融合SKNet与MobilenetV3的芒果叶片病虫害分类方法

【目的】针对芒果叶片病虫害缺少数据集和识别准确率低的问题,筛选构建芒果叶片病虫害分类模型,以提高芒果叶病虫害分类准确率。【方法】提出使用去噪扩散模型进行病虫害数据增强,同时联合SKNet与MobilenetV3模型的芒果叶片病虫害分类方法。首先使用去噪扩散模型对数据集进行扩充,再采用多尺度结构相似性指标对生成的病虫害图像与拍摄的病虫害图像之间的相似程度进行评估,接着对DDIM与DCGAN网络训练和生成效果进行比对。在MobilenetV3模型中,将SE注意力模块替换为SKNet模块进行构建网络模型。【结果】使用DDIM生成的所有类型的病虫害图像与拍摄的病虫害图像的MS-SSIM指标均大于0.63,且都高于DCGAN。相较于其他注意力模块,联合SKNet与MobilenetV3的分类效果最佳,在98%以上。对添加CA、CBAM、ECA注意力模块进行平滑类激活图可视化,对比其他注意力模块,使用SKNet注意力分布区域更为集中在病虫害叶片上。【结论】该方法在病虫害叶片检测上具有良好的应用前景,能提升病虫害识别效率与精度,减少检测成本,同时可应用于移动式或者嵌入式设备。

基于Attention-GRU-GAN神经网络的亚马逊平台下电商公司销量预测

为提升电商平台商家备货效率,构建了一种适用于亚马逊跨境电商平台的销量预测模型,通过对某类型商品历史销量数据、产品特征数据以及产品的增量数据等一系列输入进行训练学习。该模型通过对GAN(generative adversarial network)网络、GRU(gate recurrent unit)网络以及注意力机制的结合使用,使其具备更高的预测准确率,同时通过增量式学习策略,在保证预测准确率的前提下使得模型训练时间大为缩短,为商家对商品的库存规划提供了一定的指导。

电致发光缺陷图像非均衡样本生成与评估

太阳能电池板缺陷降低了光电转换效率和使用寿命,因此必须进行缺陷检测。YOLO和GoogleNet等深度学习模型提高了准确性,但数据集的缺陷样本不平衡会影响模型的准确度。为解决此问题,本文提出了改进的扩散概率模型。该模型使用sigmoid方案更新加噪策略,生成缺陷数据中的黑斑片,并通过目视判断和目标检测算法评价生成图像质量。实验结果显示,与传统数据增广、DCGAN和DDPM等方法相比,SIG-DDPM在生成图像质量方面更出色。经过目视判断和目标检测算法的测试,生成的黑斑电池片图像接近真实图像,说明了该方法的有效性。

认知无线网络中的轻量级物理层辅助认证

由于无线信道的开放性和无线传输的广播特性,认知无线网络很容易遭受消息篡改、伪造、窃听以及拒绝服务等攻击.为了抵抗这些攻击,研究人员提出了许多物理层认证技术.相比于传统的密码学认证机制,物理层认证技术更快速、更高效.因此非常适用于对认知无线网络中资源受限的终端进行连续、实时的认证.但现有的物理层认证技术无法实现初始认证,而且在认证过程中丢包事件时常发生,导致认证时延较长,认证效率较低.本文将传统密码学认证技术与物理层认证技术相结合,提出一种轻量级的跨层认证方案.该方案只在初次认证采用密码学技术,其余认证采用快速高效的物理层认证技术,提高了认证效率.本文方案采用改进的归一化统计量,使得门限的计算变得更为简单,有效地降低了计算复杂度,减少了用户的认证等待时延.此外,本文采用了基于哈希链的认证方法,保证了在丢包情况下仍能实现连续的认证.性能分析表明,与现有的方案相比,本文的方案在提高认证效率方面具有较大的优势.

股价特质性波动视角下我国是否应放开回转交易制度?——基于A/B股分行业的准自然实验证据

选取我国A/B股总体和分行业的两阶段日数据作为准自然实验的样本数据,采用Fama-French五因子模型和DMYZ模型衡量股价特质性波动并构建双重差分模型,研究回转交易制度变更对股价特质性波动的影响作用,探求我国是否应全面放开回转交易制度。研究结果表明:总体上,在T+0回转交易制度下A股的股价特质性波动明显小于B股,但在T+1回转交易制度下A股和B股特质性波动相差不大;T+0回转交易制度提高了股价特质性波动,而T+1回转交易制度降低了股价特质性波动;分行业研究发现,除交通、信息、租赁行业不敏感之外,其余行业对不同回转交易制度的反应与总体一致。因此,出于稳定市场考虑,不建议我国现阶段全面开放回转交易制度,但可以A股市场的蓝筹股为试点,在股市整体进一步成熟稳定后再考虑逐步放开回转交易使其与国际制度接轨。