检索结果-内蒙古大学图书馆

第33届中国过程控制会议

作者：邹亚男伍小龙韩红桂李杰北京工业大学信息学部计算智能与智能系统北京市重点实验室北京城市排水集团有限责任公司

城市污水处理过程存在机理不清且多干扰等特征,导致操作变量难以实现准确控制。文中提出一种基于动态模糊神经网络的城市污水处理鲁棒逆控制方法,实现了关键操作变量溶解氧浓度的跟踪控制。首先,设计了一种基于非仿射系统逆运算的逆控制... 详细信息

城市污水处理过程存在机理不清且多干扰等特征,导致操作变量难以实现准确控制。文中提出一种基于动态模糊神经网络的城市污水处理鲁棒逆控制方法,实现了关键操作变量溶解氧浓度的跟踪控制。首先,设计了一种基于非仿射系统逆运算的逆控制器,解决了污水系统动力学无法描述情况下的控制律难以获取问题;其次,设计了一种基于动态模糊神经网络的超前自适应预测器,获得了基于扰动边界的补偿控制律,克服了控制器以及污水处理过程中同时存在的干扰;最后,利用投影算子完成控制器参数的在线调整,实现了控制器对溶解氧浓度的准确跟踪控制。基于国际基准仿真平台BSM1的实验结果验证了方法的可行性和优越性。

关键词：动态模糊神经网络溶解氧鲁棒逆控制城市污水处理过程

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的内核恶意程序检测研究与实现

引用

北京理工大学学报 2020年第12期40卷 1295-1301页

作者：田东海魏行张博郁裕磊李家硕马锐北京理工大学计算机学院软件安全工程技术北京市重点实验室北京100081 山西省军民融合软件工程技术研究中心山西太原030051

随着计算机科学的发展,世界对计算机的依赖越来越强,计算机安全也越来越重要,恶意代码是计算机安全面临的最大敌人.针对传统的恶意代码检测和分析技术在现在已经无法满足需求的问题,提出使用机器学习并应用新的分类特征来识别恶意程序,... 详细信息

随着计算机科学的发展,世界对计算机的依赖越来越强,计算机安全也越来越重要,恶意代码是计算机安全面临的最大敌人.针对传统的恶意代码检测和分析技术在现在已经无法满足需求的问题,提出使用机器学习并应用新的分类特征来识别恶意程序,并且对他们进行初级的家族分类,指出以往机器学习在恶意代码检测和分类上的不足,筛选出更好的区分特征.首先使用了n-gram算法来优化恶意代码反汇编代码中的操作码特征,然后使用词袋模型和TF-IDF算法优化API调用特征,最后编程实现模型并使用数据集进行了模型的训练和测试.实验中使用决策树算法的模型的分类准确率上达到了87.41%,使用随机森林算法的模型的分类准确率上达到了90.06%,实验结果表明提出的特征相比以往在恶意代码检测分类上应用的特征有着更好的效果.

关键词：恶意代码分类随机森林决策树操作码 API

来源：评论

学校读者我要写书评

暂无评论

浅谈病例报告与文献综述撰写训练对牙周进修教学质量提升的重要性

引用

中国实用口腔科杂志 2024年第6期17卷 699-703页

作者：黄振胡文杰北京大学口腔医学院.口腔医院牙周科国家口腔医学中心国家口腔疾病临床医学研究中心口腔数字化医疗技术和材料国家工程实验室国家卫生健康委员会口腔医学计算机应用工程技术研究中心口腔数字医学北京市重点实验室北京100081

我国人民牙周健康状况不佳,预防和控制牙周疾病是当前口腔医学界的重要工作,而掌握正确的牙周治疗理念和牙周专业前沿治疗技术的口腔医生数量明显不足。北京大学口腔医学院·口腔医院(以下简称“我院”)牙周进修教学目的是吸纳各地... 详细信息

我国人民牙周健康状况不佳,预防和控制牙周疾病是当前口腔医学界的重要工作,而掌握正确的牙周治疗理念和牙周专业前沿治疗技术的口腔医生数量明显不足。北京大学口腔医学院·口腔医院(以下简称“我院”)牙周进修教学目的是吸纳各地公立医院的医生来进修学习,进而提升基层医院牙周专科医生的数量与质量,为国家培养更多牙周专科人才。牙周进修教学存在各地医生对于牙周理论知识的掌握及实践技能参差不齐,重操作、轻总结的现象较为普遍等问题。基于此,我院牙周科多年来探索并完善一套完整的牙周进修教学模式,深刻认识到病例报告和综述撰写训练对于牙周进修教学质量提升的重要性和必要性,文章就病例报告和综述撰写训练教学特点做一介绍,为其他医学院校牙周教学模式的制定提供参考。

关键词：牙周病学进修教学综述撰写病例报告

来源：评论

学校读者我要写书评

暂无评论

基于CNN-LSTM融合网络的溢流早期预测深度学习方法

引用

石油机械 2021年第6期49卷 16-22页

作者：付加胜刘伟韩霄松李丰欣中国石油集团工程技术研究院有限公司北京市102206 符号计算与知识工程教育部重点实验室吉林大学计算机科学与技术学院

目前的人工神经网络和贝叶斯网络等方法无法连续长时间准确早期预测溢流。为此,针对钻井现场数据特点,提出基于CNN-LSTM融合网络的溢流工况预测深度学习方法,结合溢流的关键参数变化,融合多特征数据尽早发现溢流征兆,从而实现溢流工况... 详细信息

目前的人工神经网络和贝叶斯网络等方法无法连续长时间准确早期预测溢流。为此,针对钻井现场数据特点,提出基于CNN-LSTM融合网络的溢流工况预测深度学习方法,结合溢流的关键参数变化,融合多特征数据尽早发现溢流征兆,从而实现溢流工况早期预测。将采集的所有钻井特征参数用于模型训练和溢流预测,准确率高于单独的CNN结构或单独LSTM结构。为进一步提高模型效率和使用较少现场参数,有针对性地筛选了与溢流紧密相关的一些钻井参数进行试验,结果表明采用CNN-LSTM融合的网络结构优于单独的CNN或单独LSTM结构,预测准确率可达到89.55%。对某钻井数据的预测分析结果表明,该方法能够提前10 min准确预测溢流的发生,可为后续采取相应措施争取到宝贵时间。

关键词：溢流早期预测 CNN-LSTM融合网络深度学习钻井特征参数

来源：评论

学校读者我要写书评

暂无评论

深度学习在多天气分类算法中的研究与应用

引用

高技术通讯 2020年第10期30卷 1010-1017页

作者：陈思玮贾克斌王聪聪刘钧北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124 北京先进信息网络实验室北京100124 华云升达(北京)气象科技有限责任公司北京100081

针对目前多天气识别分类问题,提出了一种基于深度学习和计算机视觉的天气现象自动分类算法。采集并建立了一个包括雾霾、沙尘、雨、雪、霜、露6类天气的适用于任意场景的多天气现象数据集,改善了目前已见报数据集规模小、种类单一、只... 详细信息

针对目前多天气识别分类问题,提出了一种基于深度学习和计算机视觉的天气现象自动分类算法。采集并建立了一个包括雾霾、沙尘、雨、雪、霜、露6类天气的适用于任意场景的多天气现象数据集,改善了目前已见报数据集规模小、种类单一、只面向特定场景的情况;同时采用密集连接和池化均衡的结构搭建深度卷积神经网络(CNN)模型,训练并挖掘天气数据的特征与内在规律,用深度学习方法实现天气现象的自动分类。实验结果表明相比传统计算机视觉算法,该算法解决了严重依靠特征提取、适用场景单一问题;且比大多数深度网络模型参数更少、识别准确性更高,算法泛化性能大幅提升。

关键词：多天气分类深度学习卷积神经网络(CNN) DenseNet 迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于深度确定性策略梯度的粒子群算法

引用

电子科技大学学报 2021年第2期50卷 199-206页

作者：鲁华祥尹世远龚国良刘毅陈刚中国科学院半导体研究所北京海淀区100083 中国科学院大学微电子学院北京海淀区100089 中国科学院脑科学与智能技术卓越创新中心上海松江区200031 半导体神经网络智能感知与计算技术北京市重点实验室北京海淀区100083

在传统的粒子群优化算法(PSO)中,所有粒子都遵循最初设定的一些参数进行自我探索,这种方案容易导致过早成熟,且易被困于局部最优点。针对以上问题,该文提出了一种基于深度确定性策略梯度的粒子群优化算法(DDPGPSO),通过构造神经网络分... 详细信息

在传统的粒子群优化算法(PSO)中,所有粒子都遵循最初设定的一些参数进行自我探索,这种方案容易导致过早成熟,且易被困于局部最优点。针对以上问题,该文提出了一种基于深度确定性策略梯度的粒子群优化算法(DDPGPSO),通过构造神经网络分别实现了动作函数和动作价值函数,且利用神经网络可以动态地生成算法运行所需要的参数,降低了人工配置算法的难度。实验表明DDPGPSO相比9种同类算法在收敛速度和寻优精度上均有较大的提升。

关键词：自适应惯性权值收敛因子深度确定性策略梯度算法强化学习群体智能粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

一种基于模糊聚类的物理小区识别分配方案

引用

现代电子技术 2019年第17期42卷 14-20页

作者：刘濛涂山山肖创柏林强强北京工业大学信息学部北京100124 北京工业大学可信计算北京市重点实验室北京100124

用户在异构蜂窝网络(HCN)中寻求网络数据服务时,需要用到物理小区识别(PCI)对环境中不同的蜂窝小区进行识别。然而PCI的数量是一定的,传统的解决方案缺少合理利用有限数量的PCI机制,无法满足小蜂窝的大规模随机部署,同时也难以保障用户... 详细信息

用户在异构蜂窝网络(HCN)中寻求网络数据服务时,需要用到物理小区识别(PCI)对环境中不同的蜂窝小区进行识别。然而PCI的数量是一定的,传统的解决方案缺少合理利用有限数量的PCI机制,无法满足小蜂窝的大规模随机部署,同时也难以保障用户的网络质量(QoS)。针对以上问题,引入蜂窝小区“活跃度”概念,提出基于模糊分层聚类的PCI分配方案,采用欧氏距离法进行不同蜂窝小区相似度的求解,从而得到不同阈值下的蜂窝小区基站分类集群,并依据统计学中的方差分析法查找最佳阈值,优先对“活跃度”高的蜂窝小区基站群进行PCI的分配和复用。与现有方案比较,有效提高了用户的QoS以及PCI的分配效率。仿真实验结果表明,文中提出的基于欧氏距离法的聚类方法与传统的曼哈顿距离法、夹角余弦值距离法以及切比雪夫距离法相比,蜂窝基站分类结果更为合理,同时具备较低的PCI冲突混淆率。

关键词：异构蜂窝网络蜂窝小区聚类方法活跃度模糊聚类物理小区识别

来源：评论

学校读者我要写书评

暂无评论

基于小波域的深度残差网络图像超分辨率算法

引用

软件学报 2019年第4期30卷 941-953页

作者：段立娟武春丽恩擎乔元华张韵东陈军成北京工业大学信息学部北京100124 可信计算北京市重点实验室北京100124 信息安全等级保护关键技术国家工程实验室北京100124 北京工业大学应用数理学院北京100124 数字多媒体芯片技术国家重点实验室(北京中星微电子有限公司) 北京100191

单幅图像超分辨率(SISR)是指从一张低分辨率图像重建高分辨率图像.传统的神经网络方法通常在图像的空间域进行超分辨率重构,但这些方法常在重构过程中忽略重要的细节.鉴于小波变换能够将图像内容的"粗略"和"细节"... 详细信息

单幅图像超分辨率(SISR)是指从一张低分辨率图像重建高分辨率图像.传统的神经网络方法通常在图像的空间域进行超分辨率重构,但这些方法常在重构过程中忽略重要的细节.鉴于小波变换能够将图像内容的"粗略"和"细节"特征进行分离,提出一种基于小波域的深度残差网络(DRWSR).不同于其他传统的卷积神经网络直接推导高分辨率图像(HR),该方法采用多阶段学习策略,首先推理出高分辨率图像对应的小波系数,然后重建超分辨率图像(SR).为了获取更多的信息,该方法采用一种残差嵌套残差的灵活可扩展的深度神经网络.此外,提出的神经网络模型采用结合图像空域与小波域的损失函数进行优化求解.所提出的方法在Set5、Set14、BSD100、Urban100等数据集上进行实验,实验结果表明,该方法的视觉效果和峰值信噪比(PSNR)均优于相关的图像超分辨率方法.

关键词：单幅图像超分辨率小波变换卷积神经网络残差块

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的超密集网络中多用户上行功率控制方法

引用

南京师范大学学报（工程技术版） 2022年第1期22卷 16-23页

作者：毛晋熊轲位宁张煜张锐晨北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044 中兴通讯股份有限公司广东深圳518057 移动网络和移动多媒体技术国家重点实验室广东深圳518055 国网能源研究院有限公司北京102209

针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题.由于该问题非凸且功率控制为离散变量,将其建... 详细信息

针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题.由于该问题非凸且功率控制为离散变量,将其建模为马尔科夫决策过程.在此基础上,提出了基于深度强化学习的功率控制算法,并设计了相应的动作空间、状态空间及奖励函数.仿真结果表明,所提算法与最大发射功率策略和随机发射功率策略相比,分别提高了至少15.9%的信息容量和至少10.7%的用户服务质量满足率.与不考虑用户服务质量满足率提升的算法相比,所提算法通过适当降低信息容量,提升了用户服务质量满足率.

关键词：超密集网络功率控制信息容量服务质量深度强化学习

来源：评论

学校读者我要写书评

暂无评论

一种基于射频指纹的电力物联网设备身份识别方法

引用

中国电力 2021年第3期54卷 80-88页

作者：刘铭刘念韩晓艺彭林宁付华陈一悰北京交通大学计算机与信息技术学院(交通数据分析与挖掘北京市重点实验室) 北京100044 东南大学网络空间安全学院江苏南京210096 国网陕西省电力公司电力科学研究院陕西西安710054

由于通信媒介的开放性,电力物联网设备的无线通信过程面临着信息安全风险。提出使用无线设备固有的射频指纹作为物联网设备身份识别的依据,并利用深度学习技术实现双向设备身份识别,以增强无线接入阶段的安全性。该方法采用边缘计算的思... 详细信息

由于通信媒介的开放性,电力物联网设备的无线通信过程面临着信息安全风险。提出使用无线设备固有的射频指纹作为物联网设备身份识别的依据,并利用深度学习技术实现双向设备身份识别,以增强无线接入阶段的安全性。该方法采用边缘计算的思路,利用通信信道双向的互易性,将物联网终端设备需要完成的基站身份学习任务转移到基站处完成,降低了对于物联网设备算力、存储、能耗等方面的需求,适用于物联网应用场景。实验结果表明,该方法能够达到良好的设备身份识别性能。

关键词：电力物联网射频指纹无线接入安全信道互易设备身份识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：