课程文献中心 更多>>

关键词： 列控系统   网络安全   信息安全等级保护   运营管理模式   施工维护   边界隔离  

摘要： 针对当前列控系统网络安全防护薄弱,不满足信息安全等级保护四级要求的问题,对列控系统网络安全防护体系的构建与运维管理展开研究。首先,引入等级保护“一个中心,三重防护”的理念,阐述列控系统中网络安全设备的结构与组成,主要包括安全通信网络、安全区域边界、安全计算环境和安全管理中心;其次,从现场调研、仿真测试、施工方案编制、硬件设备安装、软件部署、边界隔离设备配置、安全策略制定、竣工收尾等关键环节,论述列控系统网络安全体系的建设过程;最后,通过强调安全策略配置与特征库更新的动态管理,以及巡检故障处理和等级保护测评工作的重要性,探讨网络安全体系的运营管理模式。验证结果表明:该列控系统网络安全防护体系和运营管理模式在实际场景中行之有效。

关键词： 脉冲神经网络   脉冲时间依赖可塑性   单类别特征提取子网络   无监督特征融合   类脑计算  

摘要： 脉冲神经网络(Spiking Neural Network,SNN)被认为是最符合生物大脑机制的类脑计算模型,凭借其事件驱动、高能效、可解释等特点吸引了越来越多的研究关注。然而,由于脉冲的二值输出与不可微分性,SNN的训练方法仍存在一定空缺。于是借鉴皮层记忆单元通过局部网络存储记忆信息的方式,提出一种基于多子网络预训练的脉冲神经网络分类方法。该方法使用样本标签信息优化了脉冲序列特征提取过程,采用改进的脉冲时间依赖可塑性学习规则预训练多个单类别特征提取子网络,并将预训练后的子网络进行无监督特征融合,有效提高了网络的特征分类能力。此外,在权重可视化与t-SNE可视化工具的帮助下,分析了方法的有效性。所提方法在MNIST与Fashion-MNIST数据集上分别取得了97.40%与88.81%的分类准确度。

关键词： 跨社交网络   用户匹配   Transformer-encoder   卷积神经网络  

摘要： 针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系,导致时空数据特征提取困难,匹配准确率下降的问题,提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时空信息转换为序列数据,生成签到序列;利用序列嵌入层将离散的签到序列映射到连续高维空间;然后借助多头注意力机制和卷积神经网络提取高维签到特征,并利用卷积神经网络实现优化多头注意力模块权重变换和特征融合;最后利用前馈神经网络实现分类,输出用户匹配得分。在两组真实社交网络用户数据集上进行大量用户匹配实验,与现有方法相比,准确率提升了0.40~10.53百分点,F_(1)值提升了0.43~9.5百分点。这验证了所提方法能够有效提取用户签到耦合特征,并提高用户匹配的性能。

关键词： 网络空间安全   入侵检测系统   深度学习  

摘要： 随着互联网的快速发展给用户带来便捷的同时,也引发了许多安全事故.针对目前网络攻击行为的日益增加,网络入侵检测作为检测网络攻击的有效手段日益受到重视.本文通过对文献的广泛调查,首先介绍了入侵检测系统及相关数据集,评价指标进行了简要概括;然后讨论了卷积神经网络,循环神经网络等常见的深度学习模型及其具体应用;最后根据面临的问题,提出了未来的发展方向.

关键词： 网络仲裁   海南自贸港   正当程序  

摘要： 网络仲裁是一种依托于网络空间和网络技术的仲裁,具有高效、便捷等优点,在国际民商事仲裁中发挥着重要作用,具有其独特的程序价值。我国完善高水平对外开放体制机制的战略部署和海南自贸港营造市场化、法治化、国际化一流营商环境的现实需要,促使海南自贸港需要进一步完善网络仲裁程序。针对目前海南自贸港网络仲裁程序存在的裁决公正性不足、监管不够严格、运转不够畅通等问题,文章指出,海南自贸港应充分利用其自由贸易港立法权,从坚持网络仲裁程序的基本原则、强化网络仲裁程序的法律监督、完善网络仲裁程序的运转机制等方面着手,进一步完善海南自贸港网络仲裁程序的规则架构。

关键词： 软件定义网络   流量预测   自适应图卷积网络   门控循环   时空相关性  

摘要： 为了提高软件定义网络(SDN)流量预测的准确率,提出了一种基于自适应时空网络的SDN流量预测模型。该模型通过采用自适应图卷积神经网络来捕捉SDN流量的空间相关性,利用门控循环单元来捕捉时间上的变化趋势,并针对SDN流量的高度动态特性引入了自回归模块。实验结果表明,所提出的SDN流量预测方法相比现有的基线模型能够识别出更多的流量特征,同时表现出更优的预测性能。

关键词： 逍遥散   肝脾同病   结肠癌肝转移   网络药理学  

摘要： [目的]通过网络药理学预测和动物实验验证,确证逍遥散干预结肠癌肝转移的作用及信号通路。[方法]通过网络数据库筛选逍遥散化学成分与结肠癌肝转移相关基因,构建逍遥散干预结肠癌肝转移的蛋白互作网络,对交集基因进行基因本体(GO)分类富集分析和京都基因与基因组百科全书(KEGG)富集分析。建立结肠癌肝转移动物模型,逍遥散给药后观察记录脾脏、肝脏表面癌结节数及腹腔受累情况;肝脏病理切片苏木精-伊红(HE)染色检测癌细胞和炎性细胞浸润情况;肝组织蛋白免疫印迹(Western Blot)检测靶点蛋白表达水平。[结果]网络数据库筛选出逍遥散干预结肠癌肝转移的178个靶点,GO分析结果显示多集中在DNA结合转录因子结合、细胞因子受体结合、泛素样蛋白连接酶结合上,KEGG富集主要信号通路包括动脉粥样硬化、晚期糖基化终末产物(AGE)-受体(RAGE)信号通路、肝炎等,原癌基因c-jun(JUN)、信号传导转录激活因子3(Stat3)、丝氨酸/苏氨酸蛋白激酶(Akt1)是其发挥作用的主要靶点。动物实验发现逍遥散能减少结肠癌肝转移小鼠脾脏和肝脏表面转移癌结节数,HE染色显示逍遥散能减少肝脏炎性细胞和肿瘤细胞浸润,Western Blot结果显示逍遥散能抑制c-Jun、Stat3、c-Jun氨基末端激酶(JNK)蛋白的磷酸化表达水平。[结论]网络药理学及实验验证确证了逍遥散阻延结肠癌肝转移肿瘤生长的作用,其作用机制与调控JNK信号通路有关。

关键词： 乙肝肝硬化   数据挖掘   网络药理学   作用机制   分子对接  

摘要： 目的:基于数据挖掘和网络药理学方法分析治疗乙肝肝硬化的核心药对及其分子生物学机制。方法:检索中国知网、万方数据库和维普科技期刊2000年1月至2022年12月所有应用中医药治疗乙肝肝硬化相关的文献,对符合标准的处方进行用药规律的研究,将得出的常用核心药对进行药理分析,预测出活性成分、主要靶点、作用通路等,最后在计算机上采用分子对接技术模拟验证。结果:筛选出治疗乙肝肝硬化方剂275首,分析得出中药治疗乙肝肝硬化的常用药物有黄芪、丹参等13种,核心组合模式28组,发现槲皮素、木犀草素、山柰酚等成分是核心药对治疗乙肝肝硬化的主要成分,涉及丝氨酸/苏氨酸蛋白激酶1(protein kinase B,AKT1)、肿瘤坏死因子(tumor necrosis factor,TNF)、肿瘤蛋白P53(tumor protein p53,TP53)、白介素-6(Interleukin-6,IL-6)、血管内皮生长因子A(vascular endothelial growth factor A,VEGFA)、半胱氨酸蛋白酶3(Caspase-3,CASP3)等核心靶点和磷脂酰肌醇3-激酶/蛋白激酶(phosphatidylinositol-3-kinase/protein kinase,PI3K/Akt)、TNF、白介素-17(Interleukin-17,IL-17)等信号通路。结论:乙肝肝硬化的治疗原则是扶正消积,运用数据挖掘得到核心药对“黄芪-丹参”,可以通过干预PI3K-Akt、TNF、IL-17等信号通路发挥调控细胞生长、增殖和存活与炎性反应等作用,从而达到延缓乙肝肝硬化病变进展的目的。

关键词： 安全工程   瓦斯涌出   灰狼优化算法   双向长短期记忆神经网络   主成分分析法  

摘要： 为提高瓦斯涌出量预测精度,降低煤矿回采工作面瓦斯涌出超限事故的风险,针对瓦斯涌影响因素众多、难以预测等问题,采用灰狼优化算法(Grey Wolf Optimization,GWO)双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)的组合模型预测瓦斯涌出量。首先,运用主成分分析法(Principal Components Analysis,PCA)处理瓦斯涌出影响因素,降低数据维度,以减少模型计算时的负担;其次,利用GWO优化BiLSTM模型的学习率(best_lr)、隐藏层层数(best_hd)以及正则化系数(best_l2),可有效避免局部最优解问题,并采用决定系数(R-Square,R^(2))、均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)对所建模型预测的结果进行综合评价分析;最后,将该模型应用于内蒙古自治区某矿回采工作面预测瓦斯涌出量。结果显示:PCA GWO BiLSTM组合模型相比于长短期记忆神经网络(Long Short-Term Memory,LSTM)和双向长短期记忆神经网络对应的单一模型,其MAE分别降低20.81%、30.17%,RMSE分别降低0.063、0.142,R^(2)则分别提高了0.023、0.075,表明该模型在复杂因素条件下具有更高的精准度、泛化性和鲁棒性。

关键词： 变压器检测   声纹识别   声学降噪   声源分离   卷积神经网络  

摘要： 为降低环境噪声对变压器声纹识别的影响,提出了基于卷积时域音频分离网络的变压器音频降噪识别网络。首先使用卷积时域音频分离网络去除环境噪声,然后使用卷积神经网络实现声纹识别。通过故障模拟试验得到变压器音频数据集,并与其他降噪方法对比降噪效果。试验结果表明,所提方法将数据集音频尺度不变的信噪比提高了9.84 dB,识别准确率提高了25.85%,均优于其他降噪方法。在现场应用中,提出的降噪识别网络将误报率降低至1.2%,并成功实现了变压器故障检测。