基于对抗修复网络的输送带表面缺陷检测

针对输送带缺陷数据获取和标注困难、输送带工作场景中的不稳定因素和数据波动导致基于深度学习的输送带缺陷检测方法精度低的问题,提出了一种基于对抗修复网络的输送带表面缺陷检测模型。该模型主要由自编码器结构的生成器和马尔可夫判别器组成。在训练阶段,将模拟的输送带表面缺陷图像输入生成器,得到无模拟缺陷的重构图像,提升模型对未知缺陷的泛化能力;将原始无损输送带图像、重构图像和模拟的输送带表面缺陷图像输入马尔可夫判别器,通过残差块获得特征图,提高模型对于微小缺陷的检测能力。在检测阶段,将待测图像输入训练完的生成器得到重构图像,再通过训练完的马尔可夫判别器提取待测图像与重构图像的特征图,根据待测图像与重构图像特征图之间的均方误差和待测图像特征图最大值,计算异常分数并与设定的阈值进行比较,从而判断待测图像是否存在缺陷。实验结果表明,该模型的接收操作特征曲线下面积(ROC-AUC)达0.999,精确率-召回率曲线下面积(PR-AUC)达0.997,单张图像检测时间为13.51 ms,能准确定位不同类型缺陷位置。

可修复网络稳态可用度分析

本文提出了可修复网络稳态可用度的数学分析方法。通过证明得出不可修复网络的可靠性多项式适用于可修复网络的可用度，只需相应地把部件的可靠度改为部件的可用度。

一种新的可信修复网络模型及其实现

为解决目前缺乏一种可行的可信修复网络框架问题,提出了一种新的、可行性强的可信修复网络模型,详细说明了该模型提供的功能和工作流程,着重阐明了可信修复网络的通讯机制和认证方法。仿真实验表明,该框架在保证网络系统安全性和可信性的同时,实现了为不满足可信网络安全策略的终端用户提供及时可靠的修复服务.

疫情局部封控下的航线网络修复策略分析

论文对疫情局部封控下的航线网络修复策略进行研究,设置航线网络修复场景,确定因疫情暂停航线的区域和航线网络修复路径备选方案,提出航线网络因子分配修复策略(RAS),采用基于粒子群优化算法(ASPSO)进行求解,以实现修复成本最小化目标。基于典型案例分析表明:航线网络因子分配修复策略综合了原有拓扑结构修复策略(OTRS)和拓扑结构调整修复策略(TARS),既可以避免长途航行,又可避免新航线引起的协调成本,航线网络修复成本较低,修复速度快,航线网络运行效率较高,能够实现最小的修复费用下航线正常运营的目标,能够为处于疫情局部封控条件及类似情景下的航空公司运营提供决策依据。

深度神经网络修复策略综述

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.

面向边缘部署场景的轻量神经网络修复算法

随着深度学习技术的不断进步,神经网络在各领域得到广泛应用,特别是在边缘计算环境中,例如智能交通和新型电网等典型场景.然而,神经网络的可靠性问题限制了其在真实世界的广泛应用.在复杂的边缘环境中,预训练模型往往因未涵盖所有可能的边缘情况而性能下降.因此,针对部署中的神经网络进行高效修复成为一个关键的研究课题.传统修复方法通常涉及整个模型的重新训练,这在边缘场景中具有诸多局限性.首先,不同地理区域的设备可能面临独特的自然噪声,使得统一模型难以适应所有环境.其次,深度神经网络的大规模参数使得其训练和部署时资源消耗巨大,且更新期间的服务中断将降低系统的可用性.为解决这些问题,本文提出了一种轻量级的补丁式神经网络修复算法.该算法通过引入个性化的补丁来增强神经网络对不同边缘环境中自然噪声和边角案例的鲁棒性.具体的,在故障定位阶段,类比于程序插桩中通过注入代码以检测、改进和分析软件行为,本文提出了神经网络插桩技术.通过将模型探针插桩进神经网络,观测其内部运行情况,实现了对错误样本的故障定位.在故障修复时,通过插入无监督搜索得到的神经网络补丁来纠正原始神经网络的输出.此外,本文提出了故障预测模块以提前预测潜在的错误输出,从而仅在必要时激活补丁.在基于2个数据集、15种噪声以及4个神经网络模型的实验中,与现有修复算法相比,本文方法在修复性能上取得了 6.64%至20.00%的提升.同时,本文方法所需的训练样本量减少了超过90%,而所需更新的参数量最高减少了 91.94%.这种有效且轻量的特性为解决边缘计算环境中神经网络的可靠性问题提供了有效途径.

关于数字赋能宽带网络质差用户多触点修复的研究

宽带网络质差用户的有效修复是运营商需要重点关注的问题,以数字化技术赋能宽带网络质差用户修复作为研究对象,分析宽带网络质差用户的优化需求,提出高频无源光网络(passive optical network,PON)口故障闭环管控、集中障碍小区跟踪管控、客户体验管理(customer experience management, CEM)嵌入生产助力质差用户修复等多触点解决方案,实现了降低高频故障率、减少宽带用户故障申告量、正向拉升宽带网络质量满意度评分等管理成效,以期为解决此类问题提供参考。

基于修复对抗网络的烟包表面缺陷检测方法

针对烟包表面缺陷检测方法存在识别准确率低、复用性差和检测条件高等问题,提出一种基于图像修复对抗网络的烟包表面缺陷检测方法。利用UNET网络改进上下文编码器构成修复网络,分别用扩张率等于2和3的空洞卷积提取不同粒度的特征信息,通过SK注意力机制对其赋予权重后融入到残差网络中构成判别网络,根据待测图像与修复图像的差值过滤掉缺陷特征比较明显的烟包,对差阈值附近的烟包用判别网络进行二次检测。在3000张烟包图像数据集上对比试验,结果显示,检测速度较快,准确率最高为97.5%,可以有效滤除表面缺陷的烟包。研究对包装盒表面缺陷的检测具有借鉴意义。

基于高效注意力模块的三阶段网络图像修复

现存的人脸图像修复方法,在图像大比例缺损或分辨率高的条件下合成的图像会出现图像纹理结构不协调和上下文语义信息不一致的情况,不能准确合成清晰的图像结构,比如眼睛和眉毛等。为解决此问题,提出一种基于归一化注意力模块(NAM)的三阶段网络(RLGNet)人脸图像修复方法,能加快模型收敛速度并降低计算成本。其中,粗修复网络对残损图像进行初步修复后,局部修复网络对残损图像局部进行细致的修复,基于归一化注意力模块的全局细化修复网络对残损图像整体进行修复,以增加图像的语义连贯性和纹理结构的协调性。该方法在CelebA-HQ数据集上进行实验,结果表明在掩码比例为20%~30%时PSNR达到30.35 dB,SSIM达到0.9269,FID为2.55,能够合成相邻像素过渡自然和纹理结构合理的人脸图像。

基于边缘先验融合动态门控特征的人脸图像修复

为解决现有人脸图像修复算法因无法提取动态特征和缺乏边缘先验信息导致修复大区域不规则破损时纹理模糊和结构扭曲问题,提出了基于边缘先验融合动态门控特征的人脸图像修复算法。首先,设计动态门控卷积模块动态提取破损区域特征,关联已知区域和缺失区域的有效特征,提升纹理细腻度;然后,设计动态门控边缘增强网络和U型编码纹理修复网络,边缘增加网络旨在获取边缘轮廓信息,为U型编码纹理修复网络提供结构先验约束;U型编码纹理修复网络采用UNet++融合多层特征以保证人脸修复图像结构和纹理一致性;最后,通过消融实验证明UNet++的有效性和通用性,并剪枝U型网络以选取适宜的人脸图像模型表征层进行缺失区域纹理重建,在CelebA-HQ人脸数据集上进行实验评估。实验结果表明:相较于主流算法,所提方法在SSIM上平均提升3.87%,PSNR平均提升3.79 dB,FID平均下降16.54%,能有效修复大区域不规则缺失面积,生成纹理清晰、结构合理的图像。

基于拓扑信息的网络修复

网络生存性与网络拓扑结构密切相关。该文从拓扑信息与通信传输网络的区别和联系出发,分析拓扑图论与网络生存性的关系,介绍拓扑图论算法在网络修复中的实际应用,对基于网络分割的故障修复算法、基于拓扑结构的修复路径选择算法、用于链路故障保护的P-Cycle算法等进行比较,研究和探讨了目前网络修复中亟待解决的问题。

基于MobileNetV2特征提取的自修复表情识别算法

为了减少自修复网络(Self-Cure Network,SCN)表情识别算法的计算量、参数量,提高模型精度,采用改进的MobileNetV2来做人脸表情图像的特征提取。调整MobileNetV2的网络层结构;在模型中嵌入CA注意力机制;采用全局逐深度卷积(GDConv)代替全局平均池化层;调整深度卷积的卷积核大小;调整宽度因子降低模型的参数量。改进后的算法在公共标准数据集RAF-DB和FERPlus上精度分别较SCN提高了7.81%和5.37%,且具备SCN的算法优点;参数量和计算量分别是原模型的1.5219%和4.9511%,且远低于其他对比模型,为轻量级表情识别算法的研究提供参考。

工业物联网中大规模受损边缘计算网络修复机制

针对工业物联网中边缘计算网络与其余子网的相互依赖特性所导致的网络大规模级联故障问题,考虑到网络修复初期的资源有限性,提出了一种联合考量计算需求与修复开销的网络修复机制。考虑到受损网络结构(拓扑关系与链路容量)和动态特征(边缘计算节点计算需求),基于节点计算量守恒定理构建了链路修复策略集与网络计算迁移的联合分析框架。基于Benders分解算法,将原NP-hard问题转化为相互依赖的主问题与子问题,通过割平面的不断逼近,实现对原问题最优解在多项式时间内的高效探索。结合局部分支法,进一步保障Benders分解算法的上界在迭代过程中的非增特性,加快算法收敛速度。仿真结果表明,所提算法的系统总开销性能优于传统基于拓扑结构的修复算法,并且可以在多场景下保持其性能优势。

手指静脉红外图像血管网络修复新方法

由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。

脑内神经网络修复关键点的临床验证

背景:细胞移植的安全有效靶点选择,是临床研究的重要方向。对脑内是否存在能发挥重要治疗作用的点或区域,以最大限度对神经网络发挥良性影响进而修复,是研究先行者必须优先考虑的课题之一。目的:通过临床资料分析,证实细胞移植脑内神经网络修复关键点(KPNNR)理论的客观性、真实性和实用性。方法:2003-05/2009-01共有631例各类中枢神经系统疾病患者接受神经网络修复关键点嗅鞘细胞移植,其中609例资料齐全,男392例,女217例;年龄1.2～84(42.87±19.64)岁,病程0.4～35(5.11±5.46)年。疾病分布:肌萎缩侧索硬化432例次、脑性瘫痪110例次、多发性硬化25例次、共济失调12例次、多系统萎缩7例次、遗传性痉挛性截瘫6例次、持续性植物状态6例次、痴呆2例次、脑缺氧后遗症2例次、帕金森叠加综合征2例次、非特异性脑炎后遗症2例次、肾上腺脑白质营养不良1例、核黄疸后遗症1例、皮质基底核变性1例。患者来自75个国家或地区。结果与结论:细胞移植后随访2～8周,平均4周,609例次中526例次神经功能获不同程度改善,近期总改善率为86.37%,其中肌萎缩侧索硬化改善率为87.96%。脑性瘫痪改善率为82.7%,特别是4例伴有癫痫者,术后发作明显减少。共济失调改善率为83.3%。遗传性痉挛性截瘫改善率为83.3%。围手术期出现不良事件共33例次,发生率为5.4%,主要为术后头痛、发热等,多经对症治疗后痊愈。结果提示,大脑内神经网络修复关键点(KPNNR)客观存在,在该点进行嗅鞘细胞移植安全可行,能改善多种中枢神经系统疾病患者的神经功能和(或)延缓病情的进行性恶化。

多种攻击下产品开发过程网络修复策略

针对复杂产品开发过程的鲁棒性问题,对企业任务-资源-服务关系进行分析,构建了产品开发过程网络系统模型,提出了网络资源节点在随机故障和蓄意攻击方式下的三种修复策略。以实际变压器产品开发过程网络模型为例,运用仿真方法对三种修复策略在不同攻击策略下的有效性和实用性进行了研究。仿真结果表明,随机失效情况下均匀修复优势显著,蓄意攻击情况下按强度修复的优势显著。

《网络安全和软件系统修复》课程教学改革探索

《网络安全和软件系统修复》课程是中等职业学校计算机应用及相关专业的综合性主干课程,重点学习网络信息安全防范、受损计算机系统修复及数据恢复的知识与方法等职业技能。本文运用工作过程导向的职业教育新理念,联系该课程教学改革实践,探索课程的教学目标和课程内容选择、教学过程的实施策略和方法。

ZigBee星状网络故障修复仿真方案

针对大范围低速率数据采集ZigBee星状网络中协调器节点故障导致系统瘫痪的问题进行了分析,提出了协调器节点发生故障后,其他数据采集节点通过竞争产生新的协调器节点,从而组建和维护新的网络的自适应组网方案,实现网络故障的自动修复。并重点设计了数据采集节点的竞争组网算法,以及该算法的基于计算机网络和桌面平台软件的仿真验证方案。

航空运输网络失效修复优化策略研究

修复航线失效网络,可以有效降低航空公司经济损失,保证旅客顺利出行,避免造成不良社会影响。由于航空网络修复涉及众多因素,如何考虑和量化这些因素的影响是主要的难点。为此,基于网络修复研究和枢纽航线网络研究,构建了一个网络修复优化模型。首先以一定成本约束下网络性能最佳为目标函数,通过权重来满足需求。其次,成本因素主要考虑距离和节点拥堵,网络性能以网络效率来衡量,并通过改进的粒子群算法求解。最后,以杭州-咸阳航线失效为例进行仿真。仿真结果表明:容量控制系数可以较好地控制节点容量,衡量节点拥堵造成的增加成本以及影响流量分配方案,对提高网络抗毁性具有重要作用;权重可以灵活平衡成本和网络性能之间的偏倚。

基于Ad hoc特性的加速演化网络的修复能力

提出基于具有Ad hoc特性的加速演化网络模型的修复算法,建立择优连接、重连接和随机连接这3种新边连接规则,着重研究不同加速网络演化参数以及新边连接规则等对修复策略有效性的影响,进而寻求最合适的演化参数,有效调节网络的修复能力与抗毁性。通过仿真模拟发现:拓扑演化机制中,节点的加入比例越大或删除比例越小时,网络具有更好的修复能力。此外,数值模拟显示:加速演化参数越小时,网络修复能力越强,且此时的修复策略更加适用于随机连接增长网络。