课程文献中心 更多>>

关键词： 卷积神经网络   表面肌电信号   灰度图   手势识别  

摘要： 针对表面肌电信号时域和频域特征提取识别手势的准确性易受影响及分类器识别率低的问题，本文提出一种将表面肌电信号处理为灰度图，并结合卷积神经网络作为分类器的手势精确识别方法。首先，使用能量阈值法截取肌电信号的活动段，通过线性和幂运算对时域电压值进行处理，生成灰度图作为卷积神经网络的输入。其次，搭建多视野卷积神经网络模型，使用1×n和3×n的异形卷积核，在同一卷积层内实现不同尺寸卷积核并行的结构，以优化对肌电信号的表达能力。实验结果表明，所提出的方法对13种手势和12种多指运动的识别准确率分别达到98.11%和98.75%，显著高于现有机器学习方法。本文提出的基于肌电信号灰度图与多视野卷积神经网络的手势识别方法，具有简单高效的特点，能够有效提升手势识别的准确性，具有较强的应用潜力。

关键词： 流量异常检测   条件Wasserstein生成对抗网络   自编码器   孤立森林   锐度感知最小化  

摘要： 针对网络流量异常检测中因数据类别不平衡导致检测率不高、尤其少数类检测率偏低的问题，提出了一种结合改进生成对抗网络和残差网络的流量异常检测模型。首先，采用孤立森林算法对正常类样本进行异常值处理，以减少正常类样本与少数攻击类样本的边界重叠，避免在过采样过程中由于不同类型样本边界相似性而引入新的离群点。其次，利用条件Wasserstein生成对抗网络在保持数据分布一致性的前提下生成新的少数攻击类样本，解决数据失衡问题的同时提高样本多样性。最后，设计了分裂残差融合卷积自编码器-双向门控循环单元的流量异常检测方法，通过分裂残差结构提取多尺度空间特征，结合双向门控循环单元捕捉前后时序信息，并引入锐度感知最小化算法，结合随机梯度下降优化器，进一步提升少数类的检测率。实验结果表明，在NSL-KDD数据集上，该模型的准确率和F1分数分别达到了89.69%和89.71%。与主流方法相比，对U2R和R2L攻击流量的检出率分别提高了至少8.94%和3.39%，并在CICIDS2017场景数据集上进一步验证了该方法的有效性和可行性。

关键词： 网络控制系统   状态估计   故障编码   虚假注入攻击  

摘要： 针对传感器通道和执行器通道同时遭受虚假注入攻击的网络控制系统，为实现受攻击网络控制系统的状态估计和故障信息传输，提出一种系统状态估计方法；通过系统降维解耦和等价变换技术，将该系统转化为增广奇异系统，以便同时解耦执行器通道虚假注入攻击信号和系统故障信号；基于增广奇异系统设计估计器系统，同时估计系统状态、传感器通道虚假注入攻击信号和故障编码信号，并求出估计器系统存在的充分条件；基于系统状态估计方法提出一种系统故障信息传输方案，设计系统故障信息的编码和解码方案实现对系统故障信息的有效传输；利用MATLAB软件进行数值仿真，验证所提出方法和方案的有效性。结果表明：所提出的系统状态估计方法能够精确估计系统状态、传感器通道虚假注入攻击信号和故障编码信号，所设计的系统故障信息传输方案能对系统故障信息进行有效传输。

关键词： 自我防护意识   复杂网络   稳定性   一致持续   敏感性分析  

摘要： 考虑媒体宣传和人与人之间的信息传播,在复杂网络上建立了具有2类易感仓室的易感者-暴露者-感染者-康复者（susceptible-exposed-infectious-removed,SEIR）模型,研究自我防护意识对于传染病传播的影响。得到了基本再生数R0,并且证明了当R0>1时,有唯一的地方病平衡点。根据Hurwitz判据和比较定理分析了无病平衡点的稳定性,证明了当R0>1时,疾病是一致持续的。利用敏感性分析确定了参数对于R0的重要性。数值模拟表明,提高自我防护意识可以有效降低被感染的概率。

摘要： 中共中央总书记、国家主席、中央军委主席习近平12月4日视察信息支援部队,代表党中央和中央军委,对信息支援部队第一次党代表大会的召开表示热烈祝贺,向信息支援部队全体官兵致以诚挚问候.他强调,要贯彻新时代强军思想,贯彻新时代军事战略方针,强化使命担当,勇于创新突破,夯实部队基础,努力建设一支强大的现代化信息支援部队,推动我军网络信息体系建设跨越发展.这是习近平在发表重要讲话.

关键词： 超滤反渗透过程   反冲洗效率   水力膜阻力   反向传播神经网络  

摘要： 本文面向污水反渗透给水预处理中超滤性能动态过程，提出一种基于训练质量的AdaBoost策略和基于Alopex进化算法的多模态神经网络机器学习方法。首先，本文构建了一类适用于任意分布的广义贝叶斯推断概率指标对超滤反渗透污水处理过程中过滤和反洗等多模态状态进行分类，然后使用基于Alopex进化算法和基于分布的AdaBoost集成策略的神经网络算法针对每一个模态过程分别建模，最后利用构建的每个模态的基于广义贝叶斯推理的概率指标，将多模态的多个模型集成。为了验证本文提出的方法的有效性，将该方法应用到美国某社区采集的两年数据集中，提出的方法针对膜阻力和反洗效率具有很好地预测性能，能够很好地预测预期水质变化性能。

关键词： 谣言检测   深度学习   图卷积网络   常识推理  

摘要： 【目的】解决谣言数据信息量有限和关联常识信息缺乏的问题，提高谣言识别的准确性。【方法】提出一种多分支图卷积推理网络（Multi-branch Graph Convolutional Inference Networks，MGCIN），以双向图卷积网络为基础，加入常识推理模块COMET。COMET既负责生成融合了常识推理信息的特征表示，同时作为辅助模块独立产生分类标签，在最终阶段辅助决策。【结果】在Twitter15、Twitter16和PHEME三个公开数据集上进行实验，结果显示所提方法优于多数基线模型，该模型的准确率分别达到0.878、0.898和0.776，并具有优秀的谣言早期检测性能。【局限】 谣言数据相关的背景和常识信息的多模态化仍需深入研究。【结论】本文提出的模型能够较好地模拟人类的思维过程，有效融合了文本特征、传播特征和常识信息，为谣言检测研究提供了新的思路和方法。

关键词： 叠前反演   深度学习   编码-解码模型   二次型算法   正交试验法  

摘要： AVO反演以Zoeppritz方程为基础,可从叠前地震资料中提取多种隐藏的岩石物性参数。在地震资料中,角度数据是以偏移距形式记录的范围值,两者相互转换容易产生计算误差;在不同工区使用同一套近似式,适用性会受到实际地质条件影响;而精确Zoeppritz方程较复杂,会产生更大的计算量。为此,构建一种基于二次编解码网络的适应性叠前反演方法,利用深度学习极强的特征关系提取能力代替传统关系式,来弥补角度误差,适应不同工区、不同地质条件的差异。该网络以二次型算法为优化算法,改进了常规编码-解码(Encoder-Decoder)结构,达到效率最大化;同时结合Xavier方法让模型初始化更具随机性,提高网络抗干扰能力。结果表明,通过正交试验优选后的二次编解码网络比单解码网络预测效果更好,与实际测井曲线吻合程度更高,反演所得的纵、横波速度和密度成果剖面均符合研究区地质情况,横向连续性强,能够实现高效、高稳定的叠前反演任务。

关键词： 原地浸出采铀   铀迁移   对流-弥散方程   物理信息神经网络   有限差分数值模拟  

摘要： 在原地浸出采铀工艺中，铀的迁移过程受地下水流动和溶质扩散的共同作用，可通过对流-弥散方程进行描述。建立原地浸出采铀工艺中铀浓度随时间和空间变化的模型，对准确预测地下水中铀的迁移过程至关重要。传统数值方法(如有限差分法)在处理高维复杂问题时,计算量大且易产生误差。本研究探索了物理信息神经网络在对流-弥散方程求解中的适用性与精确性，通过对一维对流-弥散方程进行数值模拟，并将物理信息神经网络解与数值解、解析解进行了对比。结果表明，在长期模拟中物理信息神经网络解比数值解更贴近解析解，具有较高的精度，并具备一定的外推能力。另外，在引入随机失活处理后，物理信息神经网络模型的泛化能力和收敛速度显著提升，验证了物理信息神经网络在复杂物理问题中的应用潜力。