城市更新中基础设施化的社会网络建构——中国香港“妙想毡开”西营盘计划

本研究基于城市更新中基础设施化的理论,探讨中国香港特别行政区“妙想毡开”西营盘计划如何通过技术性平台搭建推动社会网络建构的发展脉络与实践路径。文章详细阐述了基础设施化模式在城市更新中的实际应用,聚焦参与式影像技术如何促进社区转型的社会空间机制,着重阐释以影像传声为载体的技术性平台如何建构积极的社会网络,联结政府、NGO组织、居民等多元行动主体。研究发现影像传声技术平台的搭建不仅为城市更新提供了技术支持,还促进了社区信息的共享和公共资源的优化配置。基础设施化的社会网络构建有助于加强社区成员之间的联系,形成共同的价值观念和发展目标,从而推动“以人为本”的城市更新进程。

开集环境中基于增量学习的网络流量分类研究

面对网络流量新类别不断涌现的挑战,以及随之而来的开集识别和模型更新需求,文章提出了一种基于增量学习的开集网络流量分类方法。对于开集识别,支持向量机和K均值聚类算法的级联结构可以持续识别新类和已知类;对于模型更新,基于候选支持向量筛选的“样本回放”和新旧模型加权融合的“参数回放”方法,能有效解决“有类增量的灾难性遗忘”问题。与ISK和DACS方法相比,该方法应用在开集流量识别和分类任务中表现出显著优势,F1分数能提高1百分点至8百分点,分类速度也优于现有方法。

基于类神经网络的轨道交通新开站点客流预测

随着轨道交通新线或新开站点的投入使用,其网络拓扑结构会发生变化,并且网络上的客流也变得越发的复杂,如何准确预测新开站点的客流需求是目前轨道交通系统亟需解决的关键问题。因此,充分考虑了新开站点周边用地、拓扑、接驳、居住等特性,构建了基于多因素约束的非线性类神经网络(ANN)模型,对轨道交通新开站点需求进行预测。以北京市轨道交通为例,应用该模型进行预测,其预测精度达到96.6%,说明综合考虑站点用地、拓扑、接驳、居住等因素约束的非线性ANN模型能够较好捕捉新开站点下客流需求的非常规变化,相比以往方法预测精度更高。研究结果可为轨道交通系统新开站点建设立项及可行性研究环节的客流预测提供新的方法。

基于ZigBee Mesh网络的智能防误判系统自动开锁设计

自动开锁过程中若出现误判情况,会导致用户出现经济财产损失,甚至会危害生命安全,所以提出基于ZigBee Mesh网络的智能防误判系统自动开锁设计方案。通过子节点、路由器以及网络协调器构建ZigBee网络树形结构,利用网络矢量路由完成各设备间的数据信息传输,结合无线Mesh网络,在ZigBee Mesh网络平台中接入现象控制器、防误主机、通信网络、网络接口设备以及闭锁节点,构建智能防误判系统,凭借电脑钥匙连接信息通信和防误判系统,以管理软件和解锁钥匙管理机制实现自动开锁。实验证明:所设计系统能有效避免防误开锁情况发生,且口令正确时自动开锁精准度高。

“重大突发公共卫生事件下网络化社会支持与心理健康研究”开题论证会暨学术研讨会

2023年12月17日,由我校心理学院任志洪教授担任首席专家的国家社科基金重大项目“重大突发公共卫生事件下网络化社会支持与心理健康研究”开题论证会暨学术研讨会在南湖校区召开,专家组、校内相关领导、课题组成员、相关硕博士参与会议。

基于Jackson排队网络分析小区开放对道路通行的影响

本文从两个实际案例出发,利用离散事件动态系统建模方法,构建了Jackson开排队网络模型,研究了小区开放前后周边道路的交通情况,并利用Jackson排队网络模型的相关指标,深入分析了小区开放前后周边道路的交通情况.最后根据相关结果,从小区周边的环境、道路的车流量、通行能力、行人的便利性和安全性等因素出发,给出了几条关于小区是否开放的建议.

基于GANomaly的水声通信信号调制方式开集识别

针对水声通信信号调制方式的开集识别问题,提出了一种基于GANomaly的新型开集识别方法。GANomaly网络模型结合了生成对抗网络(GAN)的生成能力和异常检测技术的判别能力,通过对抗训练,重构调制信号的时频特征并确定误差阈值,进而有效地区分已知和未知的调制方式。在信噪比>8 dB的条件下进行的仿真实验显示,该方法对已知调制方式信号的识别率均超过了86.00%,对未知调制方式信号的识别率超过了80.00%。仿真实验结果验证了所提方法对未知调制方式的有效识别能力,为水声通信领域开集识别问题提供了新的解决思路。

基于网络药理学与分子对接技术探讨开郁种玉汤治疗不孕症作用机制

目的基于网络药理学及分子对接技术探讨开郁种玉汤治疗不孕症的生物信息学基础及分子机制。方法检索中药系统药理学数据库与分析平台(TCMSP)获得开郁种玉汤组方药物的活性成分及靶点蛋白,构建“活性成分-靶点”网络,通过GeneCards数据库获取不孕症相关靶点。将开郁种玉汤与不孕症靶点绘制韦恩图取交集,通过STRING 11.0b数据库建立蛋白质-蛋白质相互作用网络,筛选关键靶点。利用DAVID 6.8数据库对关键靶点进行GO功能和KEGG通路富集分析,将活性成分进行分子对接验证。结果筛选出开郁种玉汤58个活性成分,共对应604个靶点,获得开郁种玉汤治疗不孕症相关靶点150个,开郁种玉汤治疗不孕症的关键成分可能为槲皮素、木犀草素、山柰酚等,关键靶点可能为AKT1、TNF、TP53等;开郁种玉汤可能影响与不孕症相关的RNA聚合酶Ⅱ启动子转录的正调控、炎症反应、蛋白结合、酶结合过程等多条生物过程及分子功能,以及PI3K-Akt信号通路等多条信号通路。分子对接结果显示,活性成分与关键靶点对接良好。结论开郁种玉汤治疗不孕症有多成分、多靶点、多通路的特点,通过抗生殖系统局部炎症、调节氧化应激、改善子宫内膜和卵巢血供等方面发挥治疗作用。

基于网络药理学和分子对接技术探究杞菊地黄丸治疗原发性开角型青光眼的作用机制

目的:通过网络药理学和分子对接技术探究杞菊地黄丸治疗原发性开角型青光眼的作用机制。方法:首先利用TCMSP平台检索杞菊地黄丸中8味中药的化学成分和作用靶点,并通过Genecards,DrugBank,OMIM,TTD,PharmGKB数据库和查阅文献筛选出治疗原发性开角型青光眼的靶标,借助Uniprot数据库对靶点进行基因注释,取药物-疾病交集基因。通过Cytoscape 3.9.0构建药物-成分-靶点网络,再借助STRING构建PPI蛋白互作网络,根据拓扑学参数和R语言脚本筛选核心靶点,借助R语言进行GO和KEGG富集分析,最后将网络中度值较高的成分与核心靶点进行分子对接。结果:网络中包含槲皮素、山奈酚、木犀草素等65个活性成分和83个靶点,GO功能富集分析得到2009个GO条目(P<0.05),KEGG通路富集得到146条信号通路(P<0.05)。分子对接结果显示主要活性成分与靶点均能自发结合。结论:该研究初步揭示了杞菊地黄丸主要通过柚皮素、木犀草素、山奈酚、槲皮素等活性成分对AKT1、TP53、HIF1A、ESR1、MAPK14等多靶点及脂质和动脉粥样硬化、PI3K/AKt、MAPK等多通路之间的协同作用治疗原发性开角型青光眼的作用机制。

基于自学习的LSTM网络短路电流零点预测方法

短路故障在首个大半波内快速选相开断对提升电力系统稳定性具有重要意义。为此,本文研究并提出了一种基于自学习的长短期记忆(LSTM)网络短路电流零点预测方法。构建了基于自学习优化训练的LSTM短路电流预测模型,并采用循环迭代法对短路电流波形及过零点进行预测;搭建了RTDS试验平台,验证了自学习LSTM网络对零点预测的准确性、快速性以及稳定性;讨论了不同短路故障电流的起始相角、谐波含量、信噪比、衰减直流分量时间常数等因素对自学习LSTM预测精度的影响;仿真与试验结果表明自学习LSTM网络对短路电流零点具有较好的预测能力,当采样时间为3 ms时,自学习LSTM首零点预测精度已与RLS算法采样时间5 ms时预测精度相当,为在首个大半波内实现相控开断提供了依据。

基于卷积原型网络的通信辐射源个体开集识别方法

针对通信辐射源个体开集识别问题,提出一种基于卷积原型网络的辐射源个体开集识别方法。将接收到的信号进行信噪比估计并处理为灰度矢量图输入至卷积原型网络计算出特征点。分析不同损失函数和判决准则,选取三维原型的特征提取层、DCE作为损失函数、DR作为判决准则的开集识别模型。对该方法进行了仿真实验,结果表明,该方法在开集识别场景下比传统CNN预测概率更有优势,归一化准确率提升约20%,证明该方法的有效性。

基于网络药理学探讨开郁种玉汤治疗女性不孕症的作用机制

目的:基于网络药理学方法分析开郁种玉汤治疗女性不孕症的作用机制。方法:通过中医药系统药理学平台库获取白芍、白术、丹皮、当归、茯苓、天花粉、香附的主要化学成分及其靶点,根据口服利用度和类药性筛选中药活性成分;通过GeneCards、OMIM、TTD、Drugbank数据库获取不孕症的主要靶点,利用String平台构建蛋白互作网络并挖掘网络中潜在的蛋白质功能模块。通过Metascape平台进行中药复方成分-疾病靶点功能与通路的富集分析,然后运用Cytoscape3.9.1软件构建开郁种玉汤治疗女性不孕症的“中药复方成分-疾病靶点-通路”网络图。结果:开郁种玉汤治疗女性不孕症的核心活性成分包括:山奈酚、槲皮素、木犀草素、β-谷固醇等;核心靶点有AKT1、TNF、JUN、MAPK1、BCL2、IL6、CASP3、TP53等;开郁种玉汤治疗女性不孕症的生物学通路主要作用于AGE/RAGE信号通路和PI3K/AKT信号通路,其主要功能为改善卵巢功能和卵子质量,促进子宫内膜蜕膜化,从而帮助胚胎着床。结论:开郁种玉汤治疗女性不孕症具有多靶点效应,涉及多条生物学信号通路,可能通过改善卵巢功能、卵子质量以及促进子宫内膜蜕膜化来帮助胚胎着床。

基于模糊神经网络的水轮发电机组甩负荷过程调速器开度模式控制

基于模糊神经网络的水轮发电机组甩负荷过程调速器开度模式控制方法,能够快速稳定甩负荷过程中水轮发电机组的运行频率,保障电力系统平稳运行。构建水轮发电机组调速器数学模型,以模型中3个关键调节系数为目标输出,发电机组转速的误差变化率与误差为目标输入,设计5层模糊神经网络模型与控制规则;通过该模型依据此控制规则,模糊推理与模糊化目标输入,并持续迭代学习训练后,输出3个关键调节系数,向PID控制器内输入此类系数;由PID控制器以此输入为依据,控制水轮发电机组甩负荷过程调速器的开度模式,获得稳定频率输出。结果显示,该方法可通过对实验水轮发电机组甩不同额度负荷过程中调速器开度模式的控制,有效调整并稳定不同甩负荷过程中机组的运行频率,且控制中的控制精度较高,调整用时与超调量均较低,综合控制效果理想。

基于改进EVM的雷达PRI调制类型开集识别

雷达脉冲重复间隔(PRI)的调制类型是分析雷达工作状态和任务的重要手段。针对常见PRI调制类型识别算法无法识别未知调制类型的问题,文中提出一种基于改进极值机(EVM)的雷达PRI调制类型开集识别方法。首先,采用残差-双向长短时记忆网络进行PRI序列的特征提取;其次,结合原型学习,利用基于距离的交叉熵损失和原型损失对特征提取网络进行训练;最后,在特征空间中引入已知类特征的线性组合以模仿未知类的行为,提出了改进的EVM模型。实验结果表明,与EVM相比,文中所提方法能够提升雷达PRI调制类型的识别准确率,且在开放的电磁环境下具有良好的开集适应性。

基于置信度与级联结构的未知网络流量检测

为了提升开集流识别性能,本文在对已知类和新类的置信度分布分析基础上,提出一种基于置信度信息与级联结构的未知网络流量检测方法。该方法通过级联结构,先将具有高置信度的新类样本检测出来;利用最大置信度差对新类和已知类进行分类;利用最大置信度对已知类进行细分类。为了更好地检测高置信度新类,还设计了从未标记数据筛选伪负样本的算法。实验表明,与现有代表性方法相比,本文方法的已知类F1提高约13%,新类F1提高约3%,总体准确率提高约5%,训练和分类耗时也明显少于现有方法。

钻孔引流与开颅治疗高血压性脑出血合并脑疝失败预测模型

目的:探讨钻孔引流与开颅治疗高血压性脑出血(HICH)合并脑疝失败预测模型。方法:选择2020年1月至2022年8月本院收治的132例HICH合并脑疝患者,根据手术治疗结果,将患者分成成功组和失败组。单因素和多因素Logistic回归分析确定HICH合并脑疝治疗失败的影响因素,建立人工神经网络图。结果:Logistic回归分析结果显示,肌红蛋白、α-羟丁酸脱氢酶、血肿量、血肿破入脑室、脑中线移位程度、受伤至开颅时间及骨孔直径是HICH合并脑疝患者治疗失败的影响因素(P<0.05)。结论:临床建立预测模型可预测引流与血肿清除手术效果,提高成功率和预后。

基于PSO-BP的阀冷却系统阀门开度分类预测模型

针对阀冷却系统内部的复杂性与外部环境的多变性,准确预测阀门开度以适应不同工况需求的问题,提出一种基于PSO-BP的阀冷却系统阀门开度分类预测模型。利用粒子群优化(PSO)算法优化反向传播(BP)神经网络的初始权重和偏置,改善BP神经网络易陷入局部最优解和收敛速度慢的情况。采用工业现场收集的阀冷却系统实测数据对PSO-BP预测模型进行训练和验证,并与传统的BP预测模型进行仿真对比分析。仿真结果表明,PSO-BP预测模型对阀门开度的分类预测准确率达到100%,且具有良好的学习和泛化能力,为阀冷却系统的智能控制提供了一种新的解决方案。

基于神经网络和开窗技术的储层渗透率的预测方法——以大庆萨尔图油田葡萄花油层组PⅠ1—PⅠ4小层砂岩为例

渗透率是油藏描述和油藏工程中较为关键性的参数,因而如何求取较为精确的地层渗透率参数值显得格外重要。本文在岩心分析化验数据和相关测井曲线数据归一化的基础上,利用改进的开窗技术,借助反馈的神经网络方法逐点计算地层的渗透率。以往在利用遗传算法预测渗透率的时候,因为只考虑了单一的数据点,没有把邻近层位的数据加入学习过程中来,故影响了预测模型的精度和可信度。笔者经过系统的研究,用相邻5个层位的数据点进行学习,建立储层渗透率的预测模型。大庆萨尔图油田葡萄花油层组PⅠ1—PⅠ4小层砂岩的油气勘探实践证明,预测的渗透率与实测的渗透率的值符合较好。

基于遗传算法优化BP神经网络方法的旋转磨料射流开窗预测

旋转磨料射流井下套管开窗施工中,开窗直径与开窗深度是最为关键的两个参数。在实际施工过程中,难以对井下套管的开窗过程进行实时监测,因此,需要进一步研究其预测技术,以保证能够开出需要的窗口。由于影响开窗直径与开窗深度的因素很多,很难用传统的数学建模方法进行预测。对此,提出了一种利用BP神经网络预测旋转磨料射流开窗直径与开窗深度的新方法,并用遗传算法进行优化,以得到最优的隐层学习率和输出层学习率,从而提高BP神经网络预测磨料射流井下套管开窗直径及开窗深度的准确性。利用部分实验数据对该方法的可靠性进行了验证。通过对比预测值与实验值发现,该方法的预测精度完全满足工程要求,为现场应用提供了理论支撑。

基于网络开源情报的威胁情报分析与管理

[研究目的]威胁情报是针对各类安全业务的态势感知信息,对保护企业关键资产和国家政治稳定都有重要的作用,作为信息安全领域重要分支受到广泛的关注。[研究方法]提出开源情报领域的情报收集需求,区分出开源情报的层次;建立相应威胁情报挖掘的系统框架,进行功能模块说明;提出面向OSINT的分析模式、设计威胁情报预警模型,进行情报分析研判和响应。[研究结论]在多层面上对威胁情报运营提供有价值的解决方案,需加强威胁情报生态能力建设,完善共享协同机制和产品服务机制,目前网络威胁情报服务市场不够成熟,可供选择的方案不够明朗,有待进一步发展和完善。