课程文献中心 更多>>

关键词： 格子玻尔兹曼方法   深度学习   超分辨率   卷积神经网络   流场重构  

摘要： 对于隧道突涌水、飞行器和汽车外形设计等与流动相关的问题,通常使用计算流体力学(CFD)来预测流场特征和分析结构性能,为设计的快速迭代提供技术支撑.然而,高精度CFD仿真需要大量的计算资源.近年来,基于机器学习的超分辨率流场重构方法在流体力学领域取得了重大进展.本文首次基于格子Boltzmann方法(LBM),结合卷积神经网络,建立新的超分辨率流场重构模型(SRLBM),将介观分布函数从低分辨率重建至高分辨率,进而还原宏观速度场与涡量场.首先,使用LBM模拟了不同雷诺数下的二维圆柱绕流,从多方面与文献进行对比,验证了LBM的准确性.然后,将二维圆柱绕流数据作为SRLBM的训练集,并对比不同缩放系数下SRLBM的重建效果.结果表明,SRLBM在不同缩放系数下均能准确恢复高分辨率分布函数.在8倍缩放系数下,相比双三次插值重建方法,SRLBM重建的分布函数误差降低了近60%,宏观场误差降低了近70%.即使在32倍缩放系数下,SRLBM还原的宏观场与直接数值模拟结果基本保持一致.固体体积分数作为额外输入通道可有效提高SRLBM的预测能力,在32倍缩放系数下,可使圆柱区域相对误差降低近40%.SRLBM具有一定的泛化能力,当缩放系数为8时,在一定雷诺数范围内重建的高分辨率流场误差小于3%.因此,SRLBM在经过充分训练后,具备成为高精度复杂流场快速重构方法的潜力.

关键词： 雪茄   茄胚吸阻   神经网络   预测  

摘要： 雪茄烟茄胚吸阻作为雪茄烟设计制造中的核心指标,对其产生影响的因素繁多且具备复杂的非线性特性.传统经验模型基于大量实践所得,往往难以准确量化并指导雪茄烟的设计和生产过程.为快速便捷地测定全叶卷雪茄茄胚的吸阻,建立了以雪茄烟卷制中9个关键参数为输入层的多层感知神经网络预测模型.经过验证,该预测模型的平方和误差为4.908,相对误差为0.572,在茄胚吸阻处于300~500 Pa的区间内,模型的预测值更趋近于实测值.结合两种雪茄烟卷制手法,建立神经网络模型并对模型进行了生产验证,结果表明,模型预测值与实际值之间的差异并不显著,成功实现了生产场景下茄胚吸阻的快速预测.

关键词： 编码技术   计算机网络安全   异常流量检测   代码植入  

摘要： 针对传统计算机网络缺乏集中管理、易受恶意攻击等问题,设计了一种基于编码技术的计算机网络安全结构。首先分析了计算机网络安全的机理,介绍了几种常用的编码技术、方法,并围绕安全体系整体结构、层次模型、响应模块、异常流量检测、代码植入等方面探究了计算机网络安全结构的设计。经过测试显示该结构支持数据分析与匹配,可有效抵御各种网络攻击,保护数据的机密性和完整性,减少错误发生概率,能够适应不同的网络应用场景和安全需求。

关键词： Multiple suppression   U-net   Attentional local contrast  

摘要： Eff ective attenuation of seismic multiples is a crucial step in the seismic data processing workfl *** the existence of various methods for multiple attenuation,challenges persist,such as incomplete attenuation and high computational requirements,particularly in complex geological *** multiple attenuation methods rely on prior geological information and involve extensive *** deep neural networks for multiple attenuation can effectively reduce manual labor costs while improving the efficiency of multiple *** study proposes an improved U-net-based method for multiple *** conventional U-net serves as the primary network,incorporating an attentional local contrast module to effectively process detailed information in seismic *** is placed on distinguishing between seismic multiples and *** improved network is trained using seismic data containing both multiples and primaries as input and seismic data containing only primaries as *** eff ectiveness and stability of the proposed method in multiple attenuation are validated using two horizontal layered velocity models and the Sigsbee2B velocity *** learning is employed to endow the trained model with the capability to suppress multiples across seismic exploration areas,eff ectively improving multiple attenuation effi ciency.

关键词： UVM   时间敏感网络   TSN   交换芯片   系统验证  

摘要： 基于UVM验证方法学、自动化比对和覆盖率驱动的验证思想,构建了一个用于时间敏感网络(TSN)交换芯片的系统验证架构。该架构采用分类和流水处理数据报文方法,结合流量检测、时间槽检测和数据报文自动化比对方案,成功支撑TSN业务系统验证方法落地,保证了系统验证完备性。芯片回片经测试满足商用需求,再次论证了验证架构的完备性。

关键词： 城市边缘区   城市扩张   不透水面   变化检测   高分辨率   变化检测数据集  

摘要： 不透水面作为城市化的重要特征,可直观反映城市化范围,利用遥感影像与计算机视觉检测不同时序间城市边缘区不透水面的变化,是观测城市扩张的有效手段,对于城建规划和城市可持续发展具有重要意义。然而,城市边缘区作为城市和自然环境的过渡区域,地物类型复杂凌乱,具有高度异质性,为变化检测任务带来了巨大挑战。为解决这些问题,该方法采用SE(Squeeze and Excitation)压缩激励结构与多尺度融合模块(Multi-scale Fusion Module,MSFM)对Deeplabv3+网络进行改进优化,构建高精度不透水面变化提取网络MSDANet(Muti-scale Dual-attention Network,MSDANet),实现不透水面变化自动提取。同时,基于Google Earth卫星影像平台,获取2017年与2021年乌鲁木齐城市边缘区可见光影像,构建一个注释良好的高分辨率不透水面变化检测数据集HISCD,并将其开源。通过与7种主流变化检测网络进行对比,MSDANet取得了最好的结果,具有良好的变化提取能力,能够精准提取多种不透水面变化类型。在HISCD测试集中OA,Precision,Recall,F1与MIoU各指标分别达到了90.77%,80.51%,78.83%,79.63%与68.80%。该方法为城市扩张分析提供了一种新颖的方法,为城市空间规划提供了有效的技术支持。

关键词： NUMA架构   不平衡多线程   网络通信   延迟检测  

摘要： 针对不平衡动态多线程网络通信延迟检测不精准的问题,提出了NUMA架构下不平衡多线程网络通信延迟检测方法。引入通信进程性能降低比例,分析NUMA架构下的不平衡多线程网络通信延迟结构。计算不平衡多线程的网络通信延迟数据并行处理时间,确定静态、动态延迟路径。分析NUMA架构延迟节点组织形式,计算从发生时间到发送时间产生的延迟,并根据静态、动态信息帧检测相应延迟。由实验结果可知,所研究方法静态通信情况下的延迟时间最长为1.45 min,最短为0.5 min,与实际延迟时间一致;动态通信情况下的延迟时间最长为9 min,最短为3.1 min,与实际延迟时间仅存在最大为0.3 min的误差。

关键词： 食品安全事件   网络订餐行为   影响   对策  

摘要： 随着现代社会生活节奏的日益加快,网络订餐服务已成为餐饮行业中不可或缺的一环,为快节奏生活中的人们提供了极大的便利。然而,在享受这份便捷的同时,网络订餐食品的安全问题愈发凸显,成为公众关注的焦点。食品安全不仅关乎消费者的健康权益,也是衡量一个行业成熟度与责任感的重要标尺。本文旨在深入探讨在经历食品安全事件的冲击后,大学生群体网络订餐行为的变化趋势。通过细致的研究与分析,期望能够揭示出食品安全事件如何影响大学生的消费决策,包括如何重新评估网络平台的信任度、如何更加审慎地选择信誉良好的商家,以及如何利用网络信息提高自我保护能力等。

关键词： 大语言模型   网络安全   深度学习  

摘要： 面对不断升级的网络安全挑战和变幻莫测的网络攻击手段,本研究致力于探索将强大逻辑功能的大语言模型引入网络安全领域,深入挖掘其在该领域的应用潜能。文章通过深入分析大模型微调技术及提示工程技术的应用,实验验证了大语言模型在检测网络入侵、评估安全警报、挖掘威胁情报、智能安全运营以及构建知识库方面的实用价值。同时,本文对实验中遭遇的难题进行了根源探究,并给出了针对性的应用建议,为大型语言模型在网络安全领域的专业化应用指明了一条实践路径。

关键词： 大规模卫星网络   软件定义网络   可重构管控   深度强化学习  

摘要： 大规模卫星网络(Mega Satellite Networks,MSNs)是由位于不同轨道高度、不同功能的卫星组成的多层卫星网络,可突破现有地面网络的覆盖限制,实现未来6G无缝覆盖的高质量服务需求。然而,MSNs中各类卫星高动态移动,致使网络资源异构且拓扑大时空尺度持续变化,对海量资源自主管控和保障多样化业务需求的实时响应提出了严峻的挑战。针对该挑战,设计了面向MSNs的立体可重构资源管控架构,通过在空间部署不同功能等级的卫星管控节点实现对MSNs异构资源的层次化管理,并提出基于深度强化学习(Deep Reinforcement Learning,DRL)的多维资源调度策略对多元业务需求动态重构不同管控节点的资源,以提高资源利用率和保障服务质量。仿真结果验证了基于所提架构的资源管控方法相较于传统启发式算法,可提升11.64%的资源利用率和46.4%的任务完成率。