课程文献中心 更多>>

关键词： 网络空间安全   大国博弈   大国竞争   复杂系统  

摘要： 网络空间是人造虚拟的社会空间，随着技术发展和普及运用而持续演进，网络空间安全问题成为国家安全问题。网络空间安全博弈是当前大国博弈背景下的一种典型国际现象，具有辩证性、历史性和策略性，大国是最主要的行为体。以国际互联网为主体的网络空间是复杂系统，大国在网络空间安全领域的博弈互动也构成不断演进的复杂结构，因此复杂性科学理论是分析大国网络空间安全博弈问题可行且合适的视角。本文提出，可以将复杂性科学作为认识论引入，将大国网络空间安全博弈视为一个复杂系统，具有整体不可还原、影响因素纠葛、因果关系复杂、个体随势而动等与其他社会复杂系统类似的属性，同时具有针对性、混合性、长期性等独特属性。本文提出一个对复杂系统的初步分析框架，涵盖三个维度：一是从历史维度把握动态演进和复杂状态，紧紧围绕大国战略博弈、网络领域发展两条核心线索，以整体性特征变化为牵引概括阶段性特点，不必精确框定“突变”时间节点；二是从机理维度把握影响因素的复杂作用和矛盾关系，观念因素和物质因素是具有关键作用的两类核心变量，观念因素即博弈的思想渊源与基础问题决定国家“选择去做什么”,而物质因素即博弈的资源禀赋和综合实力问题决定国家“能够做些什么”;三是从行为维度把握互动模式和策略重点，大国会基于国家安全利益需求和自身实力基础选择合适的博弈策略，并综合运用国家实力要素和各种手段，最大化保证博弈目标实现，不同领域涉及能力手段的差异化、策略性运用。

关键词： 传染病扩散   竞争传播   耦合动力学   微观马尔可夫链   多路复用网络  

摘要： 现实世界中,传染病扩散往往伴随着正确与错误消息的竞争传播.而正确与错误消息的竞争传播对传染病的扩散又产生显著影响,这为流行性传染病传播机制研究和突发公共卫生事件防治带来巨大挑战.当前把消息竞争传播与传染病扩散综合起来的耦合动力学模型研究尚不充分.结合动力系统分析和仿真模拟方法,提出一个两层多路复用网络中的耦合扩散模型,研究正确消息和错误消息之间的竞争如何影响到传染病的扩散时间与范围.综合微观马尔可夫链分析和仿真实验的研究结果表明,消息层的竞争传播模式会严重影响传染病的扩散范围.群体认知水平会通过影响消息层的竞争传播来促进或抑制传染病的感染范围.特别是,消息层中正确消息和错误消息的盛行时间、以及正确消息初始传播的时刻,对传染病传播范围的影响至关重要.研究结果对指导消息竞争与疾病耦合传播情境下疫情精准防控具有借鉴意义.

关键词： 脑卒中   磁共振成像   功能磁共振成像   大脑可塑性   脑网络重塑   功能连接   皮质脊髓束完整性  

摘要： 脑卒中是全球主要的致残原因之一，可导致患者在运动、感觉及认知功能上出现障碍。传统的康复治疗周期长、见效慢，而近年来脑机接口、健侧第七颈神经移位术、脑刺激和细胞治疗等技术在卒中患者群体中的应用旨在增强脑可塑性、缓解症状，为临床提供了新的治疗思路。功能磁共振成像（functional magnetic resonance imaging, fMRI）作为脑科学重要的研究工具之一，已经广泛应用于脑卒中康复的研究中，它不仅能描述功能和网络连接变化，还能预测康复预后、指导治疗方案和监测康复效果，为脑卒中康复治疗提供了理论依据。本综述总结了近年来国内外应用fMRI技术在脑卒中康复期脑网络重塑等方面的探索，分析了相关研究成果以及存在的难点，以期为脑卒中康复治疗的fMRI研究提供新的思路。

关键词： 推荐系统   会话推荐   驻留时间网络   注意力机制   图神经网络  

摘要： 目的 现有的基于图神经网络(GNN)的推荐方法忽略了会话中有价值用户在项目上的时间驻留信息，无法解决用户无意识点击带来的影响，同时忽略图神经网络中隐藏因素的表达能力，针对以上问题，提出一种融合时间驻留信息的图神经网络会话推荐模型(Graph Neural Network Session-based Recommendation Based on Fusion of Time Resident Information, TRGNN)。方法 首先，对用户在各个项目上的驻留时间信息进行处理，通过时间图神经网络得到时间特征；其次，应用多头注意力机制增强因素的表达能力更好地提取项目特征，TRGNN将时间特征与项目特征进行融合得到最终特征，通过注意力网络得到全局上下文和局部上下文；最后，通过预测层得到最终推荐结果。结果 在Diginetica和Yoochoose两个真实数据集上进行对比实验，实验结果表明：相较于最优基线模型，本模型在Mrr@20评价指标下分别提升了1.57%和3.30%,在Recall@20指标下分别提升了1.10%和0.66%。结论 本模型实现了更好的推荐效果，能更好地挖掘隐藏信息，充分应用时间特征和项目隐藏特征来提高推荐准确率，降低用户误触对推荐准确率的影响。

关键词： 发动机缸体   缺陷检测   YOLOv5   pix2pix  

摘要： 针对某企业发动机缸体表面缺陷检测的工业视觉应用中，由于缺陷样本数据集较少导致的识别准确率低，检测速度慢的问题，设计了一套基于深度学习的机器视觉表面缺陷检测系统。采用生成对抗网络pix2pix模型增强缺陷图片数据集，结合灰度增强、带通滤波等传统图像预处理方法突出表面缺陷特征，利用YOLOv5深度学习识别网络进行缺陷识别算法开发，并根据上述框架搭建了缸体表面缺陷检测软硬件系统。将所搭建的检测系统在企业生产线进行应用验证，结果显示，缺陷总体识别准确率高达98.4%，单张图片识别耗时小于0.5 s。所提方法解决了原有小样本数据集难以支撑深度学习训练的难题，提高了缸体表面缺陷的识别精度和识别效率，在工业检测的应用中具有巨大的潜力。

关键词： 虚拟现实制作   广播电视   网络视听  

摘要： 介绍虚拟现实的概念及制作技术的应用，重点分析广播电视和网络视听领域中几项关键的虚拟现实制作技术应用示范，诸如虚拟拍摄、虚拟现实全景直播、虚拟现实编辑制作及虚拟数字人等，助力广播电视和网络视听领域虚拟现实制作技术应用示范与发展。

关键词： 复合材料结构   代理模型   Kriging模型   可靠性分析   灵敏度分析  

摘要： 基于代理模型的结构可靠性分析方法目前已有多种代理模型和多种失效概率计算方法，参数灵敏度分析也存在多种灵敏度指标，为探讨大尺寸复合材料结构可靠性分析方法，并研究不同代理模型和计算方法对民机复合材料结构静强度预测结果的差异性，以某型飞机碳纤维复合材料升降舵结构为研究对象，考虑单层板力学性能、厚度、密度和不同部位铺层角度等17种输入变量的不确定性，利用Matlab和Optistruct仿真软件，构建Kriging、PC-Kriging和支持向量回归机(SVR) 3种代理模型，结合蒙特卡洛法(MCS)和Subset两种方法求解结构失效概率，根据代理模型验证误差选取最准确的代理模型计算Morris基本效应筛选指标和Sobol指标，从而获得关键设计参数排序，为民机复合材料结构可靠性设计提供参考。

关键词： 舒血宁注射液   银杏叶提取物   肝硬化   网络药理学   动物实验  

摘要： 目的：评估舒血宁注射液(SXN)治疗肝硬化(LC)的疗效作用，筛选和鉴定SXN治疗LC的关键活性分子、信号通路和治疗靶点。方法：从公共数据库中分别检索SXN和LC的靶基因，进行功能富集分析。对于筛选到的靶基因，利用STRING数据库构建蛋白质-蛋白质相互作用(PPI)网络，并通过MCODE分析方法进一步获得核心靶点。分别通过连续12周腹腔注射二乙基亚硝胺和四氯化碳，构建大鼠和小鼠LC模型。从造模第7周开始，给予模型小鼠SXN腹腔注射。采集小鼠血清和肝脏组织用于生化指标检测与组织病理染色。通过实时定量聚合酶链反应(q RT-PCR)检测关键靶基因表达水平。结果：在SXN和LC对应靶点之间筛选出368个重叠基因(OLGs)。这些OLGs随后用于构建PPI网络并筛选核心靶点。富集分析表明这些OLGs与癌症相关通路相关，包括磷酸肌醇-3-激酶/Akt和丝裂原激活的蛋白激酶信号和各种细胞过程，如对化学物质的反应代谢调节。体内实验结果表明，SXN处理显著降低LC小鼠血清炎症指标与透明质酸水平，改善肝脏病理变化，减少肝脏胶原产生与炎症细胞浸润。此外，q RT-PCR结果表明，SXN可调控LC小鼠肝脏中MAPK8、AR和CASP3的表达水平。结论：通过生物信息学分析及体内动物实验，本研究证实了SXN具有缓解LC的干预作用，其作用机制与对核心基因的表达调节有关，尤其是MAPK8和CASP3。

关键词： 滑模变结构控制   模糊控制   神经网络控制   模糊神经网络控制   供暖室温控制  

摘要： 针对供热室温控制系统大惯性、滞后性、时变性的情况，传统比例积分微分(proportion integration differentiation, PID)控制系统存在响应滞后性强、控制参数整定困难等问题，由此提出一种模糊神经网络滑模控制(fuzzy neural network sliding mode control, FNNSMC)算法。根据室温控制的特点，采用滑模变结构控制与模糊神经网络相结合的调节方式，实现对室温的智能控制。根据供热室温温度偏差及其变化率实时对滑模控制的参数进行在线优化整定，进而实现模糊神经网络滑模控制的自整定和智能化控制。进行MatLab/Simulink仿真实验，根据模糊滑模与模糊神经网络滑模响应曲线的比较，表明控制系统采用模糊神经网络滑模算法具有更好的性能，满足了控制系统的稳定性、快速性的要求。在面对突加的外部扰动时，控制系统具有良好的抗干扰能力。

关键词： 晴空湍流   EDR指数   von Kármán模型   卷积神经网络   深度学习  

摘要： 大气湍流极易诱发飞机颠簸，甚至导致严重征候和事故。准确预测大气湍流及其对飞行的影响对保障飞行安全极为重要。本文针对当前基于飞行数据的湍流强度估计方法存在预测数据集稀疏、时空分辨率低以及虚警漏警率高等问题，首先建立了基于Kolmogorov模型的极大似然估计大气涡流耗散率（EDR）算法，利用von Kármán湍流理论模型设计试验并验证了EDR算法的有效性。其次，构建一种多尺度时序卷积网络（MT-CNN），基于飞行参数时间序列预测航路EDR指数。通过试验分析表明，基于MT-CNN的湍流预测精度达92.77%。本文提出的方法能够提供有效的航路晴空湍流强度预测，帮助飞行员和管制员进行航路颠簸风险决策，保障飞行安全。