基于注意力机制的轻量化YOLO v5s蓝莓检测算法

为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA(Multi‐head self‐attention,多头自注意力)替换了SPPF(Spatial pyramid pooling‐fast,快速空间金字塔池化)前面的C3模块,使模型学习到更全面的特征表示,增强模型对蓝莓图像中复杂空间关系和上下文信息的理解能力。最后,在C3模块中加入了S-PSA(Sequential polarized self‐attention,顺序极化自注意力),以便模型能够更好地捕捉特征图中相邻区域之间的上下文依赖关系。结果表明,改进后的YOLO v5s算法对成熟、半成熟和未成熟蓝莓的检测精度分别提升1.2、4.4、2.6百分点,平均精度提升2.7百分点,模型参数量减少76.0%。与当前主流轻量化目标检测模型相比,改进后的模型性能更加优越,能为自然环境下蓝莓采摘机器人视觉系统提供一种有效的方案。

基于改进U-Net的轻量级眼底病变分割算法设计

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块,提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用GhostModel替换原始卷积,设计出Ghost卷积与Ghost下采样卷积模块,在保证准确度的同时降低参数量;设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息,针对不同尺度病变目标,引入CBAM注意力机制以改善其适应性,从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%,F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48M、35.46GMac,较U-Net、Att-UNet等模型更加精简,分割精度更高。

无线传感器网络通信协议

集成了微机电系统、无线通信和现代网络等多项技术而形成的无线传感器网络是一种全新的信息获取和处理模式,其通信协议研究面临许多新的挑战。文中对各种具有代表性的协议算法性能进行了深入的比较性研究,分析指明了WSN协议设计的挑战性。

Internet端到端拥塞控制研究综述

本文描述了Internet中端对端拥塞控制技术的内容和特点,分析了标准化拥塞控制算法所涉及的技术难点及不足,概括了拥塞控制算法的发展历程,并根据目前最新的研究情况,提出把控制与优化理论引入网络拥塞控制的思路,最后总结出进一步的研究趋势和方向。

基于双向循环生成对抗网络的无线传感网入侵检测方法

针对无线传感器网络(WSN)入侵检测方法在离散高维特征的不平衡数据集上检测精度低和泛化能力差的问题,提出一种基于双向循环生成对抗网络的WSN入侵检测方法 BiCirGAN。首先,引入对抗学习异常检测(ALAD)通过潜在空间合理地表示高维、离散的原始特征,提高对原始特征的可理解性。其次,采用双向循环对抗的结构确保真实空间和潜在空间双向循环的一致性,从而保证生成对抗网络(GAN)训练的稳定性,并提高异常检测的性能。同时,引入Wasserstein距离和谱归一化优化方法改进GAN的目标函数,以进一步解决GAN的模式崩坏与生成器缺乏多样性的问题。最后,由于入侵攻击数据的统计属性随时间以不可预见的方式变化,建立带有Dropout操作的全连接层网络对异常检测结果进行优化。实验结果表明,在KDD99、UNSW-NB15和WSN_DS数据集上,相较于AnoGAN、BiGAN、MAD-GAN以及ALAD方法,BiCirGAN在检测精确度上提高了3.9%~33.0%,且平均推断速度是ALAD方法的4.67倍。

无线传感器网络拥塞控制研究

介绍了无线传感器网络拥塞控制的内容和特点,仔细分析了在无线传感器网络中实施拥塞控制算法所涉及的技术难点及不足,并对现有工作进行了归纳和总结。最后,探讨了发展初期该研究领域的未来发展方向。

无线网络拥塞控制最新研究进展

描述了已有的TCP拥塞控制技术的内容和特点,仔细分析了在现有无线网络中实施拥塞控制算法所涉及的技术难点及不足,对各种算法的改进、性能等相关问题进行了比较性研究;并根据目前最新的研究情况,提出把控制与优化理论引入到无线网络拥塞控制中的思路,最后总结出进一步的研究趋势和方向。

模拟人工蜂群的高维数据特征选择算法研究

针对高维数据集结构复杂且冗余度高的问题,提出一种新型二进制人工蜂群算法进行特征选择。该算法在雇佣蜂蜜源搜索阶段应用差分思想,增加多项式差分变异算子,实现蜜源更新环节的多维性、高效性;在跟随蜂阶段和侦察蜂阶段分别引入交叉算子和最优保存策略,进一步打破局部最优,有效提升了人工蜂群算法的收敛效果;对蜜源的二进制初始化处理,使得算法在特征选择过程中取得了良好表现。在4个Benchmark测试函数上进行实验,结果表明,新算法的寻优精度和收敛速度优于其他4种经典搜索算法。同时,选取7个常用高维数据集进行特征选择,并与7种经典降维算法进行对比,发现新算法的特征约简程度普遍高于88%,并且随着数据集维度的增高,新算法的降维程度和分类精度优于其他7种降维算法。

下一代互联网的可信性

本文首先概述了互联网可信性的研究概况.然后剖析了造成信任危机的原因;在给出可信性的基本定义之后,讨论了互联网可信性的网络体系结构和协议工作模型,并归纳了目前互联网最新的网络安全技术.最后给出了下一代互联网可信性研究的关键问题与展望.

基于MSDB-ResNet的水稻病虫害识别

【目的】水稻产量关乎全人类的粮食安全,如何有效地预防和高效地检测水稻病虫害是智慧农业领域的重要课题。深度学习由于具备自主学习图像特征等优异性能,成为水稻病虫害识别的首选方法。但在自然环境下,数据集偏小,且容易受到复杂背景的影响,在训练过程中容易产生过拟合,以及细微特征难以提取等问题。本研究致力于解决上述问题。【方法】提出一种基于改进ResNet的多尺度双分支结构的水稻病虫害识别模型(MSDB-ResNet)。在ResNet模型的基础上,引入ConvNeXt残差块,以优化残差块的计算比例,构建双分支结构,通过调整每条分支的卷积核大小,提取输入病害图像中大小不同的病害特征。针对现实环境复杂、数据集太小、过拟合等问题,利用从自然环境拍摄到的5932张水稻病虫害图像,使用随机亮度、运动模糊等数据预处理方法,以及镜像、裁剪、缩放等数据增强方法,将数据集扩充到20000张,训练MSDB-ResNet模型识别4种常见的水稻病害。【结果】MSDB-ResNet在水稻病虫害数据集上具有良好的识别性能,识别准确率高达99.10%,较原ResNet模型提高了2.42个百分点,明显优于AlexNet、VGG、DenseNet和ResNet等经典网络。该模型具有良好的泛化能力和极强的鲁棒性。【结论】MSDB-ResNet模型在水稻病虫害识别中具有一定的可行性和先进性,可为实现复杂背景下的水稻病虫害识别提供参考。

基于Elman神经网络的COVID-19传播特性预测

基于整个新型冠状病毒肺炎(COVID-19)疫情发展过程中所呈现的特点,在有限的数据情况下,使用过去事件中新增感染人数、媒体宣传力度、政府隔离强度以及公共场所消毒程度等因素作为动态信息来训练Elman神经网络,用以学习COVID-19疫情发展情况,使得Elman神经网络掌握疫情的传播规律。通过模拟仿真,发现经过有效训练后的Elman神经网络具备对COVID-19传播发展的各个关键时间节点进行精准预测的能力,实验数据表明:预测的疫情发展时间关键节点与实际疫情发展情况基本吻合。

基于XGBoost ARIMA方法的PM_(2.5)质量浓度预测模型的研究及应用

针对PM_(2.5)时间序列的非线性、高噪声、不平稳与波动性的特征,提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例,选择PM_(10)、SO_(2)等4个影响因子,PM_(2.5)为目标因子,构建混合预测模型以合理区分与处理时间序列中高频、低频数据,并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明,提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_(2.5)质量浓度日均数据预测,实现了针对大气污染物日均质量浓度的准确预测,能够为污染治理与政策制定提供科学的数据支撑;该方法与经典预测模型相比,具有更优的预测性能(平均绝对误差仅为10.46518,且希尔不等系数低至0.08589)。

轻量级词典协同记忆聚焦处理的Web攻击检测研究

使用深度学习模型检测Web攻击,输入完整的HTTP文本会使词典增大,进而导致模型参数过载,增加存储成本。此外,攻击载荷的位置不确定性及语义复杂性会导致漏报率高。针对模型参数过载和漏报攻击载荷问题,提出了一种基于轻量级词典协同记忆聚焦处理模型的Web攻击检测方法。生成轻量级词典,结合轻量级词典的预处理规则,依次执行保留、替换、添加、丢弃等操作预处理HTTP文本,减轻参数过载问题。结合基于双向长短时记忆和多头注意力机制的记忆聚焦处理模型,提高记忆能力和对攻击载荷的聚焦处理能力以降低漏报率。在模拟数据集上新方法的准确率为98.66%,比URL_WORD+GRU提高了3.19百分点,在检测的攻击类型中,最低的漏报率为0.60%。实验结果表明:新方法能有效解决参数过载问题,提高检测准确率,同时降低漏报率。

药库管理的计算机网络技术

利用计算机网络技术对医院药品进行管理,可以实现准确的录入药品库位编码,并对药品信息进行排序、批号跟踪,以及出库管理,调价管理,库存管理和查询系统,使药库各项工作更加规范化、科学化。

对Sack拥塞控制算法的研究

针对Sack算法展开论述,详细分析了Sack存在的问题,并分别就慢启动,延迟响应对TCP性能的影响给出了解决方法,为今后进一步的研究奠定了基础,最后提出了进一步的研究方向。

对CAI教学新模式的研究

本文以计算机辅助教学的发展历程为背景,描述了CAI的内容和特点,分析了现有的CAI教学中存在的难点及不足,针对这些局限性,介绍了新引入的CAI教学模式,最后总结出未来CAI的主要发展方向。

TCP拥塞控制技术初探

首先探讨了网络拥塞出现的原因,然后分析了TCP拥塞控制的原理及四个TCP拥塞控制算法的性能,接着着重论述了TCP拥塞控制所面临的问题和对应算法的改进,最后提出了其进一步的研究方向。

可能的WSN协议分层模型

集成了微机电系统、无线通信和现代网络等多项技术而形成的无线传感器网络是一种全新的信息获取和处理模式,其通信协议研究面临许多新的挑战。描述了WSN的性能特征;提出了可能的WSN通信协议分层模型;并在新的通信协议模型下,对协议中的各个层次功能进行了深入地分析。为进一步研究WSN通信协议提供了必要的理论基础。

新型GAN的WSN异常检测方法

为实时预警无线传感器网络(WSN)进行数据传输过程中的一系列威胁,提出一种新型生成对抗网络(GAN)的WSN异常检测方法。采用梯度归一化和代价距离改进的GAN目标函数,与改进的对抗学习异常检测方法相结合,能准确、全面地将数据流特征的分布情况映射到潜在空间,使生成器在训练过程中增加生成数据的多样性,提升模型的鲁棒性;引入带有丢失操作的全连接层网络体系,显著增强对WSN中数据流异常状态的识别能力。仿真结果表明,该方法可全面有效地提高入侵检测方法的综合检测效果。

正确看待与使用CAI

CAI作为一种现代化的教学技术,已越来越受到人们的重视,但目前实际使用效果却不尽如人意。为此,概述了现在CAI教学模式的形势,分析了CAI的缺陷,提出了一些应注意的问题。