合成一直以来是一个非常重要且充满挑战性的问题.其中,合成的高质量数据集可用来改善模型,尤其是深度学习模型的训练过程.一个健壮的模型训练过程需要大量已标注的数据集,获取这些数据集的一种方法是通过领域专家的手动标注,这种方法不仅代价大还容易出错,因此由模型自动合成高质量数据集的方法更为合理.近年来,由于计算机视觉领域的飞速发展,已经有不少致力于图像数据集合成的研究,但是这些模型不能直接应用在结构化数据表上,并且据调研,对这类数据的相关研究几乎没有.因此,提出了一个针对结构化数据表的生成模型TableGAN,该模型是生成式对抗网络(generative adversarial network, GAN)家族的一种变体,通过对抗训练的方式提高生成模型的性能.针对结构化数据的特征改变了传统GAN模型的内部结构,包括优化函数等,使其能够生成高质量的结构化数据用于改善模型的训练过程.通过在真实数据集上的大量实验表明了此模型的有效性,即在扩大后的数据集上训练模型的效果有明显提升.(本文来源于《计算机研究与发展》期刊2019年09期）
邵刚,杜立,陈哲[5]（2019）在《基于模型检测的某型对抗靶标可靠性测试研究》一文中研究指出模型检测技术因其自动化程度高和简洁明了的特点在软件测试的发展中占据重要地位。本文以某型对抗靶标为例,通过一种模型检测技术的检测逻辑、逻辑语义和检测算法,对该系统的相关特性进行研究。通过这种方法,我们可以对系统的可靠性和正确性进行有效评估,提升了测试效率,为测试工作的进一步优化奠定了良好的基础。(本文来源于《电子设计工程》期刊2019年17期）
姜玉宁,李劲华,赵俊莉[6]（2019）在《生成式对抗网络模型研究》一文中研究指出在系统的总结GAN原始模型的提出背景、基本原理与基本框架的基础上,归纳总结了基于距离度量与能量模型角度而提出的衍进模型f-GAN、WGAN、WGAN-GP、EBGAN;针对解决原始GAN模型的不稳定性而提出的衍进模型DCGAN、Improved GAN、PGGAN;基于模型结合角度而提出的GAN+LAP、GAN+LSTM、GAN+CVAE、GAN+AE以及针对增强模型实用性而提出的衍进模型SGAN、CGAN、InfoGAN。对GAN的一些具体应用领域和场景进行了梳理和介绍。(本文来源于《青岛大学学报(自然科学版)》期刊2019年03期）
龚燕,刘雅奇,朱然刚[7]（2019）在《基于ADC和改进云模型的数据链对抗侦察效能评估》一文中研究指出针对云模型的模糊性和不确定性,在结合ADC法、Delphi法和层次分析法确定数据链对抗侦察效能指标权重的基础上,采用Vague集对云模型的相似性度量进行改进,使得定量的评估结果与定性评价的转换更为精确合理,经实例验证该方法相较于传统的加权偏离度法可信度更高,实现了更准确的效能评估和更直观的结果显示。(本文来源于《火力与指挥控制》期刊2019年08期）
张嘉祺,赵晓丽,董晓亚,张翔[8]（2019）在《面向图像语义分割的生成对抗网络模型》一文中研究指出图像语义分割一直是计算机视觉中具有挑战性的任务之一。目前多数基于卷积神经网络的语义分割算法存在分割结果不精确,不连续等问题。为了提高图像分割效果,提出了基于生成对抗学习的图像语义分割网络模型。该模型由生成网络和判别网络两部分组成。生成网络含有五个模块,主要作用是生成语义分割图,判别网络与生成网络进行对抗训练,优化生成网络以使生成图像更加接近于Ground Truth。通过在Pascal VOC 2012数据集上对图像进行语义分割的分析,验证了该算法可以有效提高图像语义分割的精度。(本文来源于《传感器与微系统》期刊2019年08期）
陈鑫晶,陈锻生[9]（2019）在《分类重构堆栈生成对抗网络的文本生成图像模型》一文中研究指出利用堆栈生成对抗网络,提出分类重构堆栈生成对抗网络.第一阶段生成64 px×64 px的图像,第二阶段生成256 px×256 px的图像.在每个阶段的文本生成图像中,加入图像类别信息、特征和像素重构信息辅助训练,生成质量更好的图像.将图像模型分别在Oxford-102、加利福尼亚理工学院鸟类数据库(CUB)和微软COCO(MS COCO)数据集上进行验证,使用Inception Score评估生成图像的质量和多样性.结果表明:提出的模型具有一定的效果,在3个数据集上的Inception Score值分别是3.54,4.16和11.45,相应比堆栈生成对抗网络提高10.6%,12.4%和35.5%.(本文来源于《华侨大学学报(自然科学版)》期刊2019年04期）
陈双喜,吴安邦,岐舒骏,刘会,吴春明[10]（2019）在《新型主动防御框架的资源对抗模型分析》一文中研究指出本文提出了一种基于拟态理论的主动防御的新型框架.通过引入常微分动态系统来表述新型主动防御框架的动态化和结构化特点.通过常微分方程,将部分现实中的复杂网络攻防问题转化为简单的、准确定义的资源对抗模型.由此,可以对通过异构冗余和自修复性构建的主动防御系统的关键构造获得一种对抗模型分析.本框架可帮助实现对当前网络主动防御系统的有效性评估并通过选取有效的防御策略来加强系统安全性.(本文来源于《电子学报》期刊2019年07期）
对抗模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近些年,网络表示学习问题吸引了大量研究者的关注,而异构信息网络由于其丰富的结构语义信息及其广阔的应用领域,更是成为了网络表示学习领域的重中之重。目前面向异构信息网络的表示学习模型主要可以分为基于生成式模型的表示学习方法和基于判别式模型的表示学习方法,但是很少有工作同时结合两种模型进行表示学习的优化。该文提出了结合生成式模型和判别式模型的异构信息网络表示学习模型HINGAN,主要是将对抗生成思想融入异构信息网络表示学习过程中,达到优化网络表示结果的目的。该模型首先在元路径的引导下构建带权信息网络图,然后在带权图上计算更新构造的生成器和判别器参数,通过生成对抗的博弈思想来获取最大收益。在AMiner和DBLP两个真实学术图谱数据集上的实验结果表明,HINGAN在多标签分类、链路预测以及可视化方面都能比现在主流的网络表示方法取得更优的效果,并且HINGAN可以应用于大规模的异构网络数据的表示和计算。除此之外,该文还总结了已有研究成果并对未来研究可能面临的挑战进行了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
对抗模型论文参考文献
[1].宋天明,唐敏.电子对抗中基于交互式多模型的机载雷达辐射控制[J].电子世界.2019
[2].赵瑜,谭海宁,刘志方,武超.基于生成对抗模型的异质信息网络语义表征方法研究[J].中文信息学报.2019
[3].卫爱武,宋艳丽,肖惠冬子,河东杰.丹寿汤对抗磷脂抗体致妊娠丢失动物模型胎盘组织血小板活化因子受体、血管内皮生长因子mRNA表达的影响[J].时珍国医国药.2019
[4].宋珂慧,张莹,张江伟,袁晓洁.基于生成式对抗网络的结构化数据表生成模型[J].计算机研究与发展.2019
[5].邵刚,杜立,陈哲.基于模型检测的某型对抗靶标可靠性测试研究[J].电子设计工程.2019
[6].姜玉宁,李劲华,赵俊莉.生成式对抗网络模型研究[J].青岛大学学报(自然科学版).2019
[7].龚燕,刘雅奇,朱然刚.基于ADC和改进云模型的数据链对抗侦察效能评估[J].火力与指挥控制.2019
[8].张嘉祺,赵晓丽,董晓亚,张翔.面向图像语义分割的生成对抗网络模型[J].传感器与微系统.2019
[9].陈鑫晶,陈锻生.分类重构堆栈生成对抗网络的文本生成图像模型[J].华侨大学学报(自然科学版).2019
[10].陈双喜,吴安邦,岐舒骏,刘会,吴春明.新型主动防御框架的资源对抗模型分析[J].电子学报.2019
论文知识图
