基于深度强化学习的移动Ad Hoc网络路由选择

移动Ad Hoc网络由于其节点移动性强、拓扑结构动态变化的特点,对路由算法有收敛速度快、动态适应性强、信息容错度高等要求。现有的路由选择算法大多数不能很好解决移动Ad Hoc网络的动态变化特性带来的诸多问题。近几年,深度强化学习是人工智能领域的研究热点,在高维空间和决策控制方面有较好的表现。首先介绍了移动Ad Hoc网络及其特性,总结了路由选择问题的特性、要求及研究现状;然后,从基于值函数的深度强化学习路由研究、基于策略梯度的深度强化学习路由研究以及结合图神经网络的深度强化学习路由选择算法三个方面分析了深度强化学习在路由选择应用;最后分析深度强化学习应用于移动Ad Hoc网络路由研究领域的机遇与挑战。

基于频谱数据端到端的电台通联关系研究

对无线网络中通联行为进行识别和分析,对反恐维稳等国家安全具有重要意义。通联关系是挖掘无线网络中行为关系和网络中的隐藏信息的基础。通过识别通联关系,可以推测电台在通信网络中的层级位置,进而找到网络中的关键节点。端到端是指不需要人工设计专家特征,使用深度学习的方法直接通过频谱监测数据识别通联关系。经过仿真试验发现,残差神经的网络结构可以有效识别通联关系,在测试集上识别率达到99.02%。

气象网络数据安全及维护技术

计算机可以有效实现数据的存储和处理工作,因此在气象工作中其软硬件与相关技术的应用更为广泛。在气象观测以及数据传输中,计算机的使用虽然带来了一定的便利,但是网络安全问题也成为其工作的重点内容。本文结合多年保障气象工作的相关经验,构建了气象网络安全管理系统,并根据当前气象安全管理中常见的问题提出相对应的防范措施。