基于网络流量时空特征和自适应加权系数的异常流量检测方法

针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征,并引入MSE,多角度自适应特征加权,强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM,捕捉流量数据的时序依赖性,进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类,实验结果验证了所提模型在异常流量检测领域的有效性。

基于LSTM-Attention网络的短期风电功率预测

提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTM-Attention模型具有更高的预测精度,证明了该方法的有效性。

论建立大学生村官长效机制的政策导向

目前学术界对大学生村官计划的利弊得失尚未形成共识。从大学生村官计划的初衷和理论逻辑来看,其积极意义是不容置疑的,但现行的政策导向属于反向激励和短期激励,不利于建立大学生村官长效机制。正确的政策导向应当是:加强对大学生村官计划的正向激励和长期激励,从工业反哺农业、城市支持农村、统筹城乡关系的战略高度加大对大学生村官计划的经费投入,可以借鉴复员退伍军人安置制度和国家、省部级等课题规划制度对大学生村官给予经费支持;推行大学生村官村民"合同制"和任职年限弹性制度,鼓励永久任职,大学生村官配额应重点向老、少、边、贫农村地区倾斜。

利益驱动说与个人潜力挖掘——实现“终极体验”的动力

本文根据西方社会心理学、生理心理学、人格心理学的研究成果,结合中国文化完善人性的理论,提出赋予行为动机以利益,经过事先、即时、事后构建利益来产生长时程兴奋,辅以预警机制、自律机制、调节机制来维护、保养、再生长时程兴奋,可解决不喜欢学习和学习效率不高的问题,进而实现"高峰体验",挖掘身体的最大潜能,享受学习、生活、工作并做出业绩,实现人性的完善。最后,本文经过教学实验,并以马斯洛的科学价值论,对此机制进行了验证。