课程文献中心 更多>>

关键词： 5G网络   故障分析   知识图谱  

摘要： 随着网络技术的快速发展,其逐渐实现了信息化、数字化、移动化和智能化。在网络出现不同故障时,如何进行有效的诊断分析,是重要的工作方向。文中结合知识图谱与5G网络故障,首先收集了与5G网络故障有关的数据,如故障现象、故障原因等。其次,利用Janus Graph软件构建了知识图谱,利用知识图谱的实体、关系对故障展开了可视化分析,找出了导致网络发生故障的因素。然后,按照知识图谱中的关系属性,精准找到了解决故障的方法,有效解决了故障。最后,对故障处理成果进行了评估,将评估成果反馈到知识图谱中,进一步完善了知识图谱中的内容。该方法显著提高了网络故障的分析效率和精准性,为5G网络的可持续发展提供了重要的研究数据与理论支撑。

关键词： 电机   故障诊断   噪声环境   梅尔频率倒谱系数   卷积神经网络   多尺度   卷积注意力模块   特征融合  

摘要： 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。

关键词： 双元制人才培养模式   计算机网络技术专业群   职业教育  

摘要： 本研究旨在探讨双元制人才培养模式在计算机网络技术专业群中的实践应用及其成效。通过分析当前该专业群人才培养的现状与挑战,提出针对性的实践策略,包括明确培养目标、革新教学方法、优化教材内容以及加强校企合作等,并详细阐述策略的实施过程与效果。研究结果表明,双元制人才培养模式在提升计算机网络技术专业群学生的职业素养、实践能力和就业竞争力方面能够取得显著成效。希望本研究能够为计算机网络技术专业群的人才培养提供有益的参考和借鉴,推动相关教育领域的持续创新与发展。

关键词： P4   SRv6   数据中心  

摘要： 随着数据中心网络规模的不断扩大和流量复杂性的增加,高效的负载均衡成为保障网络性能的关键。文中提出了一种基于P4编程语言和SRv6(Segment Routing over IPv6)的负载均衡方案。该方案通过带内遥测(Inband Net⁃work Telemetry,INT)实时监控网络状态,结合集中式控制器的路径优化功能,实现了动态拥塞感知和流量重路由。与传统的ECMP和CLOVE算法相比,该方案在负载均衡性能和路径稳定性方面具有显著优势,特别是在高负载场景中有效减少了路径抖动(Route Flapping)。研究证明了P4和SRv6技术的结合能满足动态数据中心网络对负载均衡的需求,为未来大规模网络的优化设计提供了重要参考。

关键词： 铁路桥梁   门式墩   结构优化   BP神经网络   代理模型   多目标优化   NSGAII算法   拉丁超立方设计  

摘要： 针对门式墩结构设计影响因素多、计算耗时长、传统优化方法易陷入局部最优等问题,基于BPNN代理模型和NSGAII遗传算法研发了预应力混凝土门式墩结构尺寸优化软件。首先,建立以结构工程数量为优化目标、安全指标为约束条件的结构尺寸优化数学模型;然后,基于有限元法构建门式墩训练样本集,采用拉丁超立方开展试验设计,建立BPNN神经网络代理模型;最后,采用NSGAII遗传优化算法对BPNN神经网络代理模型进行搜索,实现门式墩最优结构尺寸和钢束线形的搜索推荐。依托某门式墩结构设计,开展算法有效性和效率验证,结果表明,案例的优化时间由有限元法的45 h缩短至智能优化算法的15 min,优化算法在保证预测精度的同时提高优化效率180倍。

关键词： 心电图   心房颤动   卷积块注意模块   MobileNet   轻量级卷积神经网络  

摘要： 目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实验和测试。提出了一个基于深度可分离卷积并融合通道空间信息的轻量级注意网络—DSC-AttNet,引入深度可分离卷积代替标准卷积,降低模型参数量和计算量,实现模型的高效和轻量化;并嵌入多层混合注意力机制以在不同尺度上计算通道信息和空间信息的注意权重,提高模型的特征表达能力。在LTAFDB上进行十折交叉验证,并在AFDB和NSRDB上进行外部独立测试。结果DSC-AttNet在测试集上的十折平均准确率达到97.33%,精确率达到97.30%,均优于其他4个对比模型以及3个经典模型。模型在外部测试集上的准确率分别达到92.78%和99.97%,优于3个经典模型。且DSC-AttNet的参数量为1.01M,计算量为27.19 G,小于3个经典模型。结论该房颤分类方法具有较小的复杂度,达到了更好的分类性能,并且泛化能力较好,具有良好的临床应用前景和推广能力。

关键词： UUV   贝叶斯网络   贝叶斯估计   区域评估  

摘要： 随着水下无人系统的快速发展,UUV集群在海洋观测、探测、侦察等应用领域不断拓展。为更好地发挥UUV集群的使用效能,需要根据区域典型环境影响因素,综合设计选取优势布放区域,为兵力合理布势以及任务有序执行提供先期保障。为保障任务海区内合理规划布放UUV集群的需求,提出对任务海区布放优劣性评估的要求。根据区域环境特点、区域限制性、区域安全性等方面,选取典型因素作为网络节点,构建环境因素影响下布放区域评估指标体系,采用贝叶斯估计量化节点参数,基于贝叶斯网络的推理算法可实现对任务海区特点具备良好的映射推理能力,并结合输入指标参数可推理评估出优势布放区域。

关键词： 虚拟化技术   计算机网络安全   隔离性   入侵检测   数据保护  

摘要： 随着网络威胁的日益增长,传统的计算机网络安全防御机制已不再能够有效地应对复杂多变的安全挑战。在这样的背景下,虚拟化技术以其提供隔离执行环境的能力,成为了网络安全领域的重要工具。本文探讨了虚拟化技术在网络安全中的应用,并分析了其在实施过程中所面临的挑战以及未来的发展趋势。虚拟化技术通过创建多个虚拟机(VMs),允许在不同的硬件上同时运行多个操作系统和应用,每个VM都拥有自己的独立环境。这种技术的核心优势在于其隔离性,它能够有效限制安全威胁的传播,提高入侵检测系统的监控能力,并且通过快照和实时迁移等功能简化灾难恢复计划。此外,虚拟化还支持数据加密、访问控制和数据防泄漏策略,进一步加固了数据安全性。然而,虚拟化技术的部署和维护也带来了额外的挑战。管理复杂性的增加、性能开销以及对资源的额外需求都需要通过技术创新和管理措施得到解决。特别值得注意的是虚拟逃逸问题,即攻击者利用虚拟化软件的漏洞从一台虚拟机影响其他虚拟机或宿主机。因此,持续更新和修补虚拟化平台至关重要。同时,本文还将分析虚拟化技术在实施过程中面临的挑战,并对未来发展趋势进行预测。预计虚拟化技术将与容器化、自动化、人工智能等技术更深入地融合,以适应云计算和物联网等新兴技术的发展需求。容器化提供了更轻量级的虚拟化方法,而人工智能可以增强威胁检测和响应能力。这些进步将进一步巩固虚拟化在网络安全中的关键作用,帮助企业和组织保护其关键资产免受网络攻击的威胁。

关键词： 儿童   癌症   父母   疾病进展恐惧   正念   自悯   心理护理   随机对照试验  

摘要： 目的 探究网络自助正念自悯干预提升癌症患儿父母自悯水平、改善疾病进展恐惧的效果。方法 招募癌症患儿父母72人,将其随机分为对照组与试验组各36人。对照组接受常规医疗护理;试验组在常规医疗护理的基础上接受网络自助式正念自悯干预。干预前及干预8周后采用自悯量表、父母疾病进展恐惧量表进行测评。结果 干预后,试验组自悯量表评分显著高于对照组,父母疾病进展恐惧量表总分及情感反应、家庭生活维度得分显著低于对照组(均P<0.05)。结论 网络自助式正念自悯干预能提高癌症患儿父母的自悯水平,改善疾病进展恐惧。

关键词： 孪生神经网络   三维形变   GNSS   LSTM  

摘要： 基于GNSS自动化对地观测技术的高精度长时序三维形变信息,传统深度学习建模思路多采用单一数据输入形式,割裂了三维形变的关联性。基于孪生神经网络进行优化,构建了适用于矿区形变预测的三输入网络结构,使用历史GNSS形变数据进行训练,孪生网络通过共享的LSTM层捕捉时间序列的动态特征,并通过全连接层提取高级特征。模型采用Adam优化器、梯度裁剪、分段常数学习率调度策略等优化技术,结合滑动窗口方法进行训练和测试。实验结果表明,孪生网络模型在MCORS01和MCORS02站点的h、x、y这3个方向上的预测精度,显著优于多输入LSTM和单输入LSTM模型,E_(RMS)值降低了约90%以上。通过对比实验验证了孪生网络模型在地表三维形变预测中的优秀性能,该模型具有较高的预测准确性和泛化能力,能够为矿区GNSS短期形变预测提供更为精准和可靠的解决方案。