课程文献中心 更多>>

关键词： 矿井通风   网络图绘制   自动化   yEd Graph Editor  

摘要： 针对矿井通风系统网络图绘制过程中存在的绘制难度大、工作量繁重、易出错等突出问题,提出了一种基于yEd Graph Editor(yEd)软件的自动化绘制方法。详细分析了基于yEd的自动绘制原理、步骤及优势,并通过实例展示了矿井通风网络图的绘制效果。同时,还分析了yEd在绘制矿井通风系统网络图时的局限性,并提出了相应的优化建议。研究结果表明,使用yEd可以显著提高绘制的速度、准确性和可靠性,从而为矿井通风系统的设计和安全管理提供了有力的技术支持。

关键词： 语义分割   同步定位与地图构建   轻量化   注意力机制   特征金字塔  

摘要： 融合深度学习的语义同步定位与地图构建技术为处理动态场景提供了有效的解决方案,但仍面临计算资源消耗大和模型复杂度高的挑战。为此,提出了一种基于BlendMask改进的轻量化语义分割网络。首先,设计了一种轻量的GDS-ECA卷积(Ghost-depthwise separable convolution with efficient channel attention)模块,利用深度可分离卷积替代Ghost卷积中的少量卷积操作,减少参数量和计算量,并添加注意力机制提升特征表达能力。其次,提出了特征提取网络BGTNet(bottleneck GDS-ECA attention transformer network),将GDS-ECA卷积应用于颈部模块的卷积层以提升网络的提取精度;此外,将特征金字塔网络(feature pyramid network,FPN)中的传统卷积替换为GDS-ECA卷积,构建轻量化特征金字塔网络,并结合BGTNet形成语义分割网络的主干网。最后在数据集COCO上进行了实验验证,改进后的模型处理图像时间缩短了7.3 ms,平均精度提升了1.5%。

关键词： 潮汐数据预测   深度学习   LSTM模型  

摘要： 由于风、浪、潮等环境因素的影响,传统的潮位平差和分析方法无法准确捕捉潮汐时间序列数据的复杂特征。为了解决这个问题,文章提出了一种基于长短期记忆(LSTM)神经网络的方法来预测连云港站点的潮位。通过设置不同的参数如LSTM层数、批处理大小、隐藏层节点数、初始学习率和序列长度,构建了LSTM模型,并使用了2022年1月以来连云港验潮站的小时级潮汐数据组成的数据集,进行模型的训练,并评估了该模型在不同网络参数设置下的性能,最后选择最优的模型参数对连云港未来潮汐数据进行了预测,预测结果分析表明该模型可以较好地完成预测任务。

关键词： 自适应变异交叉策略   差分进化算法   RBF神经网络   PID参数整定  

摘要： 针对工业过程中PID(proportional integral derivative)参数整定难的问题,提出一种带有存储机制的自适应变异交叉策略差分进化算法(adaptive mutation crossover strategy differential evolution algorithm with storage mechanism,AMCDE)的神经网络算法RBF(radial basis function)整定PID控制器参数。首先,在差分进化算法(differential evolution algorithm,DE)中引入带有存储机制的策略,对种群的个体进行实时排序,充分利用当前种群的方向信息和搜索状态;其次,通过引入自适应变异交叉策略,实现自适应调整变异交叉概率因子,有效地避免种群在迭代后期陷入局部最优解;再次,采用AMCDE算法优化RBF的初始参数,接着由RBF在线辨识得到梯度信息;最后,根据梯度信息对PID的3个参数进行在线调整。仿真实验和某乳制品公司的加热炉温度控制实验表明:与IDE-RBF-PID、GODE-RBF-PID和MCOBDE-RBF-PID相比,AMCDE-RBF-PID控制器的调节时间分别降低了62.6%、55.3%、53.6%,超调量分别降低了79.3%、66.4%、64.7%,抗干扰性能分别提高了42.5%、15.3%、14.8%,控制精度分别提高了35.6%、12.3%、11.2%。由上述结果可知:AMCDE-RBF-PID控制器的动态性能更好,抗干扰性能更强,控制精度更高。

关键词： 深度学习   网络安全   入侵检测系统  

摘要： 文章旨在设计并实现一个基于深度学习的网络安全入侵检测系统,以提升网络环境的安全防护能力。通过深入研究卷积神经网络(CNN)、循环神经网络(RNN)及其变种,构建了一个能够自动提取特征并识别入侵行为的系统。实验结果表明,该系统在多种网络攻击场景下表现优异,具备较高的准确率、召回率和较快的检测速度。深度学习技术在网络安全入侵检测中的应用具有良好效果,为网络安全防护提供了新的解决方案。

关键词： 短时客流预测   改进麻雀搜索算法   长短时记忆神经网络   组合模型  

摘要： 准确的短时客流预测可以为城市轨道交通的良好运营提供保障,但轨道交通的短时客流具有非线性和高随机性等特点,为了提高对短时客流的预测精度,提出将ISSA算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对SSA算法收敛速度慢,容易陷入局部最优解的问题,引入黄金莱维飞行策略,通过动态调整探索者移动步长的方法,使得它在未知范围内搜索时,能够覆盖更大的范围,提高SSA算法全局搜索的能力.通过使用ISSA算法对LSTM模型的隐含层、学习率和迭代次数的神经元个数进行优化,构建ISSA-LSTM组合预测模型,用于城市轨道交通短时客流的预测.将该模型与BP、LSTM和SSA-LSTM等3种短时客流预测模型进行对比,结果表明:在针对工作日和非工作日客流的预测中,ISSA-LSTM模型预测误差最小,具有较好的预测效果.

关键词： 光纤光栅   峰值检测   中心波长   粒子群优化算法   广义回归神经网络  

摘要： 针对现有光纤光栅传感器波长峰值检测方法存在的误差大、稳定性差等问题,提出了一种基于广义回归神经网络和改进粒子群优化算法的光纤光栅传感器波长峰值检测方法。通过改进的粒子群优化算法对广义回归神经网络的平滑因子进行寻优,提高广义回归神经网络中心波长计算的准确性。通过试验分析所提方法在不同中心波长下的性能。结果表明,所提方法比传统方法更稳定,解调误差更小,整体中心波长绝对偏差降低了35.90%和24.24%,相对波长变化偏差降低了20.00%和13.04%。

关键词： 舆情治理   善治   网络文明   高校  

摘要： 高校网络舆情时有发生,其生态圈表现出治理主体弱化、治理体制粗放、危机应对滞后、数字赋能迟缓等短板。以治理现代化为目标,高校应联合政府、师生、媒体等主体共同推动网络舆情治理,形成合力,提升网络舆情治理成效,培育高校积极向上的网络文化,共建美好的网络精神家园。

关键词： 网络犯罪   帮助行为正犯化   帮助信息网络犯罪活动罪  

摘要： 《刑法》第287条之二规定的帮助信息网络犯罪活动罪的性质是帮助行为正犯化,不是帮助犯的量刑规则。网络犯罪的帮助行为发生异化,导致了传统共同犯罪理论在应对此类犯罪时存在打击力度不足和打击范围不够的双重困境,而风险刑法理论为网络犯罪帮助行为正犯化提供了正当性依据,但也面临处罚扩大化的潜在风险,应当从合理认定“明知”、正确理解正犯所实施的“犯罪”和明确与中立帮助行为的界限三方面入手,限缩适用帮助信息网络犯罪活动罪。The nature of the crime of assisting information network crime stipulated in Article 287 bis of the “Criminal Law” is to help criminalize the act, not to help the offender’s sentencing rule. The dissimilation of the helping behavior of cyber crimes leads to the dual dilemma that the traditional theory of joint crime is insufficient to crack down on such crimes and not enough to crack down on the scope of such crimes. While the theory of risk criminal law provides a legitimate basis for the criminalization of the helping behavior of cyber crimes, but it also faces the potential risk of expanding the punishment. We should limit the application of the crime of helping information network crime from three aspects: reasonable identification of “knowing”, correct understanding of the “crime” carried out by the principal offender and clear and neutral boundary of helping behavior.

关键词： 生成式对抗网络   K-means++   分布式光伏   容量评估   典型场景  

摘要： 分布式光伏的大量接入对配电网的规划与运行产生了重大影响,如何评估现有配电网的光伏最大可接入能力是指导分布式光伏安全消纳的基础。考虑光伏出力不确性对评估结果的影响,本文提出基于生成式对抗网络(GAN)和K-means++聚类的配电网光伏可接入容量评估方法。该方法通过GAN的生成器和判别器之间的博弈,学习光伏时序数据的分布特征,并产生足量可以反映真实天气情况的伪造光伏出力场景。通过K-means++聚类方法进行场景削减与典型场景生成。基于典型场景,在满足安全运行约束的情况下构建以光伏接入容量最大为目标的优化模型。运用二阶锥松弛将非线性的配电网潮流模型转化为凸优化模型。最后,基于IEEE 33节点配电网对所提出方法进行测试,并与机会约束优化、鲁棒优化等随机优化方法进行对比。结果验证了本文所提的优化评估方法可以综合考虑不同天气类型的影响,提供更符合实际运行要求的光伏接入方案。