-
题名动态元胞传输模型仿真设计
- 1
-
-
作者
李曙光
张敬茹
余洪凯
杨康康
-
机构
长安大学电子与控制工程学院
-
出处
《郑州大学学报(工学版)》
CAS
北大核心
2011年第6期105-107,112,共4页
-
基金
国家自然科学基金资助项目(60804049)
长安大学中央高校基本科研业务费(CHD2010JC022)
-
文摘
基于元胞传输模型(Link-Node Cell Transmission Model)给出了路网交通流仿真流程.在Matlab环境下使用该流程对单向4车道高速公路上交通流进行仿真,并分析了其交通拥挤波的形成过程和消散过程.仿真结果表明:元胞传输模型能够很好地描述车辆排队形成和消散过程.因此,主干道宏观参数、交通事件的管理策略等对车辆的通行能力也有很大的影响.
-
关键词
元胞传输模型
元胞密度
交通流量
交通拥挤
-
Keywords
cell transmission model
cell density
traffic flow
traffic jam
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
-
题名基于雾扰动的图像分类对抗性攻击方法
- 2
-
-
作者
高瑞均
郭青
余洪凯
冯伟
-
机构
天津大学智能与计算学部
国家文物局文物本体表面监测与分析研究重点科研基地
School of Computer Science and Engineering
Department of Electrical Engineering and Computer Science
-
出处
《中国科学:信息科学》
CSCD
北大核心
2023年第2期309-324,共16页
-
基金
国家重点研发计划(批准号:2020YFC1522701)
天津市面上项目(批准号:18JCYBJC15200)
国家自然科学基金(批准号:62072334)资助项目。
-
文摘
对抗性攻击是研究深度神经网络脆弱性的前沿技术.然而现有工作大多关注基于加性噪声扰动的攻击,无法代表现实世界中的扰动因素,阻碍了对抗性攻击的实际应用.雾作为现实世界中广泛存在的自然现象,对图像造成显著影响,不可避免地对深度模型构成潜在威胁.本文首次尝试从对抗性攻击的角度研究雾对深度神经网络的影响,并提出两种基于雾扰动的对抗性攻击方法:基于优化的雾扰动对抗性攻击OAdvHaze,在深度神经网络的指引下优化大气散射模型参数,以合成有雾图像,该方法具有较高的攻击成功率.预测式雾扰动对抗性攻击PAdvHaze,采用深度神经网络直接预测雾合成参数,提高了对抗性攻击的速度.本文在ILSVRC 2012和NIPS 2017两个公开数据集上验证了所提出方法的有效性,OAdvHaze和PAdvHaze取得了与最先进攻击方法相当的攻击成功率和可迁移性.该工作将有助于评估和提高深度神经网络对现实世界中潜在雾扰动的鲁棒性.
-
关键词
对抗性攻击
图像分类
雾合成
深度学习
图像处理
-
Keywords
adversarial attack
image classification
haze synthesis
deep learning
image processing
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-