差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。     

海尔COSMOPlat:工业互联网平台助力疫情防控

疫情之下,临时医院的搭建、医疗防护物资的生产,让中国制造业迎来大考。工人复工难、物资调配紧张等问题也让制造业产能恢复面临着诸多挑战。工业互联网作为工业经济全要素、全价值链、全产业链,全面连接新型基础设施,发挥其在万物互联、信息汇聚、优化调度、异地协同、远程服务等方面的优势,助力抗击疫情工作。海尔卡奥斯COSMOPlat作为国内跨行业跨领域的工业互联网平台代表,就在其中发挥了重要作用。     

金融科技背景下个人金融信息安全保护研究

近年来,银行业金融机构客户数据泄露事件屡次发生,金融数据泄露无论是对金融机构本身还是客户都带来巨大损失,伴随新一轮科技革命和产业革命的浪潮来袭,人工智能、区块链等新兴技术与金融领域的深度融合,金融机构间的服务竞争最终会转化为科技之间的较量,自国内第一家无人银行运营后,银行业颠覆性变革势在必行,在大势所趋之下,如何更好地保护个人金融信息显得尤为重要,本文研究了金融科技背景下个人金融信息安全的保护,供相关读者参考.