双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置,结合减震设计原理和智能算法,采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究,并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中,采用双目标优化算法进行阻尼器竖向布置,并与逐层逼近法、工程师设计和非减震设计进行对比,结果表明,采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度,提高结构的抗震性能。在确定各楼层的阻尼器数量后,利用训练好的生成对抗网络生成模型,可快速、自动地选择和确定各楼层阻尼器的平面安装位置,生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1,说明两者相似度较高,且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合,不仅能满足框架结构的减震性能目标,而且可实现阻尼器布置方案的智能设计,提升减震工程设计效率。

基于卷积神经网络的RC框架通信机楼震后损伤评定方法

为解决震后大量钢筋混凝土框架通信机楼损伤评定需求,基于卷积神经网络研究从构件层次至整体结构的损伤评定方法。首先对汶川地震、鲁甸地震、芦山地震等多次地震后大量钢筋混凝土框架结构损伤调查图片筛选处理,建立了钢筋混凝土框架梁、柱损伤评定数据集。然后通过对3个关键问题的研究建立了钢筋混凝土框架基于卷积神经网络的震损评定方法:训练和建立YOLOv5网络模型完成从结构震害照片中检测识别出梁、柱构件的任务,并改进优化了YOLOv5网络模型的检测性能;优选比较3种网络模型(ResNet50、MobileNetV2和AlexNet模型)对梁、柱构件损伤水平评定的精确性,最终建立了基于ResNet50的梁、柱构件损伤评定模型;给出了从构件层次到整体结构的损伤水平确定方法,并通过对一栋实际震损框架进行损伤评定验证了文中方法的可用性。结果表明,文中方法与专家的损伤评定结论一致性高,优化后的卷积神经网络模型精确度和稳定性好,对震后钢筋混凝土框架结构损伤评定具有良好的适用性。

基于神经网络的跨越地裂缝框架结构地震损伤及预测研究

为开展特殊地质环境下结构的损伤分析,以一跨越西安f4地裂缝的五层框架结构为研究对象,基于振动台试验和ABAQUS有限元分析结果,进行了BP神经网络模型的模型训练,选取变形和能量组合形式的双参数损伤模型计算结构损伤指标,采用加权系数法,开展了构件、楼层、结构三个层面的损伤预测分析,给出了不同地震作用下结构损伤程度评估。结果表明:地裂缝场地结构表现出明显上下盘效应,结构首层为薄弱层。BP神经网络损伤预测值与有限元计算值在不同工况下均较为一致,其对于构件、层间、整体结构损伤指数预测最大误差分别为8.86%、5.66%、7.57%,该研究成果为跨越地裂缝结构的性能评估提供一种准确且高效的研究方法。

基于生成对抗网络的自动框架结构设计

本文在结构设计中引入人工智能方法,通过提出建筑结构特征表达方法,构建以生成对抗网络为核心的框架结构自动设计方法。在数据前处理阶段,通过对建筑结构图纸分析,提出建筑特征表达方法与结构特征表达方法。在构建算法模型阶段,实现在有限的数据量下训练生成对抗算法学习框架结构布置,构建了依据建筑信息自动生成含有构件尺寸信息的框架结构自动布置模型,并提出了评价指标量化评价模型的结构设计能力。在案例中使用本文构建的框架结构自动布置模型完成一栋实际建筑的自动设计,验证了本文提出方法对结构设计效率的提高。

自媒体时代网络舆情演化与治理策略分析——基于框架理论的视角

随着移动互联技术的发展和自媒体应用的普及,信息的传播日益趋向个人化、互动化和多元化。框架是沟通社会结构与社会互动的中介,是人与人交往的中介。个体借助框架才能理解世界,而框架也对个体诠释事件意义产生影响。自媒体时代,框架就是背景,媒介则建构了环境,自媒体和传统媒体一起不间断地生产、传播信息,个人被裹挟其中,网络舆论场域发生翻天覆地的变化,网络舆情治理面临全新的巨大挑战。自媒体时代对网络舆情的治理,需要立足于这些新变化,致力于在开放互动的基础上重构框架认知,以博弈下的多元共治来推进自媒体时代网络舆情治理的良性发展。

美国NIST《网络安全框架2.0》初探

基于风险管理的思想明晰组织的网络安全态势和提升组织网络安全保护能力基本是业界共识。介绍了美国NIST网络安全框架2.0版本的核心结构、组织轮廓和层级等主要内容,并分析其与网络安全框架1.1版本的主要差异,为我国网络运营者加强风险管理提供参考。

一种基于SDN的网络安全框架及安全策略设计

软件定义网络(Softeware Defined Network, SDN)是一种新型的网络体系架构,目前已成为下一代互联网研究的热点。为了解决SDN中的网络信息安全问题,文章对SDN中的控制平面、数据平面和应用平面进行分析,梳理并总结了SDN管理中的相关网络安全问题。提出了一种基于SDN的网络安全框架及安全策略,有效弥补传统网络结构中的网络安全缺陷问题,增强SDN网络安全级别,并建立一种基于终端用户限定与管理的SDN的网络安全框架及其安全策略。

基于.NET框架的网络教学资源管理系统的设计与研究

随着信息技术的快速发展,网络教学资源管理系统在教育领域中的重要性日益凸显。.NET框架作为一种广泛使用的开发平台,具有强大的功能和灵活性,能够有效地支持网络教学资源管理系统的设计和实现。本文介绍了.NET框架的特点与优势,分析了网络教学资源管理系统设计需求,并对其关键技术进行介绍。经过测试验证,该系统便捷、安全,能够满足网络教学功能需求。

GNNSched:面向GPU的图神经网络推理任务调度框架

由于频繁的显存访问,图神经网络GNN在GPU上运行时往往资源利用率较低。现有的推理框架由于没有考虑GNN输入的不规则性,直接适用到GNN进行推理任务共置时可能会超出显存容量导致任务失败。对于GNN推理任务,需要根据其输入特点预先分析并发任务的显存占用情况,以确保并发任务在GPU上的成功共置。此外,多租户场景提交的推理任务亟需灵活的调度策略,以满足并发推理任务的服务质量要求。为了解决上述问题,提出了GNNSched,其在GPU上高效管理GNN推理任务的共置运行。具体来说,GNNSched将并发推理任务组织为队列,并在算子粒度上根据成本函数估算每个任务的显存占用情况。GNNSched实现了多种调度策略来生成任务组,这些任务组被迭代地提交到GPU并发执行。实验结果表明,GNNSched能够满足并发GNN推理任务的服务质量并降低推理任务的响应时延。

虚拟数字人赋能网络药店应用框架初探

目的:探讨解决传统网络药店药学服务提供不到位、药店难以掌握消费者真实需求、平台品牌传播力有限等诸多问题的措施。方法:建立基于虚拟数字人的网络药店应用系统框架,对传统网络药店进行升级改造。结果:示范应用表明,虚拟数字人明显提升了消费者对网络药店平台的忠诚度,使消费者懂得更多合理科学用药的知识,平台好评和销售额显著增长。结论:虚拟数字人是元宇宙时代网络药店发展的必然方向,虚拟数字人为网络药店服务的高质量发展提供了一种新的方案。

TPACK框架下项目驱动式计算机网络课程教学模式设计

项目驱动模式的教学中,由于不同学科教学内容、学科思想等有较大差异使得项目引导作用无法与教学过程深度融合并发挥最大效果。针对此问题该文详细分析计算机网络教学过程中的项目驱动模式,并基于TPACK理论框架提出一种以知识全面掌握、实践能力培养为目标,以TPACK理论为指导的项目驱动式教学方法。该方法以项目为引导将教学内容、教学方法、技术知识构建于统一框架下,并形成教学设计、教学实践、教学评估的闭环反馈更新机制,可以有效促进各阶段的教学效果。

基于人工神经网络的RC框架结构地震响应预测方法

为了实现钢筋混凝土(Reinforced Concrete,RC)框架结构地震响应的快速预测,提出了一种基于人工神经网络的RC框架结构地震响应预测方法,设计低层、多层和小高层共3个典型RC框架结构作为研究对象,以四川雅安地区为目标场地,基于条件均值谱选取地震动记录作为输入并进行弹塑性时程分析,所得样本数据用于训练人工神经网络。以地震动强度信息和结构信息为输入预测结构响应,同时对模型进行参数敏感性分析。结果表明:建立的人工神经网络模型具有较好的泛化性能,平均谱加速度具有最高的平均影响值,提出的方法为快速预测RC框架结构地震响应提供了方法借鉴。

安全自主可控的国产化FPGA神经网络部署框架研究

针对现有的深度学习边缘应用依赖非国产FPGA架构和加密IP实现产生潜在的安全问题,并且难以快速部署在IP不足、尚在发展中的国产化FPGA平台,设计了一种基于国产FPGA的神经网络硬件部署框架,配备独立于FPGA厂商的硬件IP库,实现国产FPGA神经网络部署的安全自主可控,并以此为基础进行了验证性实验。实验结果表明,本文所提出的神经网络部署框架具备实用功能,基于所提出框架能够实现国产FPGA神经网络快速部署,并且基于框架实现的16位精度Lenet5网络推理速度提高了6.67倍,仅为0.024 ms,GOPS吞吐率提升了5.13倍,达到147.8 GOPS;框架针对卷积计算转矩阵的数据降维进行了特定优化,相比基于Intel Xeon E 2276M CPU,进行卷积数据预转换加速了124.9倍。

网络非理性群体行为概念解析与理论框架构建

[目的/意义]随着信息技术的持续发展与普及,互联网中滋生出网络暴力、谣言散播、饭圈失范等一系列非理性群体行为,严重扰乱了网络空间乃至整个经济社会的运转秩序。在理论层面上,系统深入地探讨网络非理性群体行为,有利于对其进行科学认知和有效治理。[方法/过程]首先依据社会技术互动网络的观点剖析网络非理性群体行为的概念内涵,其次梳理国内外的现有相关研究成果,最后归纳提炼出网络非理性群体行为的理论基础、研究视角与方法、驱动因素及作用机制,形成理论框架。[结果/结论]网络非理性群体行为的概念包含群体非理性、人—技术互动、社会互动3个核心构件。本研究构建的框架整合了现有成果,可以促进未来的研究实现更多元、更深层次的问题探讨,推动治理实践更全面、更有针对性地开展。

基于图框架变换的动态图神经网络模型

为了有效地挖掘并利用动态图的低频和高频信息并捕捉其时空演变规律,提出了一种基于图小波的兼顾低通、高通滤波的多尺度图卷积,并将该卷积运算融入长短期记忆网络中,构建了一类基于图框架变换的动态图神经网络模型.在离散动态图的3个基准数据集中采用2种不同的训练方式进行实验,对比了11种动态图表示学习方法.实验结果表明:所提模型通常能取得最优效果且稳定性更好,同时也验证了模型能够更好地捕获动态图的演变规律.

基于语义内容识别的网络舆论监测分析系统框架

网络已成为公众表达意见,讨论公共事务,参与经济、社会和政治生活的重要公共平台。随着信息的传播,网络舆论呈几何级数增长,有必要对网络舆论进行监测和分析,以便政府管理舆论信息,及时发现热点,正确引导舆论走向。因此,网络舆情监测与分析成为近年来的热点问题。目前主要成熟的技术是基于关键词的统计分析。然而,在提高其有效性方面仍有很大的空间。文章描述了一个基于语义内容识别的网络舆情监测与分析系统框架,以解决舆情的一些关键问题。

行动者网络视野下AIGC电影生产框架研究

随着2022年Midjourney、Stable Diffusion及ChatGPT等AIGC应用的不断涌现,AIGC电影生产框架成为下一个探索热点。作为人工智能内容生成范式,通过引入行动者网络理论探讨AIGC电影生产网络中的人类行动者和非人类行动者的角色定位与功能属性;同时,通过对转译过程的分析,发现该网络存在着行动者的自我角色认知偏差、转译的过度市场化和节点间的非深度合作等异质性内容。为了消除异议,发挥网络的集体效能,提出了明确行动者的角色定位、防范转译的商业风险和注重网络的互联互通等优化路径。

算力网络数据安全保护框架研究

算力网络作为新型信息基础设施,是数字经济高质量发展的有效驱动力,提升算力网络安全保障能力已成为重要议题。总结回顾算力网络技术概念的兴起和发展,分析算力网络可能面临的数据安全风险,并提出算力网络数据安全保护框架,为构建算力网络数据安全保护体系提供技术参考。

分布式深度学习框架下主动式网络安全性能感知系统设计

主动式网络在数据传输过程中容易受到黑客的攻击,威胁网络整体安全性能,为此,在分布式深度学习框架下设计主动式网络安全性能感知系统。基于分布式理论加速训练深度学习算法获取最佳参数集合,应用训练好的深度学习算法——卷积自动编码器提取安全性能感知数据的重要特征,以此为基础,分析影响网络安全性能的关键因素。选取感知指标,并应用模糊层次分析法计算其权重数值。构建网络安全性能感知模型,制定网络安全性能等级判定规则,即可确定网络安全性能感知结果。实验数据显示,设计系统应用后主动式网络安全性能感知误差最小值为0.4%,保障了主动式网络安全运行。

神经网络搭载Inception模块的框架结构集成故障诊断

针对于框架结构的使用环境恶劣,同时常常伴随着大量的噪声,在使用普通的一维卷积神经网络对框架结构进行故障诊断时,存在无法做出有效故障诊断的问题。本研究在一种抗噪声能力较强的卷积神经网络中加入Inception模块,提出了一种识别率和抗噪声能力更高的卷积神经网络—BICNN(Convolution Neural Network based on Inception),并用BICNN卷积神经网络基于数据驱动的方式,对楼体框架模型进行了集成故障诊断研究。集成诊断结果表明BICNN具有更高的识别率和较强的抗噪声能力,而且在训练步数较少的情况下振荡次数少收敛情况良好。因此采取本研究所提出的方法,对框架结构进行故障诊断时具有高诊断率和稳定性,为维护框架结构的稳定运行具有重大安全意义。