课程文献中心 更多>>

关键词： 卷积神经网络   微细通道   热诊断   沸腾传热  

摘要： 高功率微波在卫星、飞机等电子系统毁伤领域有重要应用前景,其电子束收集极附近存在强烈电磁干扰,需要开发能预测微细通道沸腾传热性能的间接热诊断方法。本文通过微细通道沸腾传热可视化实验结果建立样本数据库,在此基础上构建了基于卷积神经网络的微细通道热诊断模型,并对该方法进行分析和验证。研究结果表明,本文所提出的热诊断方法可以预测实验运行工况和热边界条件,测试准确度可达86%,能够实现流动传热参数的热诊断。

关键词： 电客车   网络风暴   控制系统   处理措施  

摘要： 网络风暴是一种常见的网络故障,在通信网络中时有发生。地铁列车控制系统负责列车的安全运行,一旦出现网络风暴不仅对网络设备造成损害,而且还会影响行车安全和运营服务质量[1]。洛阳市轨道交通2号线(以下简称“2号线”)电客车多次出现以太网网络风暴故障,详细分析网络风暴产生原因并制定优化方案,实践证明是可行的,为后续故障处理提供参考。

关键词： Wazuh开源平台   大数据   网络安全   态势感知   预警机制  

摘要： 为了有效应对信息技术应用带来的网络安全挑战,本文提出了一种基于开源Wazuh平台的大数据网络安全态势感知及预警架构。首先,本文介绍了Wazuh平台的基本架构和组件。其次,详细阐述了基于Wazuh平台的网络安全态势感知架构的建立及应用。最后,讨论了网络安全预警机制的建立,包括预警机制概述、预警规则的定义与管理、预警信息的生成与通知以及预警效果评估。希望通过此次研究,能够为大数据环境下的网络安全提供一种有效的态势感知及预警解决方案。

关键词： Sora   网络信息安全   本质特征   优化路径  

摘要： 自ChatGPT模型问世以来,世界各地都纷纷加入了一场没有硝烟的人工智能战争中。近期,OpenAI公司推出的Sora模型更是引起人们的关注。具有“通用物理世界模拟器”潜力的文生视频模型——Sora的推出,引发了学界热议,其颠覆了人们对传统短视频的认知,并进一步推开了人工智能的世界之门。聚焦Sora技术的生成逻辑,进一步对其本质进行解析,在此基础上思考Sora技术应用于高校网络信息安全背后的核心特征、困境及其优化路径。

关键词： 可再生能源   联合场景生成   场景消减   深度学习  

摘要： 随着可再生能源的大规模发展,风光气象资源的波动性和不确定性给电力系统安全稳定运行带来极大的影响。为支持电力系统规划与决策,克服新能源功率预测过程中气象资源的不确定性,提出了一种基于深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)的风光气象资源联合场景生成方法。首先,根据风电、光伏场站的空间分布规律,将新能源场站空间分布与气象要素相关联;其次,利用DCGAN技术对风速-辐照度气象要素进行长时间序列场景模拟,实现区域范围的风光资源联合场景生成;然后,借助K-medoids方法消减冗余场景,保留聚类中心处的典型场景,进而直接评价场景生成效果,将气象要素转化为风电、光伏出力,对典型场景间接评价;最后,通过分析气象要素生成场景的直接评价与间接评价结果,检验场景生成算法的有效性。算例结果表明,基于DCGAN模型生成的典型场景能有效地反映区域空间风光分布规律,并在气象要素场景生成中具有较好的适用性。

关键词： 混合式教学   网络综合布线   一体化课程   教学策略  

摘要： 在当前数字化与智能化的大潮中,网络综合布线逐渐成为建筑工程与信息技术衔接的桥梁技术,该技术的教学对于培养专业的计算机网络应用人才至关重要。本文对技工院校网络综合布线一体化课程的教学中存在的问题进行了分析,明确指出:课程内容与实际工作需求脱节、教学方法单一和考核评价系统欠完善等问题。基于此,提出以线上线下混合式教学与一体化课程设计的创新教学策略,旨在通过多阶段和多步骤的教学模式,增强学生的技术应用能力和解决实际问题的实践能力。

关键词： 计算机视觉   语义分割   注意力机制   多尺度特征融合  

摘要： 为解决双边分割网络在标签分割时存在的分割边界拟合精度低以及边缘不准确而导致的形心计算偏差问题,提出一种改进的BiSeNet模型。首先,改进损失监测机制,提升模型对目标对象的关注度;其次,设计了一种多尺度边缘融合模块,增强网络的特征表示和训练稳定性。消融实验和对比实验结果表明,改进的双边分割网络分割模型,其mIoU和mF1评价指标较基准网络分别提高了2.82百分点和2.51百分点。为验证其在振动测量中的有效性,以振动实验台作为实验对象。实验结果显示,与传统加速度传感器相比,所提方法测得的振动数据与真实位移数据之间的均方误差仅为0.06。

关键词： 地浸采铀   注液量预测   深度可分离卷积   预测模型  

摘要： 地浸采铀作为铀矿的绿色开采技术,在生产运行中产生海量数据,利用这些海量数据进行大数据分析和趋势预测,能够提升技术人员制定生产计划的可靠性。目前采用的基于编码器-解码器结构的时序预测模型,由于存在注意力机制,导致计算复杂、内存消耗大。本研究提出深度可分离卷积混合模型,通过动态序列分割模块降低固定分割带来的语义破坏,通过深度可分离卷积混合模块降低模型运行时间并捕获局部和全局特征。结果表明,深度可分离卷积混合网络模型的均方误差(Mean Square Error,MSE)与平均绝对误差(Mean Absolute Error,MAE)相较于时间序列分块自注意力模型(Patch Time Series Transformer,PatchTST)分别降低了1.04%和4.13%,提出的动态序列分割模块的MSE与MAE相较于原有模型分别降低了7.32%和5.03%;在性能对比分析上,深度可分离卷积混合模型的训练速度相较于趋势季节分解线性模型(Decomposition Linear,DLinear)提高了59.91%。建立的模型能够准确预测采区生产运行中硫酸注液量的变化趋势,改善了现有预测模型针对地浸铀矿数据集存在的运行时间长、运行内存大、数据拟合差的问题,可为地浸铀矿生产决策提供理论和实践参考。

关键词： 混合加密   椭圆曲线密码学   高级加密标准   电网数据   隐私保护  

摘要： 为缩短电力网络数据加解密时间,提出了基于混合加密的电力网络数据安全与隐私保护算法。将电力网络数据转换为时间数据序列并进行预处理,通过隐私偏序拓扑分类,建立隐私数据多视图聚类。采用高级加密标准(AES)算法加密电力网络隐私数据,使用椭圆曲线密码学(ECC)公钥加密AES会话密钥,结合Hash函数计算散列值,生成数据安全验证签名。通过混合加密实现电力网络数据安全与隐私保护。实验结果表明,所提算法的数据加解密时间仅为430 ms,能够有效提高电力网络数据安全与隐私保护的实时性。

关键词： 深度学习   神经网络   目标检测   YOLO  

摘要： 对于野生动物的目标检测与识别,目前仍然存在诸多问题:如野生动物图片标签匮乏、人工采集野生动物图像工作过程单调且低效,利用深度学习方法检测识别野生动物应用较少且精度不高。文中选用YOLOv5神经网络,在图像的预处理阶段,采用归一化和灰度处理方法,增加图像细节,使模型在预测光照条件不均匀时也具有良好的效果;针对数据集尺寸变化较大的特点,采用K-means聚类分析,计算了合适的锚点值,提高了模型识别速度。结论表明,在自建数据集上,整体准确率达到了98.7%,在复杂的野外环境下,准确率达到了91.8%。