针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

本书面向地理问题，基于Excel软件，讲述了大量数学方法的应用思路和过程。教学内容涉及回归分析、主成分分析、聚类分析、判别分析、时（空）间序列分析、Markov链、R/S分析、线性规划、层次分析法、灰色系统GM(1,N)建模和预测方法，如此等等。通过模仿本书讲授的计算过程，读者可以加深对有关数学方法的认识和理解，并且掌握很多Excel的应用技巧。本书最初以北京大学研究生地理数学方法的辅助教材身份出现，但实际上是作者对Excel计算功能深度开发的一系列试验成果的集合。书中绝大多数计算过程设计为作者首创，在国内外其他教科书中不能见到。这本书的初稿和修改稿先后在北京大学城市与环境专业研究生中试用七年，获得学生的广泛好评。书中内容曾经被其他高校和研究所的学生多次拷贝

自从《系统化教学设计》一书第一次出版到现在,已经过去了很多年。在这些年里,教 学设计领域一直在发展,不仅是作为一个学科,也成为了一种职业。越来越多的大学开始开 设教学设计方面的课程,越来越多的公司开始聘用教学设计师。 一般来说,一本书的新版都要包括该领域的新趋势和新思想。我们也面对着教育技术领 域的一系列重大发展。例如“绩效技术”一词,现在作为上位概念包含了教学设计,因此我 们就需要决定是否要在这本书中包含绩效技术的方方面面。再比如,最近十年用计算机传递 教学有明显地增加,这与1978年我们这本书第一次出版时的情形完全不同,那时候基于大 型机的计算机辅助教学似乎代表了未来的方向,而现在却已过时