课程文献中心 更多>>

关键词： 辅助分类生成对抗网络   类小波变换   轴承故障诊断   数据生成  

摘要： 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。

关键词： 生物炭   BP神经网络   遗传算法   炭基肥   工艺参数优化  

摘要： 生物炭是一种针对生物质能高效开发的多功能材料,随着对生物质能高效开发的关注,生物炭的应用范围逐渐扩展,其中炭基肥作为生物炭的一个重要应用方向,因其优良的缓释性能和对土壤负担小的特点,受到广泛关注。生物炭的理化性质受到制备过程中的炭化温度、炭化时间和升温速率等工艺参数的显著影响,不同炭化工艺不仅决定了生物炭的理化性质,还直接影响其作为炭基肥的缓释性能。传统的实验方法往往需要大量的时间和资源投入,因此,探索更加高效的优化方法成为了研究的热点。本研究采用了BP神经网络与遗传算法相结合的优化方法,针对咖啡壳生物炭的炭化过程中的炭化温度、炭化时间和升温速率3个关键工艺参数进行预测和优化。研究结果表明,采用BP神经网络—遗传算法优化后的炭基肥,其最佳工艺参数为炭化时间2.8 h、炭化温度780.7℃和升温速率15.1℃/min。在此工艺条件下制备的咖啡壳生物炭基肥,其7 d养分累计释放率为45.9%,表明缓释性能得到了显著提升。综上所述,本研究提出了一种基于BP神经网络和遗传算法的生物炭炭化工艺参数优化方法,能够有效提高炭基肥的缓释性能。该方法不仅为生物炭制备工艺的优化提供了新的技术路径,也为相关领域的研究提供了重要参考,对推动高性能炭基肥的发展具有积极意义。

关键词： 法益恢复   网络暴力犯罪   社会舆论   违法评价   刑法应对  

摘要： 数字时代,互联网的发展使得网络暴力犯罪越发频繁。当前,网络暴力犯罪的治理研究主要集中于具体行为类型的认定及刑事责任主体的确定。刑法打击犯罪的逻辑起点是法益保护,故以法益恢复理论的融入探索网络暴力犯罪治理的实践路径,是实现被害人法益保护的有效手段。法益恢复的适用是恢复性司法理念、轻罪治理体系构建和宽严相济刑事政策的具体体现,具有相当的现实性。法益恢复适用于网络暴力犯罪具有坚实的共性基础及个性基础。法益恢复适用于网络暴力犯罪的实践路径构造是一个体系化的过程,应以适用规则、适用限制、评价限度为框架展开构建,贯通路径的内在逻辑,实现法益恢复的准确适用。

关键词： 低碳城市物流   物流网络优化   数字化技术  

摘要： 随着全球气候变化的严峻挑战和可持续发展理念的深入人心,低碳物流成为现代物流业发展的重要方向。物流行业作为国民经济的重要组成部分,其发展不仅关乎经济效率,还直接影响生态环境。物流过程中产生的二氧化碳排放是全球气候变化的重要原因之一。因此,实现物流行业的低碳化是应对气候变化、推动可持续发展的重要途径。城市作为物流活动的主要集中地,其物流网络的优化对于减少碳排放、提升物流效率具有重要意义。本文基于数字化技术旨在探讨满足低碳要求的城市物流网络理论,通过分析物流网络的基本要素、低碳化路径以及优化策略,提出一套综合性的理论框架,为城市物流的绿色低碳发展提供理论支持和实践指导。

关键词： 数字化营销   服装定制   交互营销   衣邦人  

摘要： 以模式创新为基础,将数字化技术与线下服务营销策略相结合,形成客户端(Customer)、服务端(Service)与平台端(Platform)的交互营销网络,是新零售企业典型的营销策略。本文深度分析了服装定制新模式下可实现交互营销的条件,以新零售品牌“衣邦人”为例,通过“互联网+上门定制+工业4.0”C2M服装定制业务模式构建了交互营销网络框架,阐述了以客户端、服务端及平台端为立足点的数字化营销手段,内容涵盖互联网渠道搭建、客户关系管理、企业业务服务及数字化工具构建等方面,旨在为新零售的相关行业提供营销实践参考。

关键词： 网络异常检测   无监督学习   生成对抗网络   长短时记忆网络  

摘要： 近年来,随着互联网和云计算的发展,网络环境日益复杂化,传统的网络异常检测方法证明不足以解决大规模、多样化的网络攻击行为。保障网络的稳定性和安全性,需要高效的检测机制。本文提出了一种基于无监督对抗模型的网络异常检测算法,旨在应对复杂的网络异常行为。首先采用无监督学习方法进行网络异常检测,不依赖于严格的标准数据集进行训练,从而提高了算法的泛化能力并降低了网络训练的难度。其次,设计了一种编码-解码结构的生成对抗网络作为算法的主要框架,以提升网络异常识别的准确度。最后,将改进后的长短时记忆网络嵌入到生成对抗网络中,以增强算法对数据长期依赖的处理能力,进而提升整体的稳定性。实验结果表明,所提方法能够稳定且准确地识别出网络异常行为,在标准数据集中的准确度和召回率分别达到了0.830和0.832,优于所对比的相关算法,更适用于真实网络环境的安全保障任务。

关键词： 安全隔离技术   电力监控系统   网络安全防护  

摘要： 电力监控系统负责监控电网的运行状态、控制电力设备的操作,实时采集、处理、分析大量的电力数据。安全隔离技术能够在物理或逻辑层面上将电力监控系统与外部网络进行隔离,阻止外部威胁的入侵。因此,本文深入研究安全隔离技术在电力监控系统网络安全防护中的应用,为提高电力监控系统安全性、可靠性、稳定性提供积极助力。

关键词： 多用户   蜂窝网络   深度强化学习   神经网络   竞争网络   能量效率   泛化性能  

摘要： 针对多用户蜂窝网络中能量效率的重要性以及传统优化算法的局限性和泛化性能差的问题,提出一种基于深度强化学习的EEO-Dueling DQN算法,旨在满足约束发射功率条件下实现整个网络的能量效率最大化。Dueling DQN采用竞争网络优化神经网络结构解决DQN中出现的高估问题。仿真结果表明,该算法获得的平均能量效率比DQN算法高出65%,在收敛情况和稳定性方面也有较好表现,具有较强泛化能力,可适用于实际中不同通信场景。

关键词： CUSUM   动态规划   函数型数据   空间二分法  

摘要： 针对具有空间特征的函数型数据,在经典累积和(Cumulative Sum,CUSUM)统计量和二分法(Binary Segmentation,BS)的动态规划变点检测方法基础上,提出空间函数型二分法(Spatial Functional Binary Segmentation,SFBS)以及相应函数型CUSUM统计量-空间累积和统计量(Spatial Cumulative Sum,SCUSUM),并证明其渐近分布.该方法将检测数据扩展至具有更高维度信息的空间函数型数据,以此检测空间中的变点位置.SFBS方法主要将空间数据按照与各空间坐标轴平行的方向进行分割,将原本的空间划分为更小的子空间,并且在划分好的子空间上逐一利用SCUSUM统计量与BS方法进行结构变点的检测,最终获得精确的检测结果.同时,对提出的方法进行模拟,最后将该方法应用于气温数据进行实证分析.

关键词： 网络安全   入侵检测   深度学习   特征工程  

摘要： 针对现有基于深度学习的网络入侵检测系统在特征处理、模型结构和算法实现等方面存在的问题,文章提出了一种优化算法。该算法包含3个核心创新:设计了基于动态窗口和互信息的特征处理方案,以有效提取网络流量特征;提出了改进的CNN-LSTM混合模型,通过注意力机制和特征融合策略增强模型表达能力;优化了检测过程,引入置信度评估和批量处理机制以提升检测效率。实验结果表明,该算法在NSL-KDD数据集上取得了96.2%的检测准确率,较优化前提升4.9%,检测延迟从85.6ms降至32.3ms,显著提升了检测性能和效率。