自适应事件触发机制下分布时滞Markov跳变网络化系统H_(∞)故障检测

传统事件触发机制中阈值的选择会对信号传输效率产生很大影响。针对此问题,研究了自适应事件触发机制下具有分布时滞的Markov网络化系统的故障检测问题。设计了一种模态相关的自适应事件触发机制,通过动态调整阈值,提高了网络资源利用率。考虑网络时延和数据丢包现象,同步设计触发器和故障检测滤波器。构造模态相关的Lyapunov泛数,根据积分不等式技术推导出使系统随机稳定且具有H_(∞)性能的充分条件。利用解耦方法和LMI技术求解出了故障检测滤波器参数。最后通过数值仿真验证了方案在节省网络资源上的优势。

复杂场景下自适应注意力机制融合实时语义分割

实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点,该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息,再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野,提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM),可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验,所设计的AAFNet以32帧/s(Cityscapes)和52帧/s(CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU),且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比,AAFNet平均分割精度最高。

基于自适应多尺度注意力机制的CNN-GRU矿用电动机健康状态评估

利用多传感器信息融合技术进行电动机健康状态评估时,矿用电动机监测数据中存在异常值和缺失值,而卷积神经网络和循环神经网络等深度学习模型在数据质量下降严重的情况下难以有效提取数据特征和更新网络权重,导致梯度消失或爆炸等问题。针对上述问题,提出了一种基于自适应多尺度注意力机制的CNN-GRU(CNN-GRU-AMSA)模型,用于评估矿用电动机健康状态。首先,对传感器采集的电动机运行数据进行填补、剔除和标准化处理,并以环境温度变化作为依据对矿用电动机运行数据进行工况划分。然后,根据马氏距离计算出电动机电流、电动机三相绕组温度、电动机前端轴承温度和电动机后端轴承温度等健康评估指标的健康指数(HI),采用Savitzky–Golay滤波器对指标HI进行降噪、平滑、归一化处理,并结合主成分分析法计算的不同指标对矿用电动机的贡献度,对指标HI进行加权融合得到矿用电动机HI。最后,将矿用电动机HI输入CNN-GRU-AMSA模型中,该模型通过动态调整注意力权重,实现对不同尺度特征的信息融合,从而准确输出电动机健康状态评估结果。实验结果表明,与其他常见的深度学习模型CNN,CNN-GRU,CNN-LSTM,CNN-LSTM-Attention相比,CNN-GRU-AMSA模型在均方根误差、平均绝对误差、准确率、Macro F1及Micro F1等评价指标上更优,且预测残差的波动范围更小,稳定性更优。

考虑智能体前置状态及环境特征自适应机制的强化学习电网调度方法

高比例可再生能源的接入使得电网潮流难以预测与控制,给电网的安全稳定运行带来了新的挑战。相较于传统的调度控制模式,以强化学习为代表的智能调度方式能够应对部分可观测电网环境下的顺序决策问题,但在电网中可再生能源比例发生变化时易出现适应性较差的状况。针对该问题,以Actor-Critic为基础框架,采用前置状态表征智能体状态,并引入环境特征自适应机制,用于可再生能源比例变化场景的电网调度任务。由于调度动作后的电网状态受源荷波动等外源性随机事件影响,易引起状态空间爆炸问题,在潮流计算之前采用前置状态表征智能体状态,可有效缩减状态空间。引入环境特征的自适应机制可有效避免“决策遗忘”的问题,从而提高智能体对电网中可再生能源比例变化的适应性。仿真实验结果表明,在可再生能源比例动态变化的118节点电网调度任务中,该方法在收敛速度和控制稳定性等方面均表现优异。

基于自适应注意力机制的红外与可见光图像目标检测

针对红外和可见光目标检测方法存在的不足,将深度学习技术与多源目标检测相结合,提出了一种基于自适应注意力机制的目标检测方法。该方法首先以深度可分离卷积为核心构建双源特征提取结构,分别提取红外和可见光目标特征。其次,为充分互补目标多模态信息,设计了自适应注意力机制,以数据驱动的方式加权融合红外和可见光特征,保证特征充分融合的同时降低噪声干扰。最后,针对多尺度目标检测,将自适应注意力机制结合多尺度参数来提取并融合目标全局和局部特征,提升尺度不变性。通过实验表明,所提方法相较于同类型目标检测算法能够准确高效地在复杂场景下实现目标识别和定位,并且在实际变电站设备检测中,该方法也体现出更高的泛化性和鲁棒性,可以有效辅助机器人完成目标检测任务。

粒子滤波自适应机制研究综述

针对粒子滤波固有的缺陷,结合移动机器人领域的研究应用成果,分别从样本数目自适应、重采样自适应、建议分布自适应、运动/似然模型自适应以及与其他方法的集成等几个方面对粒子滤波自适应机制当前研究的关键技术进行了归纳总结,并且对该研究领域需要解决的研究难点进行了总结,对进一步研究的方向进行了展望。

人机界面自适应机制的设计和实现

当前，自适应界面已成为人机界面研究的一个方向．首先介绍了有关自适应界面的一些基本概念，并在此基础上提出了一个人机界面的自适应机制．对该机制的系统结构、实现技术进行了广泛的讨论．该机制已被应用于集成化ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统——ＧＳ－ＩＣＣＣ（ＧｒｅａｔＳｋｙ－ＩｎｔｅｇｒａｔｅｄＣＡＤ，ＣＡＰＰａｎｄＣＡＭ）的研制工作中．同时介绍了该机制的一些实现细节．ＧＳ－ＩＣＣＣ的自适应机制已在Ｘ－Ｗｉｎｄｏｗ／Ｍｏｔｉｆ环境下实现，并被证明其在提高人机交互有效性上具有良好效果．

用自适应机制改进Web信息缓存管理的性能

目前 ,各种缓存 (caching)技术被广泛应用于 Web信息获取过程中 ,以求减少 Internet的网络负载和提高响应速度 ,如何改进缓存技术从某种意义上成为制约 Web信息获取性能的瓶颈 ,特别是随着专用主题 Web信息源的出现和广泛应用 ,这一问题显得更加突出 .首先分析描述了当前常用的缓存技术在 Web信息获取中的特点 ,然后提出了采用自适应机制改进 Web信息缓存管理性能的方法 ,同时给出了该方法的一些具体实现细节 ,该方法被应用于基于企业主题的 Web信息获取系统 (Web Capture)的设计开发过程中 .自适应机制的 Web信息缓存管理主要采用自动跟踪 Web文档的更新周期和用户动态访问 Web文档的规律预测来提高 Web信息缓存管理性能 .

基于自适应机制的虚拟机进程实时监视方法

系统虚拟化作为支撑云计算的关键技术,其安全问题显得尤为重要.在虚拟机外部对虚拟机内部的进程进行监视,可以使监视工具与不受信任的虚拟机隔离,能够有效地监视虚拟机行为.当前的虚拟机外部监视技术大多是基于周期或某一时间点上的内存快照技术展开的.但是,由于进程执行具有随机性、突发性的特点,而基于周期性或时间点的内存快照类方法监视过程不连续,容易造成漏检率较高的问题.为此,提出了一种基于自适应机制的虚拟机进程实时监视技术RTMonitor.RTMonitor利用虚拟机管理器(Virtual Machine Manager,VMM)在虚拟机外部实时捕获内核栈基址的切换,以此确定进程的切换动作.之后,获取与当前进程相关的硬件信息流,通过解析硬件信息得到当前运行进程的高层语义.针对进程执行的随机性和突发性特点,RTMonitor通过缓存进程内容并创建多任务的方法提高执行速率,采用自适应调度机制实现存储节点数量、执行任务数量与进程执行情形的动态匹配.与基于时间点的内存快照类方法相比,RTMonitor将进程监视扩展到了整个时间轴上,使得监视过程具有连续性的特点.最后,通过对进程的捕捉率、捕捉延时及隐藏性检测实验,证明了系统的可行性和有效性.

高性能RTI自适应通信机制研究

为了提高HLA仿真系统在高性能计算平台上的运行性能,针对高性能计算平台的高性能层次式通信环境,提出了一种共享内存/IB/以太网自适应RTI通信机制———SACM机制,该机制能够根据通信双方所在节点的网络拓扑信息,自适应建立延迟最小的通信连接,实现共享内存、IB等高速互连及以太网互连的自适应选择。同时在该通信机制中,针对节点内高速共享内存通信需求,提出了一种面向多盟员互连的共享内存通信算法,有效提高了节点内盟员通信效率。对象属性值更新延迟测试结果表明,该通信机制可以有效提高RTI在高性能计算平台的通信性能。

综合孵化系统自适应机制研究——基于CAS刺激-反应模型

为深入研究创投与孵化器的有效合作问题,提出了综合孵化器系统的概念。结合当前复杂性研究成果,阐述了综合孵化器系统的概念内涵,从标识机制、内部模型、积木机制探讨了综合孵化系统的复杂适应性特征,基于复杂适应系统(CAS)刺激-反应模型构建了综合孵化器系统主体行为的基本模式,并从学习、协调、进化三方面分析了其自适应机制,得出了综合孵化器系统可以通过学习创新、协调多主体间资源分配和涌现进化来适应环境的结论,为综合孵化器系统的运行构建了理论基础。

基于CAS回声模型的综合孵化器系统自适应机制研究

为深入研究孵化器与风险投资的合作及融合问题,结合复杂适应系统(CAS)理论,提出了综合孵化器系统的概念。在此基础上,分析了综合孵化器系统的复杂性特征,基于CAS回声模型构建了系统主体行为的基本模式,并阐述了其自适应机制;得出了综合孵化器系统可以通过学习创新、协调多主体间资源分配并涌现进化来实现对环境适应性的结论,为孵化系统的运行构建了理论基础。

一种具有自适应机制的闪存数据库索引结构

针对闪存数据库系统索引技术中基于日志更新策略存在的检索效率低、日志空间分配不合理及合并带来的高昂更新代价等问题,提出一种具有自适应机制的索引结构LM-B+TREE。LM-B+TREE将索引的更新缓冲页映射于传统B+TREE的相应节点,并根据闪存索引的读写负载及读写代价差异,动态地分配缓冲更新区,自适应地调整索引架构。实验证明LM-B+TREE能够动态地调整索引架构来适应索引的读写负载代价,在减少索引更新代价的同时,有效地提高了索引的查询性能。

基于自适应注意力机制的复杂场景下牛脸检测算法

牛面部检测与识别是牛场智能化养殖的关键,但由于牧场养殖环境的复杂性,牛脸检测会受到模糊、逆光和遮挡3种常见环境因素的严重干扰。针对此问题,该研究提出一种复杂场景下基于自适应注意力机制的牛脸检测算法,该算法首先针对3种干扰因素分别设计了评价指标,并将3种不同类型的评价指标通过模糊隶属度函数进行归一化,并确定自适应权重系数,真实反映目标所处场景的复杂性;之后,基于YOLOV7-tiny在主干特征提取网络引入一种注意力机制CDAA(composite dual-branch adaptive attention),设计通道和空间注意力并行结构,并融合自适应权重系数,有效加强相应注意力分支的权重,提高网络在复杂场景下的特征提取能力,解决复杂场景下网络检测精度差的问题;最后,将图像场景评价指标引入损失函数,对大尺度网格损失函数的权重进行自适应调整,使网络在训练过程中更专注于数量较多的小型目标,从而提升网络整体的检测精度。为检测算法的有效性和实时性,在特定数据集上进行消融试验,并与多种经典检测算法进行对比,并移植至Jetson Xavier NX平台测试。测试结果表明,该算法检测精度达到89.58%,相较于原YOLOV7-tiny网络,牛脸检测精度提高了7.34个百分点。检测速度达到62帧/s,在检测速度几乎不损失的条件下,检测效果优于原网络与对比网络。研究结果可为复杂场景下的牛脸高效检测提供参考。

面向NGN的移动无线互联网QoS自适应保障机制

从承载多媒体通信的移动无线互联网多层次结构出发,分析其中多媒体流的分布状况;分别对各层次、各类型 流媒体的按基本标准进行实时评判,从评判过程分析和阐述整个移动无线互联网络的分类与总体状况;建立移QoSQoS 动无线互联网的评判模型;根据服务对象与内容,制定出适应移动无线互联网络动态要求的自适应调控机制,QoSQoS以尽力满足各类服务终端对QoS的需求。

基于自适应睡眠机制的WSN能量高效协议

由于无线传感器网络结点能量受限,高效的能量节省策略成为无线传感器研究的热点技术之一。通过分析无线传感器网络各层的能量高效解决方案,给出一种基于自适应睡眠机制的无线传感器能量高效协议。该方案根据剩余能量存储、地理位置信息以及邻近结点负载程度,采用可变睡眠持续时间机制来选择转发分组方式。与基于地理位置随机传播方案相比,提出的方案可以大幅节省网络结点能量,有效均衡网络能量消耗。因此,该方案能够显著延长整体网络寿命。

职业学校的系统意识与自适应机制构建

职业学校要有系统意识,要用系统思维、方法来认识、把握自身的系统特性——开放性、生长性、适应性,通过系统建立反馈机制、学习机制、造血机制,使职业学校成为符合开放环境和生长要求的自适应系统。

基于聚类特征自适应机制的无线传感网异常节点检测算法

提出了一种基于聚类特征自适应机制的无线传感网节点检测算法.首先,基于节点聚类特征自适应机制,通过特征采样,不断获取异常节点的路由信息、链路抖动率以及数据分组传输率等关键参数信息,从而计算节点特征值,并联合矢量内积对异常节点进行识别,提高对异常节点的感知能力;随后,采用分区聚类,对可能的疑似异常节点进行聚合提纯,降低网络对正常节点的误判,提高了异常节点的检出效率;最后,定义异常节点检举规则,通过对分区进行筛选,有效降低了正常节点出现在异常节点集合中的概率,从而提高了算法对异常节点的搜寻效率.与当前PSO算法、SDR算法相比,此算法具有更高的异常节点检出率与更低的数据传输时延,能够有效避免异常节点对传输数据的篡改.

基于全局-局部特征和自适应注意力机制的图像语义描述算法

为了探究图像底层视觉特征与高层语义概念存在的差异,提出可以确定图像关注重点、挖掘更高层语义信息以及完善描述句子的细节信息的图像语义描述算法.在图像视觉特征提取时提取输入图像的全局-局部特征作为视觉信息输入,确定不同时刻对图像的关注点,对图像细节的描述更加完善;在解码时加入注意力机制对图像特征加权输入,可以自适应选择当前时刻输出的文本单词对视觉信息与语义信息的依赖权重,有效地提高对图像语义描述的性能.实验结果表明,该方法相对于其他语义描述算法效果更有竞争力,可以更准确、更细致地识别图片中的物体,对输入图像进行更全面地描述;对于微小的物体的识别准确率更高.

一种自适应的动态多机制网关发现算法

目前存在的网关发现方法主要有主动的、被动的和综合的网关发现,但在实际应用中当网关数量增加时主动网关发现方法的性能也随之下降;而当通信节点数量增多时被动网关发现引起网络开销大幅度增加;综合网关发现方法为了控制广播公告的范围无法确定一个完全适合任何网络环境的最佳广播半径.因此文中提出了一种自适应的动态多机制网关发现算法,该算法可以根据整个网络的状态进行动态调节网关公告半径,同时通信节点根据信道拥塞和竞争程度选择到达网关的路由,避免因大量通信节点对信道的竞争导致拥塞.实验结果表明,该算法能有效地减少网关发现时的网络开销、避免某些区域通信量过高造成的数据包丢失,进而提高了数据包的投递率.