城市建模为生成城市不同场景下的虚拟环境提供了便利。城市建模需要专业知识和考虑，并消耗大量时间和计算资源。即便如此，与之相关的任务有时仍以不满意的结果甚至失败告终。这些挑战得到了计算机图形学领域学者的大量关注。同时，人工智能的蓬勃发展激励人们充分利用机器学习以改进现有解决方案。本文回顾了2010至2019年间发表的文献，对计算机图形领域中使用机器学习的城市建模方法进行综述。本文可作为机器学习视角下城市建模研究现状的概述。

由于每个脓毒症患者治疗反应可能不同，为病人提供量身定制的治疗建议来帮助医生有效、准确地做出决定，并采取有效治疗方案，是降低医院重症监护病房死亡率的一项极具挑战性的工作。本文将强化学习应用于个人治疗推荐，采用对样本不确定性进行建模并评估的方法，根据患者对治疗的反应和状态，将患者样本分为两个域，然后使用辅助迁移学习任务重建两个域的样本，使用特权学习的蒸馏方法与用于迁移学习的变分自动编码器框架关联低质量域和高质量域间的任务。通过结合自监督方式获得更好的状态和动作表示，本文提出一种针对引起较高风险的不确定性进行控制的深度强化学习方法；模型提供一定的灵活性使之可以在不同场景对模糊样本做出保守预测或明确判断，并降低预期死亡率。在大规模公开可用的真实医疗数据集MIMIC-III上的实验表明，所提模型将总体估计死亡率降低了2.3%，并将主要估计死亡率降低到9.5%。

医疗保健和远程医疗行业依赖于互联网技术，数字健康数据更易受到网络攻击，因其中包含大量个人数据，因而，有必要保护数字医疗图像以及保证其安全传输。本文采用基于洛伦兹和吕混沌吸引子突变的DNA加密技术生成强伪随机密钥流。为增强混淆与扩散阶段的近似性系数，所提的混沌DNA加密系统在整数小波变换域和一个生物启发的交叉变异单元上运行。进而，使用组合演化吸引子中的量化混沌集进行异或运算。该算法可以获得平均信息熵7.9973，几乎接近于零相关性的像素变化率（number of pixel change rate, NPCR）99.642%，归一平均强度变化（unified average change in intensity, UACI）33.438%，以及密钥空间10203。此外，实验分析和基于美国国家标准与技术研究院（NIST）的统计测试套件测试证实，所提医疗图像加密技术具有抵御任何统计、差分和暴力攻击的能力。

需求追踪是一项重要且昂贵的任务，它创建了从需求到不同软件制品的追踪链。这些追踪链可以帮助工程师节约软件维护时间并降低维护复杂性。信息检索技术在需求追踪中应用广泛。它使用软件制品之间的文本相似性来创建链接。然而，如果两个制品不共享或仅共享少量单词，信息检索性能可能非常差。已有一些方法通过考虑目标制品之间的关系来增强信息检索，但它们仅限于代码，而无法应用于其他类型的目标制品。为克服这一局限，本文提出一种将信息检索方法与目标制品间的紧密关系相结合的自动化方法。具体地，我们增加了对目标制品间紧密关系的考虑，而不仅仅是从需求到目标制品的文本匹配。此外，在考虑目标制品间的关系时，该方法并不局限于目标制品的类型。我们在5个公共数据集上进行了实验，并考虑了需求和不同类型的软件制品之间的追踪链。结果表明，在相同的查全率下，5个数据集的查准率较之基线方法分别提高40%、8%、20%、4%和6%。5个数据集的查准率平均提高15.6%，这表明在相同条件下，本文所提方法优于基线方法。

目前网络上拥有大量可用于软件工程实践的技术和网络资源，并且这个数量还在持续增长。发现语义相似或相关的技术术语和网络资源，可以设计吸引人的服务，以促进信息检索和信息发现的机会。本文从问答（Q&A）讨论的社区中提取技术术语和网络资源，并提出一种基于神经网络语言模型的技术术语和网络资源在联合低维向量空间中的语义表示方法。方法仅基于讨论线程中技术术语（或网络资源）的周围技术术语和web资源，将技术术语和网络资源映射到语义向量空间，而不需挖掘讨论的文本内容。将方法应用于2018年3月的堆栈溢出数据转储。对聚类、搜索和语义推理任务的定量和定性分析表明，所学习的技术术语和网络资源向量表示可以捕获技术术语和网络资源的语义相关性，通过简单的K近邻搜索和在嵌入空间中对学习的向量表示作简单的代数运算，可以支持各种搜索和语义推理任务。

本文针对一类不确定多输入多输出非线性系统提出一种基于观测器的自适应预设性能跟踪控制策略，同时考虑了系统中可能存在的不确定性。为估计被控系统中的不确定性以及外部扰动，本文构建了一类新颖的有限时间神经网络干扰观测器。此外，为保证系统可以达到预设性能，采用一类误差转换方法，可以将时变约束转换为一种等价的非时变约束。随后，基于障碍李雅普诺夫函数以及反步方法，提出一种基于观测器的跟踪控制策略。经证明，本文所设计的控制方法可以使闭环系统所有信号实现有界，跟踪误差满足预设的时变性能指标。最后，无人机系统数值仿真结果验证了所提控制策略的有效性。

介绍了基于混沌的最大密度信号分析技术在无刷直流电机分析中的应用。利用了从电流信号最大密度估计得出的相关系数。通过实验实现了无刷电机在试验台上的速度估计以及在小型无人机上的故障检测。实验结果表明，在97.8%的案例中可估计电机速度，在82.75%的分析案例中可检测故障。

近来，在传输系统中仿生信号已用于实现具有高信噪比的隐蔽水声通信。高信噪比使得攻击者能实行恶意计划，导致传输系统易受恶意攻击。提出一种基于改进Merkle哈希树的安全方案，能够抵御当前水下攻击，具体包含重放攻击、伪造消息攻击、消息篡改攻击和分析攻击。进行安全性分析，证明所提方案能够抵抗这些类型的攻击。性能评估表明，该方案在能量消耗、通信开销和计算开销方面的效率可满足水声通信的限制要求。

由于水听器的布置成本高且水下声音传播模型复杂，在浅海环境中进行低频声源目标位置估计较为困难。提出一种基于数据驱动的压缩循环神经网络 （compressed recurrent neural network, C-RNN）模型。该模型首先将矢量水听器接收到的声源信号压缩为动态声强信号，然后将声源位置进行GeoHash编码用于该模型的先验训练，最后使用训练好的模型进行浅海低频声源目标的位置估计。与传统数学模型相比，所提C-RNN模型能在复杂声场环境和地形条件下以低参数工况实时估计声源位置。实验结果表明，该模型对浅海环境中低频声源目标位置的平均定位精度为56米。