课程文献中心 更多>>

关键词： 改进ABC   异构无线网络   节能分簇   路由路径  

摘要： 分簇路由易造成网络能量消耗高等问题,故提出基于改进ABC的异构无线网络节能分簇路由算法。在常规ABC算法的基础上加入轮盘赌反向选择机制,通过改变个体寻蜜行为强度,解决算法早期收敛问题;根据节点簇头与ID关系,设置网络节能分簇路由协议。计算每个节点处的等待时延,在确定簇头后,按照簇节点数量生成TDMA时隙,使每个节点均拥有传输权限。根据簇头节点的当前能量,给出归一化能量因子,结合更新的蜜源位置,获取最佳路由路径选择结果。实验表明,应用该算法后,第一个节点失效到最后一个节点失效的间隔更短,经过250轮次后,仍有35个节点存活,说明该算法延长了网络生命周期,能够达到节能目的。

关键词： 经颅磁刺激   脑电   脑电相位   长短期记忆网络   自回归   脑电信号  

摘要： 目的:为了提高经颅磁刺激(transcranial magnetic stimulation,TMS)中脑电相位同步预测的准确性和鲁棒性,提出一种基于长短期记忆网络(long short-term memory network,LSTM)的脑电相位预测方法。方法:首先,构建由输入层、LSTM层、ReLU激活层、全连接层和回归层组成的LSTM,通过输入门、遗忘门和输出门的协同作用捕获脑电信号特征。其次,对30名健康受试者的睁眼静息态脑电数据使用LSTM训练得到预测模型,用于脑电信号和脑电相位预测。最后,对比LSTM方法与传统自回归(autoregressive,AR)方法在总体和个体水平上的相位预测误差以及2种方法对波峰、波谷的预测性能,并采用线性回归模型探究LSTM方法下脑电瞬时幅值、信噪比与相位预测误差的关系。结果:LSTM方法的总相位预测误差为0.04°±5.69°,小于传统AR方法(总相位预测误差为-3.36°±51.13°),且对于每位受试者,LSTM方法的相位预测准确性均优于传统AR方法,差异有统计学意义(P<0.001)。LSTM方法可准确预测约89%的波峰(谷),而传统AR方法仅可准确预测约10%的波峰(谷)。不同于传统AR方法,在LSTM方法下,脑电瞬时幅值和信噪比与相位预测误差均无线性关系(P分别为0.58、0.18)。结论:基于LSTM的脑电相位预测方法具有高准确性和鲁棒性,可为脑电相位同步TMS方式提供一种有效的相位预测方法。

关键词： 疲劳驾驶   山地道路   通道注意力   麻雀搜索算法   双向门控循环单元  

摘要： 针对复杂山地路况下疲劳驾驶行为隐匿性高和识别准确率低的问题,提出一种改进双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)神经网络的山地道路驾驶人疲劳状态识别方法。该方法首先利用BiGRU网络深入挖掘驾驶行为数据中的复杂前后依赖关系,然后引入麻雀搜索算法(Sparrow Search Algorithm,SSA)对BiGRU模型的初始学习率、L2正则化系数、隐藏层神经单元数和最大迭代次数进行优化,以提升模型的收敛速度、泛化能力和稳定性。为了进一步增强模型对疲劳特征的识别能力,在BiGRU模型中嵌入了通道注意力(Channel Attention,CA)机制,通过自适应调整不同特征通道的权重,突出疲劳驾驶与正常操作的差异性,有效提高了识别准确率。实车数据验证表明,该方法在三级疲劳检测中的识别准确率达到92.0%,较原BiGRU模型提升12.8百分点,较其他常用疲劳驾驶检测模型也表现出更好的性能,满足了实际工程需求。

关键词： 电气工程   自动化   网络安全   防护策略   智能化系统  

摘要： 随着电气工程及其自动化系统的日益广泛应用,网络安全问题已逐渐成为制约行业发展的核心挑战。电气系统的高度自动化与智能化,使其对网络数据传输的依赖程度不断加深,也随之面临着网络攻击、数据泄露等诸多安全风险。鉴于此,本文深入探讨了电气工程及其自动化领域中的网络安全防护策略,全面分析了该系统所面临的主要安全威胁。针对这些威胁,本文提出了一系列针对性的防护措施,包括加密技术的应用、入侵检测系统的部署以及防火墙的强化等。同时,为进一步加强电气工程系统的安全性和抗风险能力,本文还强调了安全管理制度的完善、人员安全意识的提升以及建立健全的应急响应机制的重要性。结果 表明,只有系统地、综合地实施这些防护措施,才能确保电气自动化系统的安全稳定运行,有效应对日益严峻的网络安全挑战。

关键词： complex-valued convolutional neural network   inverse synthetic aperture radar   range alignment   supervised learning  

摘要： In the field of Inverse Synthetic Aperture Radar;ISAR)imaging, motion compensation is a critical step to ensure high-quality image generation. Range alignment;RA)serves as the primary step in motion compensation, correcting range offsets in echo signals caused by translational motion. This article introduces a new range alignment method based on a Complex-Valued Convolutional Neural Network;CV-CNN), aiming to enhance the accuracy and computational efficiency of range alignment through deep learning techniques. The proposed method leverages the potent feature-learning capabilities of convolutional neural networks to construct a model that maps the complex relationship between one-dimensional distance profiles and range compensation amounts. By extending traditional real-valued convolutional networks into the complex domain, our approach preserves the phase information in the echo signal and effectively incorporates residual blocks and linear connection mechanisms in the complex domain, refining the network structure design. These architectural improvements allow the proposed algorithm to achieve efficient range alignment of ISAR range profiles, even under low signal-to-noise ratio;SNR)conditions. For data generation, an ISAR echo dataset was constructed through simulation based on relevant radar parameters. After normalization, this dataset was input into the network for training, enabling it to learn the mapping from unaligned echoes to the corresponding compensation quantities. The method employs a transfer learning strategy to fine-tune the pre-trained model on simulation data, adapting it to actual measurement data. This strategy enhances the reliability of the results and significantly shortens the model's iteration cycle. In terms of experimental verification, the article rigorously evaluates the algorithm's effectiveness using both simulated and measured data, focusing on range alignment accuracy, imaging result quality, and computational efficiency as key ind

关键词： 原发性早泄   翘芍止泻合剂   网络药理学   分子对接   分子机制  

摘要： 目的通过网络药理学技术及分子对接技术预测翘芍止泄合剂(QSZX)治疗原发性早泄(PPE)的重要基因靶点以及主要活性成分。方法从TCMSP中筛选QSZX的主要活性成分,通过Genecards数据库、OMIM数据库查询PPE的相关靶点,通过STRING数据库分析药物—疾病基因靶点之间的作用关系,应用Cytoscape 3.8.2绘制QSZX防治PPE的成分—靶点作用网络图,在此基础上使用R 4.0.5进行GO和KEGG富集分析。筛选出QSZX治疗PPE的活性成分及主要基因靶点后,使用AutoDock Vina对其进行分子对接,并用R 4.0.5绘制分子对接结合能热图。结果筛选出QSZX的62种有效活性成分,治疗PPE的相关靶点128个以及重要作用信号通路157条,主要成分:槲皮素、异鼠李素、山奈酚、谷甾醇、丁子香萜等,关键作用靶点:HSP90AA1、TP53、RELA、JUN、CAV1、HIF1A等,主要通过调控脂质动脉粥样硬化、流体剪切应力及动脉粥样硬化、内分泌抵抗、IL-17通路等信号通路发挥其治疗作用。结论本研究初步揭示了QSZX中的主要活性成分槲皮素以及异鼠李素、山奈酚、谷甾醇、丁子香萜等,可能通过作用于多个靶点和调控多条通路治疗PPE。

关键词： 雨纹   通道分割   图像去雨  

摘要： 单幅图像的雨纹去除是图像处理中的一个挑战。一种有效的单幅图像去雨算法可以显著提高恶劣天气条件下的图像质量。现有的去雨算法往往参数较多,并且随着网络层数的不断增加,图像特征的提取出现冗余,严重影响去雨的效果以及背景的细节信息。因此,提出了一种三阶段通道分割密集融合网络(TCSDFNet)以获得更好的去雨性能。在网络中采用多个通道分割模块(CSB)进行密集特征融合,来聚集雨纹的高、低级别特征。CSB采用通道分割操作将雨天图像分割成多个通道,根据不同层次的特征应用不同的雨纹去除方法,减少冗余特征和网络参数,提高模型的表现能力和计算效率。同时提出了一种残差双注意模块(RDAB),将它应用在通道分割之后,保证雨纹被去除时背景图像不被破坏或模糊。由于雨纹之间存在较强的相关性,网络采取三阶段的学习策略,以便更好地捕捉雨纹在图像中的分布。TCSDFNet将去雨网络中的参数数量大大减少,更全面地提取了不同层次的雨纹特征,并在更大程度上减少背景图像细节的丢失。在合成数据集和真实数据集上的大量实验表明,所提出的网络实现了良好的去雨效果。

关键词： 海面小目标   目标分类   多特征融合   神经网络  

摘要： 海面小目标识别是海事雷达监视任务中一个重要且具有挑战性的问题。由于海面小目标类型多样、环境复杂多变,对其进行有效分类存在较大困难。在高分辨体制雷达下,海面小目标通常只占据一或几个距离单元,缺乏足够的空间散射结构信息,因此目标的雷达截面积(RCS)起伏和径向速度变化成为分类的主要依据。为此,该文提出一种基于多域雷达回波数据融合的分类网络模型,用于海面小目标的分类任务。由于不同域的数据具有其特殊的物理意义,因此该文构建了时域LeNet(T-LeNet)神经网络模块和时频特征提取神经网络模块,分别从雷达海面回波信号的幅度序列和时频分布(TFD)即时频图中提取特征。其中幅度序列主要反映了目标RCS的起伏特性,而时频图不仅反映RCS起伏特性,还能体现目标径向速度的变化。最后,利用IPIX,CSIR数据库和自测的无人机数据集构建了包括4种海面小目标的数据集:锚定漂浮小球、漂浮船只、低空无人机(UAV)和移动的快艇。实验结果表明所提方法具有良好的识别能力。

关键词： 人工智能   自动评分   抽象语法树   图注意力网络   教学系统  

摘要： 针对在线考试自动评分准确率低,导致自动化教学效果不佳的问题,提出设计一个基于B/S架构的在线考试自动评分系统。首先,对自动评分系统进行整体搭建;然后构建一种基于图注意力网络的考试自动评分模型,通过该模型进行词向量生成和特征向量提取;最后计算学生考试相似度,由此实现在线考试自动评分。结果表明,在相同测试集下,本模型的精确率、召回率和F1分数分别取值为93.14%、96.57%和95.02%,相较于传统的GCN模型、KNN模型和LCS自动评分方法,本模型的评分精度更高,满足自动化教学系统的自动准确评分需求,进一步验证了将人工智能与教育方式相结合,能够实现学前教育自动化教学系统的有效创新。

关键词： 网络空间   公共资源   商业活动   规范方式   互联网   社会共治   政府监管   送达  

摘要： 互联网革命性地降低了从事商业活动的门槛、交易的成本,造就了繁荣的网络经济,也对传统的法律规范方式带来挑战。面对实时发生的海量商业活动,依赖传统的政府监管,必然面临巨大的公共资源赤字。而且,网络空间又同时带来了诸如管辖、取证、送达等大量技术性的挑战。因此,发展一种社会共治的框架具有深远的意义,而这种框架的形成又有几个关键。