基于权重分摊的LeNet-5卷积神经网络防御策略

随着神经网络在自动驾驶、医疗诊断等关键领域的应用不断深入,如何确保神经网络的鲁棒性和安全性已成为当前研究的热点和挑战。在对抗攻击、数据中毒攻击、后门攻击等众多攻击方式中,随机翻转攻击是一种对安全性影响极大的攻击,其通过改变模型内部的权重参数来攻击网络,以降低网络性能。为应对此攻击方式,研究了一种基于权重分摊的防御策略。通过计算和分析权重的梯度来确定关键神经元,并为这些神经元添加冗余结构,使错误的权重最终被稀释,以提高模型的容错能力。为了验证这一防御策略,以LeNet-5模型为实验对象进行实验。实验表明,在相同的攻击条件下,经过防御后的模型相较于原始LeNet-5模型,容错精度提升了6.5%,相较于Inception-LeNet-5模型在全连接层上容错精度提升了1.9%。

基于改进LeNet-5网络的堆芯燃料组件编码识别

在核电站堆芯核燃料组件水下组装作业中,需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低,本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果,提出了一种整合LeNet-5网络和支持向量机(SVM)的模型,在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度,并改进Sigmoid函数,增加函数的平滑性,以此来减少梯度消失。实验表明,在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。

基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断研究

针对海上风电场和高海拔地区风机机组的叶片覆冰故障模型精度低、建模速度慢等问题,提出一种基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法。首先,整合监控和数据采集系统的记录数据与风机覆冰情况进行预处理,建立训练数据集;其次,基于改进后的LeNet5like网络构建覆冰故障诊断模型,提取数据集中多变量间的相关性特征信息;然后,经网络参数微调迁移学习对模型进行训练,实现对其他风机覆冰故障诊断模型的快速建立;最后,经实验验证,该模型覆冰故障诊断准确率为98.90%,较无迁移模块网络训练时间缩短28 s,提升约15.91%,验证了基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法的精确性和快速性。

5G/B5G异构网络切换过程分析和移动性管理解决方案

有效的移动性管理对于确保5G异构网络预期的QoS和QoE至关重要。切换过程在移动性管理中起着至关重要的作用。在此过程中的故障可能会对5G通信网络的可靠性、稳定性和连接性产生不利影响。对5G HetNet的切换过程进行了分析,包括5G切换过程步骤、5G HetNet的三层切换、5G HetNet的关键切换参数。此外,针对具体问题,如超高速、负载均衡和小区间干扰,归纳总结了5G HetNet的移动性管理主要解决方案,并提出了5G/B5G HetNet的移动性管理新方法。

5G技术对西藏网络舆情的影响与治理路径

5G技术是深刻改变传播形态和传播结构的一场信息革命。它的诞生为西藏社会经济文化发展提供了难得历史机遇,也会对西藏网络舆情产生重大影响和挑战。我们要充分认识西藏网络舆情的共同性特征和特殊性因素,高瞻远瞩,从治国稳藏的战略高度审视问题,善待网络民意,不断完善大数据平台建设,提高5G技术条件下突发事件应急管理和处置能力,精准画像,坚决依法打击极端分裂势力,引导西藏网络舆情健康、有序、合理地发展。

5G网络环境下的软件定义网络架构设计与挑战分析

本研究深入探讨了5G网络环境下软件定义网络架构的设计需求与原则,旨在揭示软件定义网络如何支持5G网络的高带宽、低延迟和大规模设备连接需求。通过分析软件定义网络在5G网络中的实际应用,包括网络切片、动态资源分配、安全性保障及与现有技术的融合,展示了软件定义网络架构如何提升网络管理的灵活性、效率和安全性。研究表明:软件定义网络能够有效应对5G网络的挑战,为网络提供强大的支持,同时也为未来网络技术的发展提供了新思路。

5G网络与广播电视网络融合研究

5G网络具有超高速率、超低时延、高可靠性等显著优势,为广播电视提供了更好的内容传输质量。首先,分析5G网络的技术特点及关键技术框架,包括无线传输、终端直通(Device-to-Device,D2D)通信等,为广播电视网络融合的建设奠定了基础。其次,对比分析广播电视的有线、无线、互联网3种传输方式,并提出它们与5G网络的整合,实现传输的高效化和智能化。最后,提出5G移动与广播电视网络融合的总体框架,包括基础设施层、网络功能层、内容分发层等,并分析相应的核心技术。

风险预警与对话协商:5G时代政府的网络舆论引导模式构建

5G技术大幅提升了移动互联网的传播能力,加速了话语的“民主化”和话语的“技术化”在我国社会语境下话语秩序构建中的发展趋势。政府需要加强对公职人员的媒介素养培训工作,提升其对网络舆论发生及应对原理的认知水平与把控能力,强化公职身份与公权力受到全天候舆论监督的网络风险意识,健全部门协同、重点监控、严格问责的网络监测预警机制;面对网络舆论,构建以“证据与科学”为核心要素的网络舆论引导机制:依托政务新媒体第一时间对话、基于调查真相回应公众质疑、做好信息的公共服务、培养公众的制度程序意识、以问责与健全制度扩大舆论监督的社会功能,由此在网络舆论场域形成彰显公平正义与大局观的公共理性。

基于5G电子通信的无人机导航网络信号抗干扰技术

为提升无人机在自主飞行过程中传输导航网络信号时的抗干扰能力,研究基于5G电子通信技术的无人机导航网络信号抗干扰技术。构建无人机通信结构,结合5G电子通信技术与电力线通信技术创建无人机导航网络信号模型;通过频谱感知方法中的能量检测算法建立无人机干扰信号检测模型,利用自适应滤波算法抑制干扰信号以及噪声干扰,实现无人机导航网络信号干扰抑制。实验结果表明,该方法具备不同干扰模式下的信号抗干扰能力。

基于SDN-DDQN的5G通信网络负载均衡控制

为优化5G通信网络的性能和稳定性,对网络负载进行均衡处理,利用SDN-DDQN,开展了负载均衡控制研究。首先,建立5G通信网络模型,获取模型拓扑结构,区分和描述网络中的通信过程;其次,利用SDN-DDQN,预测未来一段时间内的网络负载情况;在此基础上,根据预测结果,判断网络负载状态,有针对性地进行负载均衡控制。实验结果表明,提出的方法应用后,随着流量负载的增加,网络节点过载次数较少,节点可以及时、有效地处理所有请求或流量,保证5G通信网络的性能。

卫星通信与5G融合的网络架构设计与优化

当前,卫星通信与5G技术应用日益广泛。文章深入探讨了二者间的融合发展情况及其在通信卫星、互联网卫星和5G网络架构设计中的应用,并进一步研究了融合中关键的体系架构优化、空口波形优化、频谱共享优化和网络控制优化等技术,以为促进我国卫星通信技术和5G技术的优化发展、提高整体通信领域的水平提供参考。

基于数学模型的5G通信网络资源分配优化研究

文章研究了5G通信网络中的资源分配优化问题,通过构建线性规划数学模型,并采用单纯形法进行求解,应用结果表明,优化后的资源分配方案显著提高了网络的整体性能,包括网络吞吐量和用户满意度,并对不同资源分配策略进行了对比分析,验证了数学模型在5G通信网络性能优化中的有效性。

基于LeNet-5的手写数字识别的改进方法

手写体识别是计算机视觉的一个重要研究方向。在手写体识别中,常规方法的泛化性能通常较低。相比之下,人工神经网络能够从样本数据中学习特征表达。文章详细探讨了基于LeNet-5和基于卷积神经网络的手写数字识别方法,并设计了图形用户界面(GUI)进行实际测试。测试结果显示,改进后的LeNet-5模型在手写数字识别上相较于传统LeNet-5模型有一定提升。

5G超密集异构网络双连接技术架构设计

双连接(Dual Connectivity,DC)技术是一种创新型技术,可以满足5G超密集异构网络(Heterogeneous Network,HetNet)日益增长的高数据速率传输需求。在5G超密集HetNet中,DC切换是对传统移动网络切换的进一步优化和发展。因此,以DC技术的一般概念为基础,设计了5G非独立接入(Non-Standalone Access,NSA)架构和独立接入(Standalone Access,SA)架构。同时,为确保5G超密集HetNet业务的连续性,避免小蜂窝之间频繁切换和乒乓效应的发生,设计了基于DC的切换程序。

基于字符分割和LeNet-5网络的字符验证码识别

为了解决传统验证码识别方法效率低,精度差的问题,设计了一种先分割后识别的验证码处理方案;该方案在预处理阶段用中值滤波去噪,再利用霍夫变换对图像字符进行矫正;在字符分割阶段,利用垂直投影算法确定验证码字符块个数,以及字符坐标点,再用颜色填充算法对验证码进行初步分割,根据分割后的字符块数量对粘连字符进行二次分割;在识别阶段,我们对LeNet-5网络进行了改进,修改了输入层,并用全连接层替换了LeNet-5网络中的C5层,以此来对验证码字符进行识别;实验表明,对于非粘连验证码和粘连验证码,单张图片分割时间为0.14和0.15 ms,分割准确率为98.75%和97.25%,识别准确率为99.99%和97.7%;结果表明,该算法对验证码分割和识别都有着很好的效果。

IBNAD:一种基于交互的5G核心网网络功能异常检测模型

现有5G(5th GenerationMobile Communication Technology)核心网异常检测主要基于信令流量深度解析,但较少利用核心网网络功能交互关系的作用。针对上述问题,提出一种基于交互的5G核心网网络功能异常检测模型。首先,该模型以行为分析为驱动,基于信令流量和网络功能注册数据提取多维属性,通过行为画像来表征网络功能行为模式,并采用集成学习算法RFECV(Recursive Feature Elimination with Cross-Validation)进行属性特征选择,降低特征维度的同时筛选出与区分网络功能行为模式高度相关的属性特征。然后,模型基于网络功能交互关系对核心网进行图建模,建模后的图数据融合了网络功能属性信息和交互信息。最后,模型通过基于空间域的图卷积网络聚合邻域节点属性信息和结构信息来融合行为模式特征,新生成的节点表示用于分类,从而将核心网网络功能异常检测问题转化为图节点分类问题。通过在free5GC仿真平台上采集数据,并在搭建的异常检测系统中的实验表明,该模型的异常检测性能优于基于属性特征分析的传统机器学习模型、基于结构特征分析的图嵌入模型及部分5G核心网异常检测模型。10%数据集作为训练集时,所提模型的准确率比支持向量机模型提高6.6%,比Struc2vec模型提高13%,比深度神经网络模型提高8%。

低轨卫星与5G-R融合网络架构设计

由于地面网络覆盖不均匀,信号质量不够稳定,无法实现铁路交通网络的全程、快速、实时监测,阻碍了我国铁路交通网络的快速发展。同时,低轨卫星通信与地面5G的融合成为热点,二者的融合能够使卫星网络作为地面网络的有效补充。当前星地融合较少用于5G-R技术场景中。本文梳理了铁路卫星通信以及星地融合网络的研究现状与发展趋势;分析了铁路通信系统中各业务的通信需求。在此基础上,提出低轨卫星与5G-R融合网络架构。在弥补铁路通信网络覆盖盲区的同时,提供大容量的信息回传,有效保障铁路交通的安全运行,实现铁路交通的信息化、智能化管理。

基于5G网络的日间化疗过程移动监测系统研发与应用效果评价

目的:研发基于5G网络的患者日间化疗过程移动监测系统,解决日间化疗过程监测规范化管理、数据自动化保存和核对问题。方法:基于5G网络,使用My SQL5.6数据库和WebService中间层连接,采用客户端与服务器(C/S)架构研发基于5G网络的患者日间化疗过程移动监测系统,护理人员使用平板电脑扫描患者腕带及配液条码,系统自动完成患者、药物、化疗床位和化疗药物输注顺序核对,在患者化疗过程中定时提醒护理人员巡视患者、输注完成预警、治疗后评估等指令,并将数据传输到管理系统,自动完成过程数据记录。选取2021-2022年遂宁市中心医院进行日间化疗的11297例次患者日间化疗数据,对比采用日间化疗过程移动监测系统应用前(5269例次)和应用后(6028例次)化疗的患者化疗药物使用正确率、输液顺序正确率和患者满意度。结果:采用日间化疗过程移动监测系统后,患者化疗药物正确率和输液顺序正确率分别为99.43%(5994/6028)和97.15%(5856/6028),均高于系统应用前,其差异有统计学意义(x^(2)=126.28、96.55,P<0.05);采用日间化疗过程移动监测系统后患者满意度评分为(9.35±0.744)分,高于系统应用前,其差异有统计学意义(t=-3.796,P<0.05)。结论:日间化疗过程移动监测系统的使用,能够自动核查患者和配液信息,降低化疗药物配给出错率和输注过程中的顺序差错,减少医疗事故风险,提高患者满意度。

采用ERA5数据构建基于人工神经网络的天津ZWD模型

提出一种高精度的ZWD模型(tianjin_zwd,TZ)。TZ基于2016-2018年逐小时气压分层的ERA5,欧洲中尺度气象预报中心第五代再分析产品数据,采用BP神经网络建立。然后,根据2019年的ERA5产品导出的ZWD对TZ模型进行了验证。结果表明:相比GPT3模型,TZ模型可提供更贴近真值的ZWD估值;并且,其RMSE由5.0 cm (GPT3)降至4.5 cm,表明10%的精度提升。上述结果表明TZ模型实现了更优的预测性能,该模型的构建策略可为全国其他地区的ZWD建模提供借鉴。

基于改进YOLOv5s网络模型的火灾图像识别方法

提出了一种基于改进YOLOv5s网络模型的火灾图像识别方法。通过引入注意力机制改进特征提取网络,提高模型对特征的学习能力;通过添加大尺度检测层改进多尺度检测机制,执行K-Means聚类算法改进先验框,增强模型对小目标的识别能力。在实验数据集上的测试结果表明:改进的YOLOv5s网络模型相比原始模型在精确率、召回率和平均精度均值(mAP)指标上均有提升。改进模型的mAP为85.72%,帧率达54.66fps;在置信度上有了明显提升,对多目标和小目标的识别效果更好,并且有效降低了漏检和误检情况。所提出的火灾图像识别方法可适用于安防监控系统或智能机器人。