以下是一篇算法领域的SCI二区文献（原文见附件），介绍了一种使用Markov概率转移矩阵对种群拓扑结构进行加权的粒子群算法，相比于标准PSO算法该算法提高了全局覆盖率，更容易跳出局部最优，但是在局部最优点由于迭代过大，收敛较慢。以下从四个方面讲述全文：一、标准PSO粒子群算法；二、Markov马尔可夫链模型及Pagerank算法；三、如何将Markov和Ragerank代入PSO算法；四、使用chatgpt进行算法复现。（注：前两部分直接引用相关博客，后两部分是博主原创内容，熟悉PSO、Markov、Pagerank的读者可直接切入第三部分）CesareND,ChamoretD,Domasze

以下是一篇算法领域的SCI二区文献（原文见附件），介绍了一种使用Markov概率转移矩阵对种群拓扑结构进行加权的粒子群算法，相比于标准PSO算法该算法提高了全局覆盖率，更容易跳出局部最优，但是在局部最优点由于迭代过大，收敛较慢。以下从四个方面讲述全文：一、标准PSO粒子群算法；二、Markov马尔可夫链模型及Pagerank算法；三、如何将Markov和Ragerank代入PSO算法；四、使用chatgpt进行算法复现。（注：前两部分直接引用相关博客，后两部分是博主原创内容，熟悉PSO、Markov、Pagerank的读者可直接切入第三部分）CesareND,ChamoretD,Domasze

文章目录前言网络结构Backbone数据读取Loss计算模型预测预测结果后处理预测框转换训练tensorboard可能会出现的现象总结论文:https://arxiv.org/abs/1904.07850前言之前博文介绍的目标检测算法如：Yolo系列、FasterRCNN等，这些基于先验框去进行预测的目标框的算法，我们称为anchor-base。即使是anchor-base中的one-stage算法，因为其复杂后处理，也常常被人诟病不是真正的end2end算法。在目标检测领域中，还有另一种不用基于先验框的模式，我们称之为anchor-free。anchor-free的定义就很简单了，输入一张图

1.复现准备攻击机：Linuxkali（IP：192.168.52.132）靶机：Windows7（x64）（IP：192.168.52.130）条件：靶机防火墙关闭，两台机子能够相互ping通，靶机445端口开启（永恒之蓝漏洞就是通过恶意代码扫描并攻击开放445端口的Windows主机）  2.复现过程登录kalilinux，用nmap探测本网段存活主机nmap192.168.52.0/24 可以看到靶机的445端口已开启 3.使用永恒之蓝漏洞打开MSF:msfconsole 搜索ms17-010代码：searchms17_010使用以下模块：auxiliary/scanner/smb/sm

   Apache披露了一个在ApacheHTTPServer2.4.49上引入的漏洞，称为CVE-2021-41773。同时发布了2.4.50更新，修复了这个漏洞。该漏洞允许攻击者绕过路径遍历保护，使用编码并读取网络服务器文件系统上的任意文件。运行此版本Apache的Linux和Windows服务器都受到影响。此漏洞是在2.4.49中引入的，该补丁旨在提高URL验证的性能。可以通过对“.”进行编码来绕过新的验证方法。如果Apache网络服务器配置未设置为“要求全部拒绝”，则漏洞利用相对简单。通过对这些字符进行编码并使用有效负载修改URL，可以实现经典的路径遍历。1.搭建靶场dockerpul

WindowsCVE-2022-21907复现漏洞原理此次CVE的漏洞是由于HTTP.sys的缓冲区溢出从而导致的拒绝服务，蓝屏重启。测试环境：win1020h2Poc:https://github.com/p0dalirius/CVE-2022-21907-http.sys影响范围WindowsServer2019(ServerCoreinstallation)WindowsServer2019Windows10Version21H2forARM64-basedSystemsWindows10Version21H2for32-bitSystemsWindows11forARM64-based

基于pytorch实现VGG16模型前言​最近在看经典的卷积网络架构，打算自己尝试复现一下，在此系列文章中，会参考很多文章，有些已经忘记了出处，所以就不贴链接了，希望大家理解。​完整的代码在最后。本系列必须的基础​python基础知识、CNN原理知识、pytorch基础知识本系列的目的​一是帮助自己巩固知识点；​二是自己实现一次，可以发现很多之前的不足；​三是希望可以给大家一个参考。目录结构文章目录基于pytorch实现VGG16模型1.VGG16模型介绍：2.VGG16模型构建：3.总结：1.VGG16模型介绍：​VGG是2014发布的，在图像分类上的ImageNet比赛上为当时的亚军，冠军

引言ZhangRui老师的将IRS引入无线通信安全的论文《SecureWirelessCommunicationviaIntelligentReflectingSurface》有较高的引用量，在此给出要论文的复现及代码。主要问题该论文的目的是引入IRS并联合优化基站的主动式波束和IRS的被动式波束，使得抑制窃听者信噪比的同时最大化合法用户处的信噪比。其场景如下：系统模型图 因此可以构造出以下的优化问题：优化问题 即在基站发射功率的约束下，优化基站和IRS的波束使得保密速率最大化。给定IRS相位矩阵时，优化基站波束可简单地将求绝对值的平方进行简单展开，令将对数相减变换为真数相除，对数是单调递增函

引言ZhangRui老师的将IRS引入无线通信安全的论文《SecureWirelessCommunicationviaIntelligentReflectingSurface》有较高的引用量，在此给出要论文的复现及代码。主要问题该论文的目的是引入IRS并联合优化基站的主动式波束和IRS的被动式波束，使得抑制窃听者信噪比的同时最大化合法用户处的信噪比。其场景如下：系统模型图 因此可以构造出以下的优化问题：优化问题 即在基站发射功率的约束下，优化基站和IRS的波束使得保密速率最大化。给定IRS相位矩阵时，优化基站波束可简单地将求绝对值的平方进行简单展开，令将对数相减变换为真数相除，对数是单调递增函

文章目录目标追踪篇---yolov8_tracking复现1、下载源代码2、下载权重3、运行代码3.1、运行以下命令：3.2、结果如下3.3、视频结果目标追踪篇—yolov8_tracking复现  本人的另一篇博客，本博客主要是源代码更新产生的新博客，比较过后两者还是有点差异目标追踪篇—Yolov5_DeepSort_Pytorch复现1、下载源代码mikel-brostrom/yolov8_tracking克隆代码gitclone--recurse-submoduleshttps://github.com/mikel-brostrom/yolov8_tracking.git#clonere