迁移学习模式下基于GoogLeNet网络的风电机组视觉检测

针对无人机航拍环境下拍摄角度变换、特征不显著等干扰问题,提出一种改进的GoogLeNet卷积神经网络对风电机组进行识别和定位,无需人工预选取即可自动提取风电机组类别特征。通过GoogLeNet网络构造风电机组深度特征向量,在网络模型训练过程中引入迁移学习的概念,利用风电机组图像训练已预训练的GoogLeNet网络,在加快模型训练速度的同时,能避免分类网络陷入局部最优解。并在Faster RCNN框架下采用区域建议网络和多任务损失函数将候选区域搜索和边框回归融入到网络中,实现航拍图像中风电机组的自动分类和标注,缩短数据处理时间。实验结果表明,通过迁移学习的手段,利用优化的GoogLeNet网络能改善复杂航拍环境下的目标视觉检测准确率,完成风电机组自动定位任务,基于GoogLeNet的风电机组平均准确率达到了96%以上。

基于改进GoogLeNet网络的时空双流乒乓球动作识别

针对乒乓球运动视频中人体动作具有连续性,需要有效地提取时间维度上的运动信息,提出了基于改进的GoogLeNet作为基础网络框架,搭建了时空双流卷积神经网络进行乒乓球动作识别。对GoogLeNet网络进行内部参数优化和网络结构改进。该方法以RGB图像作为空间网络的输入,光流图作为时间网络输入,选择加权的特征融合方式在分类层进行时空特征融合。在UCF101中的乒乓球动作视频以及自制数据集上进行实验,通过实验表明,本文提出的乒乓球动作识别方法最终识别准确率可以达到98.88%,该方法提高模型的训练速度同时提高了模型的识别能力的。

基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换(Short-Time Fourier Transform,STFT)从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图(Cadence-Velocity Diagram,CVD)。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。

基于GoogleNet网络与残差网络的织物纹理分析

针对目前织物自动开幅设备无法准确识别复杂织物纹理背景下的开幅引导线的问题,设计了一种基于迁移学习的GoogleNet网络与非迁移学习的残差网络的织物纹理特性分类系统。所使用的样本数据集分为密集型花纹等7种纹理特性,共计1543张图,随机选取80%的图片作为训练集,剩余20%图片作为测试集。两种不同的卷积神经网络在现有的数据集中达到了100%的识别准确率,并且在后续的系统测试中,新增了300张样品,最终系统的识别准确率达到了98%。实验结果表明,将GoogleNet网络与残差网络应用于织物纹理特性的分析与分类切实可行,以此为算法基础构建的系统具有实用价值。

基于改进GoogLeNet卷积网络的人脸面部表情识别方法

针对当前使用CNN进行表情识别的不足,文章提出一种新的基于改进GoogLeNet的人脸面部表情识别方法。该技术通过降低了不同层的卷积核的维数,提取了面部特征信息,并通过对GoogLeNet网络结构进行优化,精简了加深学习深度的Inception模块,使其网络结构得到了优化,从而降低了参数量,运行效率进一步得到改善。最后收集了有关人脸面部表情更全面的特征信息,分别在JAFFE、CK+和FER2013三个数据集验证了文章所提出的方法。实验结果表明,在满足时效性要求的前提下,改进方案的准确度达到97.53%,改进方法具有很好的泛化性和鲁棒性。

基于卷积神经网络GoogLeNet算法构建颅内动脉瘤诊断模型

目的评价基于卷积神经网络的GoogLeNet算法在颅内动脉瘤自动分类诊断中的应用效果。方法本项研究回顾性收集了2020年1月至2023年1月在西南医科大学附属医院进行头部CT扫描的234例颅内动脉瘤患者和正常对照者的计算机断层扫描血管造影图像作为研究对象,采用Pytorch框架构建基于GoogLeNet算法的卷积神经网络模型,并使用He初始化方法和Adam优化器进行模型参数初始化和优化,采用交叉熵作为损失函数,并使用批标准化和dropout技术进行模型训练和防止过拟合。结果基于GoogLeNet算法构建的颅内动脉瘤诊断模型在测试集上获得了较高的准确度和较低的损失函数值,受试者工作特征曲线显示训练集的曲线下面积为0.891,测试集为0.851,证明了该模型在颅内动脉瘤诊断中具有很好的应用前景。结论基于卷积神经网络的GoogLeNet算法可以有效地应用于颅内动脉瘤诊断,并且具有较高的准确度和较低的损失函数值,可以为颅内动脉瘤的早期诊断和治疗提供参考依据。

基于NGO-VMD和改进GoogLeNet的齿轮箱故障诊断方法

目前的齿轮箱故障诊断方法,在多转速工况及噪声干扰下,存在过拟合及诊断效果不佳的问题。针对此问题,提出一种北方苍鹰(NGO)算法优化变分模态分解(VMD)结合改进GoogLeNet的齿轮箱故障诊断方法。使用NGO对VMD进行参数寻优,利用优化后的VMD去除故障信号中的噪声;对原始GoogLeNet的结构进行合理删减,并利用延迟丢弃法、可训练的ReLU函数(TReLU)对其改进;最后,将去噪后的故障信号转换为二维图作为改进GoogLeNet的输入数据进行网络的训练及分类,得到故障诊断结果。实验结果表明:与其他降噪方法相比,NGO-VMD方法的降噪效果明显,能显著提高故障诊断的准确率;与常见的卷积神经网络相比,提出的改进GoogLeNet能进一步提高故障诊断的准确率,达到了97.2%。

广义确定性标识网络

随着智能制造、智能交通等重大国家战略实施,确定性成为信息网络尤其是行业专网的新焦点.现有确定性网络技术始终关注网络传输要素(带宽、时隙等)来保障数据流的确定性传输.然而,仅靠保障传输要素无法支撑新兴行业应用的多样化需求.例如,在算网融合场景,智算任务要求同时保障传输与计算要素的确定性来实现高性能通信;在绿色通信场景,需要考虑节点能量要素的确定性以维持网络稳定运行.针对上述需求,本文基于前期提出的标识网络技术,研究面向传输、计算、存储、能量等多要素的广义确定性网络.首先提出广义确定性标识网络架构,包括差异化服务层、异构融合网络层和智慧化适配层.差异化服务层和异构融合网络层,分别实现差异化确定性应用需求和异构化确定性网络要素的统一标识和描述,并通过标识解析映射实现确定性信息向智慧化适配层的统一封装和传递;智慧化适配层完成差异化确定性应用需求和异构化确定性网络要素的适配.现有确定性资源适配方法,即使仅考虑单一网络内的基本确定性要素,仍面临计算时间长、求解复杂性高、灵活度低等问题,为了支持更加复杂的多确定性要素、多种异构网络的协同适配,设计了基于深度强化学习的端到端的确定性调度(End-to-end Deterministic resource scheduling,E2eDet)算法,该算法可统一化、端到端地为混合数据流协同分配多种确定性网络资源,满足不同应用的差异化确定性需求.实验表明,E2eDet比DeepCQF和Random算法分别提升了28.4%和6.38倍数据流调度数量,同时E2eDet可以较好地权衡计算时间和调度能力.

基于改进残差网络的油气柱高度预测

针对目前油气柱高度预测技术局限于传统的地质方法且预测效果不太理想的现状,展开一种基于改进残差神经网络的油气柱高度预测的研究.该模型从断层解释和油藏解剖提取的圈闭结构化特征数据中提取特征信息,以估计油气柱高度.模型将原始残差块中的串行连接网络变成多个并行连接的网络,可以在多个尺度上同时进行卷积再聚合,能提取到不同尺度的特征,使其变成一个稀疏性、高计算性能的网络结构;同时保留了网络中跳跃连接的结构,缓解了在深度神经网络中增加深度带来了梯度消失和网络退化的问题,通过直接将输入信息绕道传到输出,保护信息的完整性;并在模型的首层和尾层增加注意力模块,来捕获集中于某个局部信息,使模型其能更快地收敛.此外对机器学习中常用的RF和BP神经网络以及深度学习中CNN、GoogleNet、ResNet和ResNet+Atten在圈闭数据上的应用进行了比较和分析.实验结果表明,改进的ResNet对油气柱高度预测有更加准确的结果 .

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

网络微短剧的兴起与规范化发展

近年来,微短剧的发展呈现数量级增长趋势,成为不少年轻人追捧的“电子榨菜”。然而,快节奏、小成本、低门槛的微短剧在火爆流行的同时也存在内容质量良莠不齐、扭曲个人和社会价值观、损害艺术创作生态、影响国家形象等问题。推动微短剧健康可持续发展,需植根于网络信息内容生态治理,从政府端到平台端到行业端,推动多方主体协同发力,加强政府治理、平台治理与行业自治,通过多元共治规范网络信息内容生态建设,让微短剧引领新时代新风尚,成为人们雅俗共赏、喜闻乐见的网上精神产品。

融合CNN-BiGRU和注意力机制的网络入侵检测模型

为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性.

基于GIS的公交换乘网络构建及可达性分析

为了提高公交换乘效率、优化公交系统,基于GIS软件构建公交换乘网络,运用该网络对换乘可达性进行了测度和分析.结合Space-P模型和网络分析法,以拉萨市城关区为研究区域,基于公交线路路径、站点、交叉口等基本信息构建同站换乘子网络.结合公交站点服务范围、步行通道路径、交叉口等信息构建异站换乘子网络.二者协同实现了基于ArcGIS的公交换乘网络构建,并依据该网络对公交线路的乘客在车时间和换乘系数进行测度和分析.结果表明:构建的换乘网络能够对乘客在车时间进行良好的测度,乘客在车时间最大值为68.68 min,最小值为2.00 min,乘客换乘在车时间平均值为29.90 min.该换乘网络能够对换乘系数进行良好的测度,得到有效换乘线路90 300条,换乘系数最大为4条(线路为62条),最小为0条(线路为1 354条).采用可达性度量模型,可实现对公交站点时间可达性和换乘可达性的良好测度和分析.

大规模复杂终端网络的云原生强化设计

作为互联网数据传输的“最后一公里”,终端网络看似简单却构成99%的性能瓶颈.经典设计面向典型设备常规环境,难以兼顾多样化场景,导致严重性能落差.通过云端汇聚并深度诊断大规模终端网络异常,在可用、可靠、可信3个关键维度揭示经典设计多处重要缺陷,采用跨层跨代的协同强化方法针对性修复(如时变非齐次4G/5G双连接管理方法最小化断网概率),实现无场景预设的自调控机制设计.应用于公安部高速网络、1700万“测网速”app用户、七千万小米手机、一亿百度手机卫士用户以及九亿WiFi设备.近年来进一步开展基于云端模拟器的前瞻网络设计,无需真实用户设备参与即可发现并修复潜在缺陷,让终端网络设计“生于云、长于云”.研究成果应用于华为DevEco Studio集成开发环境、腾讯应用市场、谷歌安卓模拟器及字节跳动多款流行应用(如抖音和今日头条).

数字化转型提升企业创新效率的网络机制——合作和知识双重创新网络结构洞的中介作用

企业数字化转型不仅拓展和优化了创新网络,也使创新网络在创新驱动发展中的作用日益重要。基于网络结构洞理论,从创新合作网络和创新知识网络(双重创新网络)角度分析数字化转型通过增强企业在创新网络中的“桥梁”作用来提升企业创新效率的机制,并采用沪深A股制造业上市公司2013—2021年的数据进行实证检验,结果发现:制造业企业数字化转型能够显著提升其创新效率,该作用在非国有企业中更为显著;双重创新网络结构洞是数字化转型影响企业创新效率的中介变量,即存在“数字化转型水平提高→双重创新网络结构洞增加→创新效率提升”的影响路径;企业组织韧性提高能够强化数字化转型对网络结构洞的正向影响,但对网络结构洞影响创新效率没有显著的调节作用。因此,应积极推进企业数字化转型,通过拓展和优化创新网络来促进企业创新效率提升,并不断提高企业的组织韧性以有效化解转型风险。

基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。

基于SDN的数据中心网络流量负载均衡研究

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类,为大流计算所有源至目的主机可达路径的最短跳数路径集;然后,根据LLDP和ECHO测量链路时延以求得时延最优路径集;最后,采用概率拟合算法分配路径,实现数据中心网络流量负载均衡.在相同场景下的实验结果表明,与ECMP、Hedera和DIFF算法相比,DSA-D算法具有更好的吞吐量、链路带宽利用率和平均往返时延.

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

面向全息通信的6G智简网络架构

全息通信作为一种全新的未来通信范式,通过再现真实物体细粒度画面,向用户提供三维沉浸式的交互体验,克服了传统媒体交互方式单一和场景临场感不足的问题。然而,相对于传统实时通信业务,全方位沉浸的真实全息通信对网络,特别在带宽、时延、安全性等多方面都提出了更为苛刻的要求。如何更好地扩展6G概念与特征,实现高质量、高沉浸的全息新通信成为当前学术界面临的一大挑战。为解决上述问题,率先提出面向全息通信的6G智简网络架构,旨在通过两层网络架构和三维动作模型合理调配6G泛网资源,解决全息通信所面对的超高带宽、超低时延、超大计算等挑战,推动经济社会高质量发展。

网络刑法的发展回溯与理论供源

传统刑法体系遭遇网络犯罪形态后频现应答疲态,预防性立法由此显身,开启由网络犯罪策动刑法转型的号角,但网络刑法的理论根基尚不稳。网络刑法的演进是网络社会发展与网络犯罪迸发共同作用下真实的渐显;网络空间社会思维是网络刑法的建构基石,衍生丰富的刑法学意义。网络安全秩序价值的相对优位与网络自由的并重、网络安全法益的统领地位与刑法任务变更、预防性理念的内在觉醒与审慎运行,是网络刑法的根基之本,框定网络刑法的发展脉络。刑法知识迁移是渐进的,网络犯罪、网络归责、网络制裁堪当生成网络刑法知识范畴的参照性“母版”,未来可创设网络刑法典以实现知识结构的创造性立法固化。