课程文献中心 更多>>

关键词： 记忆网络   迭代   注意力机制   多模态   情感分析  

摘要： 在开展多模态情感分析的过程中,需要考虑2方面的关键信息:一是每种模态的内部信息,二是各模态之间的交互信息。针对如何有效地捕获以上核心信息的问题,提出一种记忆迭代网络模型。将每种模态的序列数据分别输入到其各自的循环神经网络以及注意力机制模块,处理后将所有模态序列级联并送到记忆迭代模块进行迭代处理,迭代结束后将数据经过完全连接层,降低维度后进行分类。在公开的数据集CMU-MOSI、ICT-MMMO以及YouTube上进行的实验表明,记忆迭代网络模型的准确率和F1值均有所提升。

关键词： 高等学校   网络文化安全   网络社群   网络舆情监测  

摘要： 本文探讨了高校网群建设与网络文化安全管理的重要性和策略。高校网络文化在教育和社交领域扮演着关键角色,但也伴随着网络文化安全挑战。本文探讨了高校网络文化的兴起及其对教育、社交和心理的影响。然后深入分析了网络文化安全的紧迫性和面临的挑战,包括虚假信息、网络骚扰和隐私问题。接着介绍了高校网络文化安全管理的策略,包括构建新型网络文化生态系统、强化舆情监测、制定紧急应变计划和制定全面网络文化安全战略。同时讨论了技术发展和社会发展趋势对未来高校网络文化安全管理的影响,并提出了未来管理策略的展望。

关键词： 瞬变电磁   深度学习   神经网络   数值模拟  

摘要： 【目的】基于深度学习的瞬变电磁正反演方法属于数据驱动型方法,需要大规模的数值模拟结果作为监督数据对神经网络进行训练和评估。传统的时域有限差分法进行瞬变电磁数值模拟需要迭代求解时域麦克斯韦方程,耗时严重,且耗费计算资源庞大,难以满足基于深度学习的瞬变电磁反演对数据的需求。【方法】为此,引入深度学习方法进行瞬变电磁数值模拟。以Transformer神经网络架构为基础,采用编解码结构(encoder-decoder)设计了基于深度学习的瞬变电磁数值模拟神经网络,该网络包含三维网格剖分模块、分块嵌入模块(patch embedding)、编码器模块(Transformer encoder)、解码器模块(linear decoder) 4部分,输入为模型地电参数,输出为该模型对应的回线源中心点瞬变电磁响应。采用带动量的随机梯度下降算法与Adam自适应学习率算法相结合的优化策略,在搭载4张英伟达V100显卡的服务器上进行了200个周期的训练,获得了瞬变电磁法数值模拟深度学习网络。【结果和结论】利用训练后的网络分别对均匀半空间模型、层状模型、板状体模型以及三维体模型4种类型的地电模型回线源瞬变电磁响应进行实时预测,验证集测试结果表明:计算得到的关断时间后的数值模拟结果与采用解析解、线性数字滤波解和时域有限差分法数值模拟结果平均相关误差小于2%;同时,基于神经网络的瞬变电磁数值模拟计算耗时不到1 s,实现了瞬变电磁数值模拟的快速精确计算,为后续基于深度学习的瞬变电磁反演研究奠定了理论基础与数据支撑。

关键词： 绿色通信   移动通信技术   移动用户   大规模部署   传输速率   通信服务   大数据   资源消耗  

摘要： 近年来,我国移动通信技术处于高速发展时期,基于当前“大数据”时代的特征,移动用户对信息的接收及处理速度有了更高的要求。5G网络的大规模部署为人们的生活、工作提供了便利,5G网络的传输速率也达到了4G的10倍以上,可为用户提供高水平的互联互通,保障高质量的通信服务。随着移动用户数量的增加和业务的快速扩张,现有的移动通信技术虽能为信号提供强有力的保障,但过高的资源消耗也对长期可持续发展提出了严峻挑战,绿色通信技术应运而生。

关键词： 报案人   诈骗   货车司机   警方调查   物流行业   物流公司   运费   货运  

摘要： 近年来,诈骗的形式越发多样,物流行业内亦是如此。近日,一则“货运诈骗”案件引发舆论高度关注。报案人称是通过“网络货运平台”接到一笔订单。货物送达后,运费未支付,发货方却失联了。警方调查后发现,惠州一家物流公司冒充“货主”发布信息,又冒充“司机”收取运费,实施双向诈骗。经过公检法多部门的合力侦办,通过案件串并和核实,发现受害的货车司机共有300余人,涉案金额达300余万元,涉及全国24个省市。

关键词： 路径优化   改进Dijkstra算法   硬时间窗   地铁换线  

摘要： 目前,地面车辆配送难以满足日益增长的货运需求,地下物流将成为未来解决货运问题的有效方式。地铁作为现有的地下资源,可依托其开展地下货运配送。以货物在地铁网络中送达时间最短为目标,考虑地铁列车发出时间表、换线点选取、换线点时间窗等现实约束,构建考虑换线时间窗的地铁网络配送路径优化模型。将地铁站点间的运行时间和换线时间作为权重,引入换线时间窗限制,并设计改进Dijkstra算法求解该模型。文章基于武汉市地铁网络的算例验证了所提模型的可行性,该模型更贴合地铁网络的现实情况,且能有效地提高配送效率。

关键词： 列车通信网络   时间敏感网络   确定性传输   城铁车辆  

摘要： 基于时间敏感网络在城市轨道车辆中采用整形调度、可靠冗余等方法,有效地解决了以太网数据传输的不确定性和可靠性问题。针对新一代铁路车载通信网的建设,提出了一种基于高速铁路的动车组网络建模方法。本项目拟通过对时敏网络技术的深入研究,对国内外时敏网络的发展现状进行梳理和分析,归纳总结我国城铁汽车的发展现状,并从可实用化的角度对时敏网的发展提出相应的对策,为促进时敏网在我国轨道交通领域的实用化提供一定的参考和借鉴。

关键词： 网络育人   挑战   策略  

摘要： 网络空间已成为高职大学生学习生活的重要领域,把握网络传播规律、发挥网络空间的思想政治教育育人功效,开展具有针对性的大学生思政教育工作是思政工作者的必备技能。当前网络育人过程中,高职院校网络空间管理效能、网络育人创新性时效性、高职大学生科学正确用网等方面仍面临不少现实挑战。运用网络技术赋能高职院校网络空间治理、创新网络育人体系、培养高职大学生自我学习、自我管理、自我服务意识,是应对网络育人挑战的必要措施。

关键词： 神经网络   路径规划   无人装备   智能化  

摘要： 针对未知环境下Agent自主决策的快速路径规划与避碰问题,将Q-learning与神经网络相结合,利用基于目标导向的动作策略与奖励函数的动态计算方法,以及优化的神经网络训练框架,构建Agent避碰导航算法,通过仿真验证,表明算法有效,收敛速度较快,适应于静态障碍的避碰与导航,同时对Agent随机指定出发点及障碍物微小变化的环境,具有一定的泛化能力,算法可以支持无人装备的自主路径导航。

关键词： 用户轨迹识别   时空图卷积神经网络   自注意力机制   深度学习   时空序列  

摘要： 用户轨迹识别作为一项重要的时空数据挖掘任务,广泛应用于基于位置的个性化服务推荐、行程规划、犯罪行为检测和目标跟踪等领域,但依然面临预测精度不高的问题,主要原因是轨迹数据低采样且稀疏、轨迹类别数量巨大等.针对上述问题提出了基于可拓展自注意力时空图卷积神经网络的用户轨迹识别模型(Expandable Self-Attention Spatio-Temporal Graph Convolutional Neural Networks,ESAST-GCNN),该模型采用时空图卷积神经网络方式,深度挖掘时序特征与空间特征关系,并进行预测与拓展,结合自注意力机制获取用户轨迹特征向量内部相关性,最终根据该特征向量进行用户轨迹身份识别.在两个真实数据集上进行测试后发现,ESAST-GCNN相较于TULER-GRU(TUL via Embedding and RNN)在Geolife与Gowalla中准确率分别提高了13.95%、10.63%,实验结果表明ESAST-GCNN优于其他模型,识别效果更好,适用范围更广.