课程文献中心 更多>>

关键词： 无线传感器网络   定位精度   误差传播   节点分配  

摘要： 无线传感器网络定位技术是无线传感器网络中的关键技术之一。该研究基于无线电干涉定位系统(RIPS)建立了等价测量误差模型,研究实际情况下已定位节点作为未知节点的锚节点在进行定位的过程中,由于锚节点自身位置误差对未知节点定位的精度影响以及误差传播问题。通过仿真分析表明,锚节点自身位置误差会降低未知节点的定位精度。在此基础上考虑锚节点自身位置误差传播的影响研究无线传感器网络定位节点分配策略,在定位过程中找到最优锚节点使得定位误差最小化。

关键词： 深度神经网络   热图   对抗样本   对抗样本检测   机器学习安全  

摘要： 针对深度神经网络面临对抗攻击威胁的问题,提出一种基于“热图”的对抗样本检测方法。引入“热图”的概念表示处理样本时神经网络的神经活动,将原始样本转换为活动启发式热图;分别将良性样本和对抗样本生成热图,进而训练二元分类器来识别对抗样本。实验结果表明,该方法在面临针对MNIST和CIFAR-10数据集上的先进对抗攻击方法时,检测精度分别高达99.4%和93.9%。

关键词： 自动语音识别系统   生成对抗网络   对抗攻击   语音对抗样本生成   标签映射  

摘要： 针对现有面向自动语音识别系统的对抗攻击方法难以捕捉不同语音尺度之间的相关性、导致攻击成功率低的问题,提出一种类别条件生成对抗网络的语音对抗样本生成方法。通过目标标签映射模块,将攻击目标标签转化为独热向量,作为条件输入到构建的类别条件生成对抗网络中,以此控制语音样本类别的生成。该类别条件生成对抗网络中的生成器,采用设计的NReSidual U-block网络模块与U-Net相融合,可以更好地学习不同时间尺度的语音特征,以及提升语音特征的表示能力,从而可以针对特定语音类别生成对抗样本;判别器采用卷积块和全连接层相结合的网络结构,将错误损失通过梯度反向传播至生成器,能有效保留语音信号的时序信息,并解决数据分布不稳定问题。在通用的谷歌命令数据集和音乐流派数据集上进行实验,结果表明,所提语音对抗样本生成方法的攻击成功率与主流方法相比,分别提高了3.47%、5.1%,平均信噪比提升了3.2、1.49 dB,该方法具有较好的攻击效果和语音质量。

关键词： BP神经网络   教学监测   课堂教学   研究生教育   教学方法  

摘要： 为解决现阶段研究生课堂教学监测和实施策略上的不足,该文提出一种利用BP神经网络机器学习动态评价研究生课堂教学质量的方法。该方法能够通过机器学习减少对专家的依赖,从而节省教学评估所需的人力和物力资源,确保课堂教学评价的准确性和稳定性。该文详细阐述BP神经网络在研究生课堂教学质量评价中的实践措施,包括评价指标体系构建、数据采集与处理、BP神经网络模型设计与优化、实际应用与评估和持续改进与推广。该文实现教学监测与神经网络领域的跨学科融合,为研究生教育质量监测改革带来新的思路和方法。

关键词： 区域贸易协定   数据跨境流动规则网络   数字行业   价值链贸易  

摘要： 基于社会网络分析法刻画RTAs数据跨境流动规则网络,使用OECD-TiVA数据库,探究2000~2020年66个国家RTAs数据跨境流动规则网络地位对数字行业价值链贸易的影响和作用机制。研究发现:RTAs数据跨境流动规则网络枢纽地位对数字行业最终品贸易、中间品贸易和出口国内增加值均有显著促进作用,且这一影响具有时间累积效应;异质性分析表明,RTAs数据跨境流动规则网络对价值链贸易的影响具有数字行业类型、贸易协定地理区域分布、贸易伙伴经济发展水平异质性,且RTAs数据跨境流动规则网络可以缓解金融危机对数字行业价值链贸易的抑制作用;机制检验表明,RTAs数据跨境流动规则网络可以通过研发创新和缩短前向价值链步长两个渠道促进数字行业发展。

关键词： 交通工程   自动驾驶汽车   伦理决策   注意力机制   卷积神经网络  

摘要： 针对目前自动驾驶汽车伦理困境下很难做出确定、合理的决策,阻碍了自动驾驶技术的问题,设计了一种基于多尺度混合注意力机制卷积神经网络的自动驾驶汽车伦理决策模型。首先,依据卷积神经网络结构和功能以及伦理困境特点,设计卷积神经网络训练模型和参数,运用训练集中伦理困境对该训练模型进行训练,构建多尺度混合注意力机制卷积神经网络模型;然后,运用测试集中伦理困境对该卷积神经网络模型进行测试和验证。结果表明:多尺度卷积神经网络模型相对于传统卷积神经网络,准确率方面有了较大改进,加入注意力机制卷积神经网络模型相对于未加入模型,稳定性得到加强;多尺度混合注意力机制卷积神经网络模型的准确率和稳定性都较高,最高准确率达到了89%。

关键词： 网络攻击   分布式估计   集群控制   卡尔曼滤波   攻击识别   状态估计  

摘要： 多机器人或无人机组成的集群在执行任务的过程中,当探测到未知外部个体时,需要识别其意图来决定如何应对.然而,集群内部节点会受到针对测量信号的干扰攻击,导致对外部个体的测量存在误差,进而影响到对其意图的识别.针对此问题,设计一种考虑网络攻击的基于分布式意图识别的集群控制算法.在该算法中,集群内部执行集群控制律,当探测到未知外部个体时,集群内部各个节点采用攻击识别算法来识别其是否受到网络攻击;然后,利用基于攻击识别策略的分布式卡尔曼滤波算法,对外部个体的状态进行分布式状态估计,以最大程度上削弱网络攻击对测量值的影响;接着,利用Fréchet距离计算期望轨迹与测量轨迹的相似性,并采用基于分布式共识算法来判断该外部个体的意图,作出逃逸或汇聚控制.仿真结果验证了所提方法的有效性.

关键词： 人工智能技术   网络空间安全   深度学习   网络入侵检测   自适应防御策略  

摘要： 随着信息技术的快速发展,网络空间安全成为全球面临的重要问题。本文针对这个问题,探寻一条新路,人工智能技术在网络安全防御上的价值与力效。利用深度学习,模式识别等人工智能算法,研究者构建了网络入侵检测,异类行为分析模型,如此不断地调整与改善防御策略。实验的结果拓宽了视野,人工智能引领的防御优势在于,大幅提升了网络空间安防的效率,减少了误报,并有能力适应新的网络威胁的动态变更。

关键词： 多重网络舆情事件   风险研判   舆情治理   概率语言术语集   距离测度   信任-奖惩双重反馈机制   后悔理论  

摘要： [研究目的]为完善网络舆情风险研判模型,考虑多重网络舆情事件动态演变复杂性及信任网络群决策环境下专家共识达成等问题,构建面向概率语言偏好的多重网络舆情事件风险研判模型。[研究方法]采用概率语言术语集刻画舆情风险指标信息的模糊性与不确定性,定义考虑犹豫度的PLTSs距离计算公式,以测度专家共识指数;提出基于信任-奖惩的专家意见修正和权重重置的双重反馈机制共识模型,以形成合理集体评价意见;将后悔理论融入到群决策方法中,得到舆情事件的综合风险感知效用值。[研究结论]通过算例验证了该模型的适用性和稳定性,结果表明该舆情风险模型能够直观展示多重网络舆情事件的风险排序,可为舆情监管部门提供良好的决策支持。

关键词： 抑郁症   转录组学   加权基因共表达网络分析   细胞肿瘤抗原p53   Notch信号通路  

摘要： 目的:基于转录组水平探索抑郁症的病因学机制。方法:检测157例抑郁症患者及135名健康对照者的外周血转录组学数据。使用加权基因共表达网络分析,寻找与抑郁症相关的基因共表达模块,利用基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)进行功能富集,使用蛋白质间相互作用(protein-protein interaction,PPI)分析寻找关键基因。结果:发现了2个与抑郁症相关的共表达网络,主要与模式识别受体、肿瘤坏死因子和Notch信号通路及帕金森病等神经退行性疾病的生物学过程相关,识别出细胞肿瘤抗原p53(cell tumor antigen p53,TP 53)、肿瘤坏死因子受体相关因子6(tumor necrosis factor receptor-associated factors 6,TRAF 6)和核糖体蛋白L5(ribosomal protein L5,RPL 5)等8个关键基因。结论:抑郁症患者的炎症、免疫、代谢以及核糖体翻译修饰相关的基因在转录过程中存在异常表达。