课程文献中心 更多>>

关键词： 状态估计   注意力机制   神经网络   深度学习   鲁棒性  

摘要： 随着现代电力系统规模不断扩大，电力系统的结构与运行方式日趋复杂，对电力系统进行实时、准确的状态估计至关重要。对此，本文提出一种基于双重注意力卷积双向长短期记忆神经网络(dual attention convolutional bidirectional long and short-term memory neural networks，DA-CNN-BiLSTM)的电力系统状态估计方法。该模型引入通道注意力机制自适应调整卷积神经网络(convolutional neural network，CNN)特征通道的权重，引入特征注意力机制动态分配单一特征权重输入双向长短期记忆神经网络(bi-long short-term memory neural network，BiLSTM)，从时空特征中根据获取的重要性量度筛选重要特征，动态挖掘量测量与状态量之间的相关性。通过获得的历史数据构建量测数据集建立DA-CNN-BiLSTM状态估计模型，将获得的实时量测数据输入建立的状态估计模型中，即可得到实时的状态估计结果。通过IEEE标准系统的算例分析表明，相比WLS、SE-CNN与FA-BiLSTM状态估计方法，所提方法的状态估计结果具有更优的估计精度、鲁棒性和计算效率。

关键词： 暴力暴露   网络引战   负性自动思维   道德推脱  

摘要： 目的：探讨大学生暴力暴露与网络引战的关系，以及负性自动思维和道德推脱的中介作用。方法：以1313名大学生为被试，采用暴力暴露量表、负性自动思维量表、道德推脱量表以及网络引战量表进行调查。结果：(1)大学生暴力暴露和网络引战显著正相关；(2)负性自动思维、道德推脱分别在暴力暴露和网络引战之间起中介作用；(3)负性自动思维和道德推脱还在暴力暴露和网络引战之间起链式中介作用。结论：暴力暴露通过增加负性自动思维和道德推脱间接增加大学生的网络引战水平。

关键词： 数字犯罪   网络犯罪   数字社会   国家安全   数字经济   个人法益  

摘要： 数字时代的到来使得数字犯罪逐渐取代网络社会中的网络犯罪。数字犯罪的概念来源于网络犯罪，但当前数字犯罪概念在独立后却面临内涵与外延不清的难题，并导致现有刑事治理模式在应对数字犯罪时难以为继。当网络犯罪迭代升级为数字犯罪之后，数字犯罪主要对应数字社会的整体形态且其攻击渠道更为多元，数字犯罪相对于网络犯罪在深度上进行了拓展并在广度上进行了延伸，数字犯罪将成为未来犯罪学研究的全新战略方向。面对损害国家安全的数字犯罪，刑事治理模式应该基于总体国家安全观而谨慎介入，避免损害数字社会中其他主体的权益。面对损害数字经济的数字犯罪，在对内的刑事治理过程中要“以管促技”，推动“技术向善”，在对外的刑事治理过程中要“以管护技”，为数字平台参与全球数字经济竞争提供刑法保障。面对损害个人法益的数字犯罪，刑事治理模式应该在前端对数字技术与数字平台进行预防性审查，在中端对数字犯罪进行溯源性治理，在末端为公民收集固定证据与计算法益损失提供技术支持，从而构建起全方位的刑事法保护体系。

关键词： 网络风险暴露   信度   效度   青少年  

摘要： 目的：检验网络风险暴露量表在青少年群体中的信效度，并初步考察青少年网络风险暴露的一般状况。方法：共调查6所学校1747名中学生，其中初次调查使用网络风险暴露量表测试802人（样本1），第二次使用网络风险暴露量表、抑郁量表、失眠严重指数量表、广泛性焦虑障碍量表和网络游戏成瘾量表测试945人（样本2）。4周后，自样本2中选取221人进行重复测验。结果：网络风险暴露量表各题目区分度均在0.3以上。探索性因素分析共提取出4个因素，累积方差解释率达66.26%；验证性因素分析（χ2/df=5.24,RMSEA=0.07,TLI=0.93,CFI=0.94,IFI=0.94,NFI=0.93）表明4因子结构拟合良好。总问卷的Cronbach’s α系数为0.90，重测信度为0.57。网络风险暴露与抑郁（r=0.42,P<0.01）、焦虑（r=0.40,P<0.01）、失眠（r=0.39,P<0.01）和网络游戏成瘾（r=0.37,P<0.01）均存在显著正相关。一年内网络风险暴露的发生率为80.63%，女生网络性引诱的发生率显著低于男生，但不良内容接触的发生率显著高于男生。结论：网络风险暴露量表中文版可用于测量青少年的网络风险暴露状况。

关键词： 露天煤矿   抛掷爆破   有效抛掷率   粒子群算法   GRNN神经网络  

摘要： 在抛掷爆破—拉斗铲倒堆工艺中,有效抛掷率是拉斗铲倒堆作业设计的重要参数,精确预测有效抛掷率对充分发挥拉斗铲生产能力、降低剥离成本、确保原煤生产持续与稳定等具有重要意义。有效抛掷率受多种复杂和不确定因素影响,准确构建有效抛掷率影响因素与有效抛掷率之间的非线性函数非常困难。利用粒子群算法全局搜索能力及广义回归神经网络较强的非线性逼近能力,提出了一种基于粒子群算法与广义回归神经网络的有效抛掷率预测方法,并选取了抛掷爆破台阶高度、炸药单耗、底盘抵抗线、孔距、排距、煤层厚度等6个可量化、对有效抛掷率影响较大的指标构建了有效抛掷率预测模型。以黑岱沟露天煤矿127组抛掷爆破数据为样本,对基于粒子群算法的广义回归神经网络进行参数寻优与网络训练,获得了具有较强泛化能力的有效抛掷率预测广义回归神经网络模型。15组有效抛掷率预测试验表明,基于粒子群算法与广义回归神经网络进行有效抛掷率预测性能稳定、精度可靠,能够满足实际工程需要。

关键词： 麝香   脑梗死   网络药理学   分子对接技术   作用机制  

摘要： 目的：通过网络药理学和分子对接技术探究麝香治疗脑梗死的潜在作用机制。方法：通过BATMAN-TCM数据库收集麝香的活性成分，从GeneCards、OMIM数据库中筛选脑梗死疾病的靶点，应用Venny 2.1.0数据库获得麝香与脑梗死交集靶点韦恩图。使用Cytoscape 3.8.2构建麝香-有效成分-靶点网络图与蛋白质-蛋白质相互作用网络图，获得核心成分与靶点。利用DAVID数据库进行基因本体论（GO）功能富集分析和京都基因与基因组百科全书（KEGG）通路富集分析。运用Auto Dock vina将5种核心成分与5个核心靶点进行对接，通过PyMOL软件进行可视化分析。结果：麝香治疗脑梗死的活性成分有胆固醇、脱氢表雄酮、雌二醇等共16种，靶点共372个，脑梗死疾病靶点共4 404个，药物活性成分与疾病的交集靶点有261个。GO功能富集分析显示交集靶点共有1 219个条目。KEGG富集分析显示交集靶点涉及的信号通路共有192条，包括脂质和动脉粥样硬化、磷脂酰肌醇3激酶（Phosphatidylinositol 3-kinase,PI3K）-蛋白激酶B(Akt)信号通路和动脉粥样硬化等。核心成分与核心靶点有较好的结合活性。结论：麝香中高密度胆固醇、脱氢表雄酮、雌二醇、甘氨酸、睾酮等核心成分可能通过作用于肿瘤抑制蛋白p53(Tumor Protein p53,TP53)、丝氨酸/苏氨酸蛋白激酶1(Serine-Threonine Protein Kinase 1,AKT1)、信号转导与转录激活因子3(Signal Transducer and Activator of Transcription 3,STAT3)、肿瘤坏死因子（Tumor Necrosis Factor,TNF）、白细胞介素-6(Interleukin 6,IL-6)等靶点与脂质和动脉粥样硬化等信号通路来治疗脑梗死。

关键词： 流量分类   深度学习   注意力机制   Transformer   长短期记忆网络  

摘要： 网络流量分类对于网络安全维护和网络管理至关重要，在服务质量（quality of service,QoS）保证、入侵检测等任务中得到了广泛的应用。针对传统流量分类模型对特征提取不足，导致分类准确率较低等问题，提出了基于混合注意力（group mix attention, GMA）的Transformer和双向长短期记忆网络（bi-directional long short term memory,Bi-LSTM）的双模态网络流量分类（group mix transformer and Bi-LSTM for traffic classification,GMTBLC）方法。在数据预处理阶段，通过数据包的有效载荷生成会话内的包级别图像，以减少信息干扰。在分类阶段，图像首先由包混合Transformer(packet group mix transformer,PCMT)模块处理，该模块使用Transformer和GMA捕获全局特征。同时，会话图像也由时空特征提取（spatiotemporal feature extraction,SFE）模块处理，其中数据包的空间特征由带有残差连接的卷积神经网络提取，数据包的时间特征由双向LSTM提取。在融合分类层中，通过动态加权机制融合上述全局特征和时空特征，最终完成网络流量分类。在公共数据集ISCX和USTC-TFC2016上进行实验表明，该模型的分类准确率达99.31%，精确率、召回率和F1值均达到98%以上，相比其他模型分类效果更优。

关键词： 汽车空调   降温性能   多目标优化   神经网络代理模型  

摘要： 围绕汽车乘员舱降温性能下的吹脸速度指标，针对格栅风口叶片位置参数，搭建了同时考虑主驾侧吹脸流速性能和副驾侧吹脸流速性能的多目标优化自动设计流程。基于CFD 仿真和多学科优化设计平台，采用拉丁超立方采样方法设计样本点，获取DOE矩阵，利用神经网络建立代理模型，进行吹脸流速性能参数预测，使用第三代非支配性排序遗传算法（NSGA-Ⅲ）获得多目标优化问题的帕累托前沿图。优化后的格栅叶片位置最高能使主驾侧呼吸面速度提升109.1%、副驾侧呼吸面速度提升137.5%，然后对优化前后的方案进行温度场瞬态仿真和乘员降温性能试验，验证了其优化结果的可靠性。

关键词： 电子喉镜   图像分割   双流混合网络   多尺度特征融合   暗部特征增强  

摘要： 在电子喉镜检查中，随着镜头的移动，病灶和器官的形态会发生多种变化，同时病灶和器官与粘膜组织的边界不清晰，这些都导致了对病灶和主要喉部器官进行同步图像分割的准确率不理想。为解决这一问题，提出了一种CNN-Transformer双流混合网络。双流混合网络中的CNN分支负责提取细粒度特征，而Transformer分支则负责提取全局语义特征。具体来说，混合网络通过CNN对图像中多种尺度下的细粒度特征进行挖掘，之后将提取到的不同尺度下的CNN特征与Transformer分支提取到的相应尺度下的全局语义特征进行融合。这种双流混合结构既能有效实现捕获到特征的浅层次及局部细节信息表现，同时又对深层特征和全局信息保持敏感。此外，在进行多层次特征融合之前，还使用了暗部特征强化模块来增强阴影区域图像的特征细节，以进一步保证分割的准确率。为验证方法的有效性，使用了来自不同医疗机构的2425张喉镜手术图像进行实验，并与近期提出的9种方法进行了对比分析，证明了所提出方法的先进性。