课程文献中心 更多>>

关键词： 非结构化网络数据   云计算环境   加密存储   数据风险性   熵值加密  

摘要： 由于非结构化网络数据具有动态变化特征,存储过程中安全性不高,容易被破解。为了提高数据存储安全性,提出云计算环境下非结构化网络数据加密存储方法。利用信息熵获取非结构化网络数据敏感度,结合网络数据集熵值,分类待存储数据;建立云边协同框架,保护数据隐私;构建Logistic混沌映射模型,获取映射密钥,对置乱后的图像非结构化网络数据集进行熵值加密,获取密文,由此完成A类文本数据加密存储;在云计算环境下结合向前、向后反馈方式,完成B类图像数据加密存储。实验结果表明,该方法存储A类数据最大风险仅为20%,存储B类数据最大风险仅为2.5%,能够提高非结构化网络数据加密存储安全性,具有实际参考价值。

关键词： 电子信息工程   计算机网络技术   信息流通   计算机技术   网络安全性   现代通信技术   数据泄漏   信息传输效率  

摘要： 计算机网络技术作为一种现代通信技术同传统计算机技术密切融合的新型信息技术的进步对电子信息工程领域产生了近乎颠覆性的影响,促使电子信息工程运行更加自动化与智能化。同时,电子信息工程管理也面临着诸多新挑战,管理难度较以往明显增大。它与电子信息工程的充分融合,可以增强电子信息工程的网络安全性和稳定性,减少或消除数据泄漏风险,并提升电子信息工程的信息传输效率与质量,加快信息流通与资源共享。

关键词： 装配式建筑产业   生态系统   行业主体   全寿命期   社会网络分析  

摘要： 行业主体协同对装配式建筑高质量发展至关重要,但全寿命期内主体多、利益和专业领域各异。基于产业生态视角,采用社会网络分析法,从识别主体、明确关系、分析网络结构3方面研究其关系网络。研究显示:决策、施工和拆除阶段是高密度网络,主体协同紧密;设计阶段网络关系松散,结构最不稳定。开发商在决策等阶段、施工单位在施工阶段、拆除单位在拆除阶段中心度最高,主导着各主体协同。由此,提出优化网络结构建议,促进可持续发展。

关键词： 骨架行为识别   图卷积网络   多尺度通道拓扑细化邻接矩阵   可选择多尺度时序卷积   可选择多尺度图卷积网络  

摘要： 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其次,构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵,并引入图卷积网络,进一步提出多尺度图卷积(MS-GC)模块,以期实现对骨架关节点的多尺度依赖关系的建模;然后,基于多尺度时序卷积和可选择大核网络,提出可选择多尺度时序卷积(SMS-TC)模块,以期实现对有用的时间上下文特征的充分提取,同时结合MS-GC和SMS-TC模块,进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练;最后,在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验,实验结果表明,该模型能够捕获更多的关节特征和学习有用的时间信息,具有优异的准确率和泛化能力。

关键词： AKT1   inflammatory factors   molecular docking   network pharmacology   sepsis   Simo Decoction  

摘要： Objective: To investigate the potential mechanisms of Simo Decoction in the treatment of sepsis and elucidate its active components and therapeutic targets through animal experiments, network pharmacology, and molecular docking techniques. Methods A sepsis model was established in BALB/c mice by ip injection of lipopolysaccharide (25 mg·kg⁻¹). Fifty mice were randomly divided into five groups: Simo Decoction high-, middle-, low-dose (12.00, 7.56, 3.00 mL·kg⁻¹) groups, model group, and control group. Mortality rates were recorded 24 h after modeling, and serum levels of IL-1β, IL-6, and TNF-α were measured. Active components of Simo Decoction were identified using the Traditional Chinese Medicine Systems Pharmacology Database (TCMSP), and their molecular structures were retrieved from the PubChem database. Potential targets were predicted using SwissTargetPrediction, and sepsis-related targets were identified through the GeneCards and Comparative Toxicogenomics Database (CTD). The intersection of Simo Decoction targets and sepsis targets was analyzed using the "VennDiagram" package in R. Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analyses were conducted. Core targets were identified through the STRING database and Cytoscape 3.10.2 software. Molecular docking analyses were performed using AutoDock 4.2.6. Results At 24 h post-modeling, Simo Decoction treatment significantly reduced mortality and inhibited the expression of inflammatory cytokines in septic mice, with statistically significant differences (P < 0.05). Twenty-six active components of Simo Decoction were identified, yielding 737 potential targets. The intersection with 3 240 sepsis-related targets resulted in 325 common targets. GO and KEGG analyses revealed that Simo Decoction primarily targets pathways associated with inflammation, immune regulation, and tissue repair. The key active component, lappadilactone, was found to interact with c

关键词： 电子信息工程   计算机网络技术   信息交互  

摘要： 在现代信息技术快速发展的过程中,计算机网络技术已经成为了各类信息数据交互的重要基础,同时对电子信息工程的发展也形成了重要影响。基于此,本文从信息数据采集以及网络安全防护两个视角对计算机网络技术在电子信息工程中的应用加以分析,随后结合计算机网络技术在实际中的应用案例,探讨在电子信息工程中的远程控制方面应用表现,从而旨在为相关领域提供完整的应用参考。

关键词： 市场监管   信息化项目过程管理   网络与信息化安全   标准体系  

摘要： 当前信息技术高速发展,监管主体也必须提高自身信息化水平,才能适应数字经济下市场监管现代化的要求。随着政府对市场监管信息化建设重视程度不断提高,信息化项目过程管理问题及网络与信息化安全等问题也不断凸显,解决这些问题的途径之一就是建立市场监管信息化项目过程管理及网络与信息化安全工作标准体系,以标准建设支撑引领市场监管信息化发展。本文结合湖北省工作实际,构建湖北省市场监管信息化项目过程管理及网络与信息化安全工作标准体系,旨在通过标准化手段规范项目管理流程、提升信息安全水平、推动标准化建设等方式,为市场监管信息化建设提供有力保障和支持,推动市场监管工作的创新和发展。

关键词： 流体晃荡   神经网络   数值模拟   预测  

摘要： 基于Navier-Stokes方程的数值模型和物理模型实验研究流体晃荡现象存在计算效率低和经济成本高的不足。为此,本文通过构建神经网络模型对数值和实验结果进行时序重构,预测流体晃荡的压强和波高。以数值和实验的总压强和自由表面高程数据作为训练样本,将神经网络中表征能力强的CNN、RNN、LSTM用于重演流体晃荡响应的时间演化过程。在模型训练过程中,系统地调节神经网络的内部结构参数,分析预测结果与实际值之间的误差和相关性。结果表明,RNN和LSTM的重构误差低于4%,相关性达到0.88,整体优于CNN;LSTM的整体性能最佳,可以作为预测长序列数据的首选。整体来讲,三种代理模型均可以较好地复现流体晃荡的波高和压强,在流体晃荡研究方面具有良好的应用前景。

关键词： 算力网络   IMPALA算法   资源调度  

摘要： 算力网络通过整合分布式计算资源,提升计算效率、降低能耗并支持多样化需求,受到了广泛关注。阐述了算力网络的发展现状及其面临的技术挑战,提出了一种端-边-云协同算力网络架构,实现了分布式算力资源的高效管理。为优化多层次资源分配,提出基于IMPALA的资源调度算法。实验结果表明提出的算法和基线算法相比能够更有效地优化网络资源,降低网络延迟。上述研究对未来算力网络资源的高效管理具有一定的指导意义。