图神经网络节点分类任务基准测试及分析

图神经网络(Graph Neural Network,GNN)模型由于采用端到端的模型架构,在训练过程中能够更好地将节点隐藏特征的学习和分类目标协同起来,相比图嵌入(Graph Embedding)的方法,其在节点分类等任务上得到了较大的性能提升。但是,已有图神经网络模型实验对比阶段普遍存在的数据集类型单一、样本量不足、数据集切分不规范、对比模型规模及范围有限、评价指标单一、缺乏模型训练耗时对比等问题。为此,文中选取了包括cora,citeseer,pubmed,deezer等在内的来自不同领域(引文网络、社交网络及协作网络等)的共计20种数据集,以准确率、精确率、召回率、F-score值及模型训练耗时为多维评价指标,在FastGCN,PPNP,ChebyNet,DAGNN等17种主流图神经网络模型上,进行了全面且公平的节点分类任务基准测评,进而为真实业务场景下的模型选择提供了决策参考。通过基准测试实验发现,一方面,影响模型训练速度的因素排名依次是节点属性维度、图节点规模及图边的规模;另一方面,并不存在赢者通吃的模型,即不存在在所有数据集下全都表现优异的模型,特别是在公平的基准测试配置环境下,结构简洁的模型反而比复杂的GNN模型有着更好的性能表现。

基于熵权网络交叉效率的高校教师绩效评估

为客观有效评估高校教师的科研绩效,促进硬件资源的合理配置,文中综合运用熵权法和网络交叉效率等方法,构建了评价高校教师科研绩效的指标和模型,并使用国内某高校数据进行了实证分析。结果表明,所构建的熵权网络交叉效率模型突破了传统数据包络方法(DEA)对指标数量的限制,避免了人员评价的主观影响。通过交叉效率网络的可视化,实现了任意决策单元间的比较,提高了模型的辨识能力及评价的区分度,可为高校科研管理提供策略依据。

基于两阶段网络DEA模型的区域可再生能源技术创新绩效研究

可再生能源技术创新是促进可再生能源开发、社会清洁低碳发展的关键,可再生能源技术创新绩效评价是测度创新效率、水平以及发现短板的重要途径。将可再生能源技术创新过程划分为技术研发和成果转化两个阶段,构建考虑中间附加投入的两阶段网络DEA模型,对我国30个省份2014—2018年的可再生能源技术创新绩效进行分阶段和整体绩效评价。研究发现:我国可再生能源技术创新绩效整体水平不高,各省发展不均衡,可再生资源越丰富的地区,创新绩效水平越高,且大部分省份的技术研发绩效远高于成果转化绩效;我国可再生能源技术创新绩效水平逐年提高,各省份差异逐年减少,且不同资源禀赋地区间技术研发绩效和成果转化绩效的差异逐年减少;我国可再生能源技术创新整体绩效与两阶段绩效均有关,但受成果转化绩效的影响更为显著。基于以上结论,提出提高区域可再生资源利用效率、完善市场转化机制、加强区域间交流合作以促进均衡发展等政策建议。

基于统计和自适应ParNet的产学研绩效评价

针对现有产学研绩效评价体系及方法中存在的评价指标覆盖范围单一、评价样本特征表达不充分、评价模型自优化能力待提高的问题,提出主客观产学研综合绩效智能评价的评价体系及方法。首先,围绕三方合作主体,挖掘产学研合作过程中影响绩效的要素及这些要素之间的联系,自主构建主客观产学研绩效三级评价体系;其次,通过将收集到的离散序列评价样本映射至极坐标空间、马尔可夫转移矩阵等不同高维空间域,增强离散样本特征表征;然后,通过基于精英反向翻筋斗觅食的混沌优化策略设计,提高深度模型冗余压缩和超参数的全局寻优效率,构建轻量压缩及高维超参数的自适应寻优的ParNet(AParNet)分类模型;最后,将模型应用于产学研绩效评价中,实现高性能的绩效智能评价。实验结果表明,所提方法很好地贴合了离散序列非线性分类应用,同时模型中加入优化策略后,在减少计算量的同时提高了分类性能,具体体现在:与ParNet相比,AParNet中的参数量减少了10.8%,较好地实现了模型的压缩,且它在产学研绩效评价中的分类准确率可达到98.6%。在产学研绩效智能评价应用中,该方法提高了评价模型的自适应能力,能够实现准确、高效的产学研绩效评价。

基于Network DEA模型改进的省域R&D绩效评价方法研究

R&D管理中绩效评价问题是一个重要的研究焦点,选择合适的评价模型是R&D绩效评价的主要工作。传统R&D效率评价的指标决定了其决策单元具有多阶段复杂结构的特性,本文选择Network DEA方法作为评价的基本模型,分析此模型研究省域R&D绩效评价应用中存在的不足,在此基础上进行了模型的改进和优化。最后,通过使用改进模型对中国大陆31个省域R&D指标数据进行效率评价和分析,证明本评价方法的有效性。

基于卷积神经网络的刨花定向角度自动测量方法构建

基于卷积神经网络YOLOv5和最小外接矩形算法,构建一种自动准确地采集铺装刨花定向角度的方法。结果表明,构建的YOLOv5模型识别刨花目标的准确率、召回率和F1值分别为0.992、0.897和0.94,能够有效识别层叠刨花。模型自动测量和人工测量的刨花定向角度具有强相关性(R2=0.99),且模型不存在算法缺陷,计算每张刨花铺装图像(像素640×640)用时仅134.7 ms。该刨花定向角度计算模型可以为工业领域优化OSB生产工艺以及提高产品性能提供技术支撑。

基于混合模型的异构无人机蜂群效能评估

为实现无人机蜂群效能的快速评估,提出一种基于ADC(availability dependability capability)系统效能评估和BP神经网络预测的混合模型,以应对无人机蜂群配置和状态的多样性以及效能计算的复杂性。在分析蜂群效能构成要素的基础上,建立包含无人机通用平台能力,系统级能力,以及任务执行能力的能力指标体系。利用ADC法生成蜂群作战效能样本集合,运用BP神经网络构建关于无人机参数和能力指标的综合作战效能评估模型。利用该评估模型实现异构无人机蜂群实例的综合作战效能评估。结果表明:该模型评估误差可达5%以下,基于样本的评估时间可达3h以内,验证了该模型在异构无人机蜂群效能评估中的有效性及高效性。同时,通过分析数量、配置对无人机蜂群综合效能的影响,获得了异构无人机蜂群配置的可行建议。

面向数据中心的控制器排队性能评估模型研究

软件定义网络SDN(Software-Defined Networking)是通过逻辑控制器对整个网络进行集中控制管理,这种集中式的软件管理保证了网络的开放性且有利于管理,但极易造成网络性能瓶颈。为此,在SDN实际部署网络场景之前,对SDN控制器所在的网络进行性能评估是当前所面临的问题。设计了一种基于排队论在SDN控制器所控制的网络数据中心的性能评估模型,根据SDN在数据中心的Fat-Tree部署模式,及多个OpenFlow交换机发送的Packet-in消息过程特点,分析了Packet-in消息在控制器中的处理时间分布情况。以此为基础,构建了该排队解析模型的理论推导过程和主要性能指标参数,并评估了SDN控制器的处理性能。最后,通过该模型测试了控制器性能,并与现有测试模型进行比较。实验结果表明:该模型比现有测试模型更接近于工具Cbench所测性能指标参数,对实际部署控制器应用网络数据中心具有一定的性能参考价值。

BP神经网络在大跨斜拉桥性能检测中的应用研究

大跨斜拉桥工程的迅速发展对给该类桥梁的工作性能评估提出了更高的要求。针对大跨度斜拉桥的复杂情况,以浙江省某大跨度斜拉桥为检测对象,利用MIDAS/CIVIL有限元建模预测和荷载试验相结合的方法对桥梁的实际工作性能进行评测。采用Python软件构建BP神经网络,利用MIDAS/CIVIL有限元模型提供的训练样本对算法进行训练,将荷载试验实测值作为算法输入,得到桥梁模型参数和桥梁挠度应变改良值。由结果对比可知:MIDAS/CIVIL模型参数取值和真实值相差较大,误差最大可达27%。BP神经网络算法优化后的桥梁应变预测值更接近实际,优化后理论值误差可减少10%~20%。研究结果表明BP神经网络算法在桥梁工作性能评估中具有实践意义,该研究为大跨斜拉桥工作性能评估提供了可靠的方法借鉴。

新媒体企业台网融合模式及其绩效评价研究

在媒体新技术的推动下,媒体融合成为媒体行业新的发展趋势,台网融合模式便是推进媒体融合的手段之一。在此背景下,F电视台通过其旗下电视频道A卫视与其旗下新媒体企业G公司的深度合作,在台网融合模式方面做出有益的探索,并取得了良好的业绩效果。基于实地调研方法获取的数据,运用绩效棱柱模型对G公司台网融合模式的绩效后果进行了综合全面的评价,得出如下结论:(1) G公司与A卫视通过台网融合模式的互补互助、资源共享,构建了“台主导网”“网反哺台”“台网平衡”的双平台一体共生的模式,形成了以双平台为核心的产业生态圈内部生产闭环,取得了良好的协同发展效应;(2) G公司台网融合模式的绩效棱柱模型的评价结果显示,用户维度的总体绩效水平较高,尤其是用户粘度和忠诚度较好;投资者、员工、供应商、用户、政府及监管方的整体绩效评价也较好。上述结论可以为新媒体企业融合发展提供有益参考和经验借鉴。

应急通信中异构无人机中继性能仿真评估

无人机基站能够在复杂地形和环境下快速高效部署,协助地面通信系统,满足应急通信需求。然而,现有的研究并未考虑到UAV基站的回传链路设计。可移动的UAV基站是部署在低空中,UAV基站无法采用传统的光纤链路进行数据回传,必须依靠无线链路。针对现有无人机基站回传链路的问题,提出了异构无人机中继组网系统模型以及关键的隧道技术,并从服务速率以及业务延时两个方面分析了无人机异构中继组网性能。通过仿真异构无人机中继承载数据以及语音业务性能,论证了无人机异构中继能够提升用户的业务体验。

江苏省高校科研绩效评价及影响因素分析——基于AHP和GA-BP神经网络分析法

高校是国家创新体系的重要组成部分,随着创新型国家建设的不断深入,科学评估高校科研绩效并积极探索其影响因素,对加快建设创新型国家具有重要意义。文章基于“投入-产出”理论构建了高校绩效评价指标体系,采用AHP和GA-BP神经网络分析法对江苏省4种不同类型高校科研绩效及其影响因素进行分析。结果显示:样本高校综合科研绩效整体呈上升趋势,其中产业发展产出绩效增幅较为显著;各类型高校间科研绩效呈明显阶梯状特征且两极分化严重;不同类型高校科研绩效的决定性影响因素不同。基于此,文章从深化科研评价和坚持错位发展战略两个层面提出对策建议。

基于BP神经网络的科研绩效综合评价模型--以宁夏师范学院为例

首先引用投入产出理论与德尔菲法构建评价指标体系,归一化处理样本数据,取Sigmoid函数作为神经元激活函数,基于BP神经网络算法建立了评价模型.然后运用Python程序训练评价模型得到相应样本的科研绩效评价值及模型达到一定精度时的各评价指标权重值.最后利用该模型进行样本检验和测试,结果表明该模型能科学、公正地评价高校科研绩效,以服务于宁夏师范学院科研管理工作.

绿色网络和绿色评价:节能机制、模型和评价

随着网络规模的扩大和网络设备的不断更新,目前的网络对能量的利用日益暴露出能耗高、效率低,浪费多等诸多问题.节省网络能耗、构建绿色网络不仅成为计算机领域一个意义重大、需要迫切解决的课题,也成为影响社会可持续发展和国家发展战略的一个重要因素.目前,大量绿色网络的研究工作致力于减少网络系统的无用能耗,提高能量利用率.文中将能量看成一种系统资源,从资源分配和任务管理角度对绿色网络的机制和策略进行了综述,介绍了模型方法在绿色评价中的应用.基于这些讨论,文中提出了基于随机模型的绿色评价框架,为构建绿色网络和节能机制的评价体系奠定了基础.

QoS路由算法性能评价模型的研究

Qo S是新一代网络所必须支持的重要特性之一 .在 Qo S的研究中 ,网络路由算法是至关重要的 .本文基于当前世界上在 Qo S路由算法研究上的主要结果 ,建立起一个系统的 Qo S路由算法的性能评价体系 ,提出了评价指标参数 ,并详细介绍网络模拟器 R_ NS的设计模型和实现方法 .

应用网络仿真技术进行网络性能评价

阐述了应用网络仿真技术进行网络性能评价和预测的方法 ,包括性能指标选取、仿真试验设计、仿真性能参数计算、仿真结果处理与分析的方法 ,并给出了对一个具体的多媒体网络进行性能评价的应用实例。

网络可靠性评估模型与算法综述

可靠性评估是可靠性工程的基础,传统评估方法主要以物理故障为主,但网络独有的特点导致其评估难以回避非物理故障。从20世纪60年代首次提出网络的连通可靠性发展至今,由于网络复杂,评估方面广,影响因素多,几十年的研究产生了很多相关参数、模型和算法,导致网络可靠性概念杂乱,评估模型与算法不成系统。以故障为核心提出了网络可靠性3层评估模型,对应3类不同性质的网络故障,从可靠性工程的角度系统梳理了网络可靠性概念、内涵,并基于此综述了每一层所对应的评估算法。

BP神经网络在企业综合绩评中的应用研究与改进

以平衡计分卡法为基础构建了企业综合绩效评价体系,重点介绍了BP人工神经网络模型在企业综合绩效评价体系中的应用方法和步骤,此外还对BP网络的初始权重及阈值的赋值、训练样本的选取、隐含层的确定、网络的收敛性等问题做了较为详细的研究和改进,最后给出了基于Matlab的BP算法的实现并进行了实证研究。

网络模式下临床医师绩效评价指标体系研究

为了充分利用医院信息网络信息,更为全面、客观地对医生进行评价,阐述建立网络模式下临床医师绩效评价指标体系的原则、方法,并对的建立指标体系的可信度及合理性进行了分析。

无线传感器网络分析与仿真

计算机仿真是通信网络研究的有效评估方法之一。无线传感器网络强调对目标现象及其属性的实时感知能力,支持对感知信息的本地处理和节点间协同处理,而传统网络仿真平台并不支持。从网络体系结构和典型应用场景入手,分析无线传感器网络仿真需求,提出结合传统网络通信性能、能耗控制和基础功能实现的网络性能评价指标,并给出基于NS-2的扩展设计和实现。