计算机
由于人脸表情图像具有细微的类间差异信息和类内公有信息,提取具有判别性的局部特征成为关键问题,为此提出了一种注意力分层双线性池化残差网络。该模型采用有效的通道注意力机制显式地建模各通道的重要程度,为输出特征图分配不同的权重,按权重值大小定位显著区域。并添加了一个新的分层双线性池化层,集成多个跨层双线性特征来捕获层间部分特征关系,以端到端的深度学习方式在特征图中进行空间池化,使所提网络模型更适合精细的面部表情分类。分别在FER-2013和CK+数据集上对设计的网络进行实验,最高识别率分别为73.84%和98.79%,达到了具有竞争性的分类准确率,适用于细微的面部表情图像识别任务。
数控机床属于计算机集成制造和柔性制造的基础,在现代制造装备业中具有重要的作用。但是因为种类及结构较为复杂,所以故障具有隐蔽性及复杂性的特点。如果数控机床发生故障,就会对故障装备制造业造成一定的损失。所以,快速、提前、精准的解决数控机床中的故障诊断问题对于企业发展来说具有重要的现实意义。基于此,本文对神经网络训练算法在数控机床故障诊断中的使用进行分析,使故障诊断效率及精准度得到提高。
无摘要
为了准确检测铝合金机械铰链中存在的裂纹,提出基于图像识别的铝合金机械铰链裂纹检测方法。针对在现场获取裂纹图像时,会受到外界环境、传输过程中等多种干扰因素的影响,需要对裂纹图像进行预处理,利用灰度直方图对图像的灰度情况进行分析,将其作为依据,对图像进行分段线性拉伸,压缩裂纹图像中灰度两端区域上的噪声,在上述基础上,引入边缘检测方法,边缘检测采用一阶微分的方法进行计算,选用索伯尔算子,将2个模板进行组合形成1个新的梯度算子,将模板在图像上进行移动,分别计算不同位置所对应的的梯度值,获取存在异常区域的图像边缘,以达到铝合金机械铰链裂纹检测的目的。实验结果表明,所提方法能够快速、准确检测出铝合金机械铰链的裂纹。
随着互联网时代的发展、大数据的喷发,网络安全不仅是各国政府必须要慎重考虑的问题,而且与人民群众的生活也息息相关,人们对数据的保密性、传输安全性更加重视。论文以漏洞为例,介绍了框架的一些原Struts2-045Struts2理,包括语言的使用,以及请求在框架里执行的代码流程图。在本地搭建一个虚拟的实验平台来复现一次网络OGNLweb攻击,并以此来研究漏洞的攻击代码。传统的检测方法是通过流量的中是否包含关键字来检测,论文尝试采用算法来检测漏洞,介绍了的原理,提出了基于检测方法的思路和原理。利用软件做了数SVMSVManaconda据集的仿真实验,并通过一些机器学习的通用指标来和传统的关键字的检测方法比较,在精确度、召回率、精确度上取得了SVMStruts2s2-045payload比较好的结果,为实现在线检测提供了一些新思路。
智能制造过程中需要多个传感器检测参数和输出控制执行器,导致工作现场由于线多而使检测控制可靠性降低。论文设计开发工业现场总线集线器,配备物理接口。该集线器以英飞凌单片机作为主控制器,具有CANM8传感器输入信号自定义,数据采集和总线数据传输等功能。并可根据现场要求对集线器参数在线标定,具有一定灵活XC2234LCAN性。同时,在较多传感器信号环境下,可把总线集线器并联,组成总线网络,作为多从站和主站进行通信,大大减PLC总线参数,能够广泛应用于工业自动化CAN少传感器线束。经验证,该集线器可准确采集多传感器信号,并且可自由配置领域。
电气化铁路作为一种典型干扰源,是影响电网电能质量的不容忽视的重要因素,其产生的谐波、负序会对电网造成多种污染,影响电网的正常运行。为了及时发现上述电能质量问题,提出一种针对电气化铁路的电能质量趋势分析方法,方法分为两个阶段:首先对有功功率指标运用聚类方法得到主供监测点,然后针对主供监测点运用时间序列分析模型对其主要指标(如谐波电流、谐波电压等)进行建模并预测其趋势。上述方法已经应用到电网谐波分析系统KMeansARIMA中。论文运用该系统采集的实际监测点数据进行了实验验证,验证结果表明,该方法百分比绝对误差(MAPE)为。27.29%该方法可以有效预测电气化铁路电能质量指标的变化趋势,为后续治理决策提供了依据。
经验模态分解类算法处理非线性、非平稳信号具有良好的自适应分解能力,可以将复杂信号分解成按照频率由高到低顺序排列的固有模态函数形式,提取分解后的模态函数构造滤波器可以实现对原始信号的降噪处理。针对构造滤波器时对模态函数缺乏最优的筛选指标,从而影响到降噪的准确性与降噪效果,提出一种基于CEEMDAN的最优平滑降噪算法。通过参数调节方式对模态进行筛选,从而设计出性能最优的滤波器实现对信号的降噪处理。通过模拟实验与实际实验,验证了该算法对于转动机械噪声信号具有良好的降噪效果。
远程监控可高效掌握设备运行状态.对设备故障的检测与维护意义重大。针对当前相关方法存在异常报警准确率低、延迟时间长的问题,提出基于中间件的电子器件测试设备信息远程监控方法。首先,将设备信息监控构架划分成两层,一层由监控中心服务器、设备运行现场局域网络和设备现场主机构成。一层利用监控中心服务器和主干网以及监控管理设备构成,通过现场主机得到设备工作状态数据信息。监控通讯程序利用指令传输通道获取设备的运行状态数据信息,并依据先人先出的信息队列控制模式通过指令通道迭代式地向监控中心各联网部分传输状态查询命令,以此判断设备正常与否。在此基础上将因果条件和稳定性条件作为监控数据传输信道数字滤波器构建的约束条件,得到IIR数字滤波器,实现监控信息传输信道的滤波。使用故障树模型实现监控中心的异常告警,将监控流量报警划分为危险报警与故障报警,得到测试设备远程监控报警信息。实验结果表明,上述方法除了异常报警准确率高、延迟短之外,还具有很强的抗干扰能力。
低重线性码在秘密共享方案、认证码、结合方案及强正则图的构造中有重要的应用。借助布尔函数构造出了一类二元三重或四重线性码,应用有限域上的特征和理论与布尔函数的Walsh谱确定了这类码的参数及重量分布。文中得到的三重码可用来构造秘密共享方案和结合方案,且所构造出的线性码的对偶码均为关于Sphere-packing界的最优码或几乎最优码。
采用集成学习模式进行入侵检测时,可以获得比单个学习器更高效的网络攻击识别过程,并能显著提高识别准确率。设计的SN通过MDM对各KELM子学习器计算得到集成增益度,从中选出具有较高增益度的KELM子学习器再实施集成。选择Bagging方式完成抽样集成过程,同时以Hadoop分布式结构对算法实施训练,通过并发方式完成各子KELM的检测,使算法达到更高的效率。通过测试发现,不管对于公共KDD99数据集还是以手工方式建立的网络物理仿真系统,SN都可以高效发现各类入侵行为,满足实际应用要求。
人类对于生传输%利STDP学的处理主要依赖于构成复杂神经网络的数十亿个神经元,并且构建基于LIF模型的两层脉冲神经网络结构,并对类层冲的形式,一投题中的性能%在MNIST数上制%通过多训练后对神经元类验验证,结果,该投制投票,优化同等神经元数量的网络机构类问达到98.1%,与等网络规模下未采用投制的脉冲神经网络相比,平均6%,而且神经元数目较少时,加训练情况下,可与更加复杂网络结构相同的训练结果%
证券市场是完整的市场体系的重要组成部分, 对整个经济的运行具有重要影响. 证券交易系统的安全稳定运行是证券业界非常关注的课题. 本文设计一个可以快速实时响应、灵活监控证券公司各个交易系统的网络连通和业务功能运行情况的监控系统(RSCMS), 以提高部门的实时监控效率, 并为系统的运行情况提供数据评估的依据. 本文研究了监控系统关键技术的解决方法, 并提供了在证券公司运行的成功案例
针对当前动态加速技术(inteldynamicacceleration,IDA)系统中由于数据集中处理缺陷,影响系统入侵检测精准性的问题,提出了基于Agent人工智能技术的分布式入侵检测系统设计;在系统总体结构支持下,分析控制中心、网络主机、分区控制中心和Agent库;根据响应库中的响应规则采取对应的响应策略,利用通信模块及时判断入侵行为是否异常,使用s5720s一28P-sI-AC24口全千兆三层网管企业级网络核心交换机,进行数据交换;选择AD2032型号的报警响应器,能够监视外来人侵行为;通过V1.2绿色电脑信息检测器,对系统内存和驱动磁盘进行全方位评估;分析主体通信的实现方式、通信?肖息格式和通信协议,设计以Agent为基础的数据移动过程;借助Libpcap库函数,设计入侵检测流程;设置攻击环境与参数,由系统调试结果可知,该系统最高检测精准度可达到99%,为保证网络安全使用提供设备支持。
为了对篮球比赛视频中的关键角色和重要事件进行检测,考虑到“注意力”与正在进行的篮球活动高度相关,提出一种基于注意力模型的方法。构建篮球比赛数据集,对11个关键的事件类型进行手工识别;对视频中的运动员进行跟踪,跟踪特征采用双向长短期记忆(Bi-directionalLongShort-TermMemory,BLSTM)网络表示,使用注意力模型从输入到输出对元素进行对齐;使用另一个BLSTM对受关注的特征进行处理,以进行事件的检测和分类。实验结果表明,所提方法在事件分类和检测上的性能均优于一些同类方法。另外,除对篮球事件进行识别之外,还能够识别参与事件中的关键球员。
为了实现对低压电器用电的实时监测,该文提出一种采用电压电流()轨迹作为负荷特征的非侵入式负-V-I荷监测()算法。文中首先基于物理意义提出了十个轨迹特征,然后以视在总功率的变化作为低压电器用电状态NILM变化事件的检测标准,随后通过平滑和插值算法来提取V-I载识别。测试结果表明,该算法具有较好的负荷识别精度。V-I轨迹,最后基于轨迹特征采用支持向量机多分类算法进行负V-I
无摘要
隧道结构与环境的复杂性,使得隧道裂缝的检测环境存在较多干扰,如混凝土泥浆、污渍、渗水的面积较大,与细小裂缝的对比度较低,利用常规的形态学方法很容易漏检裂缝。为解决此问题,提出一种基于分数阶傅里叶变换的裂缝检测方法。该方法通过分数阶傅里叶变换将裂缝图像映射到时频域空间,实现信号的时频域展开;同时不同阶次的分数阶傅里叶变换对应不同的时频域,有利于提取裂缝图像中的污渍特征,通过背景信息补偿污渍区域,均衡了图像背景的对比度;结合分数阶微积分方法对图像进行增强,最后利用连通域方法提取裂缝。实验结果表明,提出的方法能够有效去除隧道壁污渍,检测出低对比度的隧道裂缝。
为了研究个体收益和代价实现总体净收益的最大化问题,提出了利益驱动的人工神经网络(ANN)分类方法。该方法引入了惩罚函数,根据实例不同的重要程度对不同实例的误分类给予可变惩罚,并在之后对净利益进行最大化处理。为了生成对个体的惩罚,参照每个实例的收益,通过改变函数值对误差平方和函数进行了修改,提出了七个不同版本的ANN模型。两个欺诈信息的实验结果表明,与原ANN、决策树和朴素贝叶斯分类器相比,所提模型的不同版本在净利润项上的性能优于其他方法,而且能够针对不同的数据集采用不同的权值生成方式。
网络空间中充斥着大量的恶意代码,其中大部分恶意程序都不是攻击者自主开发的,而是在以往版本的基础上进行改动或直接组合多个恶意代码,因此在恶意程序检测中,相似性分析变的尤为重要。研究人员往往单一种类的信息对程序相似性进行分析,不能全面地考量程序的有效特征。针对以上情况,提出综合考虑动态指令基本块集合的语义特征和控制流图的结构特征的程序相似性分析方法,从语义和结构两个维度对恶意程序相似性进行分析,具有较高的准确度和可靠性。