广告点击率预估的逐层残差交互网络

网络广告费的收取通常是以用户的点击次数来计算的,因此如何准确地预估点击率(CTR)是广告公司十分关心的问题.当前先进水平的方法集中在构建各种高阶特征交互模型来预估CTR,但是高阶特征交互会丢失低阶信息,尤其是丢失原始特征的信息.为此,本文提出一个新的逐层残差交互网络,它在每次交互时都考虑原始特征的引导作用,被命名为逐层残差交互网(LRIN).LRIN强调高阶特征交互应该建立在原始特征逐层交互的基础上.n阶特征交互由原始特征与n-1阶特征通过元素积运算得到.进而,本文引入了多尺度方法来设计注意力网络.受逐层交互的影响,注意力网络也被设计成多层,称之为逐层注意力网络.为了将二者结合起来,本文提出将逐层残差交互网络的输出作为逐层注意力网络的权重,由此形成了一种新的双网络训练模型.在多个benchmark数据集上的实验结果表明,LRIN的性能比当前先进的方法在Criteo数据集上平均提高1.24%,在Avazu数据集上平均提高2.16%,在MovieLens-1M数据集上平均提高了1.3%,在Book-Crossing数据集上平均提高了1.27%.

基于线性化方法的交直流混合配电系统网架规划

随着配电系统中直流设备的大量接入,交直流混合配电系统得到越来越广泛的应用。为适应交直流混合配电系统中不同交直流(AC/DC)类型的负荷或电源的接入,提出一种新的交直流混合配电系统网架结构规划方法,该方法考虑了网架交直流配置的所有可能性。首先以二进制网络矩阵描述配电系统的网架结构;其次建立网架单层规划模型,将规划变量和运行变量同时进行优化以提升全局寻优能力;最后将单层规划模型进行线性化处理,转换为混合整数线性规划问题以提升求解效率。仿真结果表明,所提方法能够为配电系统中不同交直流类型的负荷和电源的接入提供最佳的网架配置方案,相比于传统的纯交流规划方案具有更好的经济性和供电能力,在算法上与经典遗传算法求解的双层规划方法相比,具有更好的全局寻优能力和计算效率。

基于多层耦合网络的装备保障体系级联失效及抗毁性分析

为准确描述装备保障体系结构特征与毁伤失效流程,进而提升装备保障体系功能与抗毁能力,基于杀伤层、保障层和储供层构建装备保障体系的多层耦合网络模型。基于杀伤链给出装备维修保障链与储供保障链的特征和典型样式,在此基础上,提出考虑装备保障体系多层耦合网络特性的级联失效模型与节点重要度评估方法。给出对应的网络抗毁性评估指标。仿真结果表明,考虑级联失效的多层耦合网络模型能较好地反映遭受攻击时整个装备保障体系的性能变化情况,所提出的使命任务节点重要度能准确识别关键节点。与传统网络抗毁性指标相比,杀伤链数量对节点失效产生的装备保障体系抗毁性变化更加敏感。

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

基于多模态神经网络流量特征的网络应用层DDoS攻击检测方法

农业设备、传感器和监控系统与网络的连接日益紧密,给农村配电网带来了新的网络安全挑战。其中,分布式拒绝服务(DDoS)攻击是一种常见的网络威胁,对农村配电网的安全性构成了严重威胁。针对农村配电网的特殊需求,提出一种基于多模态神经网络流量特征的网络应用层DDoS攻击检测方法。通过制定网络应用层流量数据包捕获流程并构建多模态神经网络模型,成功提取并分析了网络应用层DDoS攻击流量的特征。在加载DDoS攻击背景下的异常流量特征后,计算相关系数并设计相应的DDoS攻击检测规则,以实现对DDoS攻击的有效检测。经试验分析,所提出的方法在提取DDoS攻击相关特征上表现出色,最大提取完整度可达95%,效果明显优于对比试验中基于EEMD-LSTM的检测方法和基于条件熵与决策树的检测方法。

校园网二层环路防治技术研究

作为校园网常见问题,二层环路故障不仅隐蔽性强,而且定位也较为困难。文章分析了二层环路网络故障所带来的危害,给出了具体检测方法和防范措施。研究对于优化校园网运维管理体系,进一步提高校园网的可靠性和稳定性具有一定实践意义。

阿尔茨海默病的多层脑网络链路预测重构

功能脑网络的构建工作是阿尔茨海默病辅助诊断中的基础任务.针对基于全频域的单层网络构建方法难以处理小频段间的异质性特征以及脑网络中可能存在错误边或缺失边的问题,提出一种基于多层网络链路预测的功能脑网络模型.利用多层网络框架使节点间存在多个频段描述下的连接关系,并设计融合层间相似性和节点重要性的局部相似性指标,进而基于多层网络拓扑结构进行链路预测,以重构网络结构.实验结果表明,与当前先进的脑网络模型相比,该模型在阿尔茨海默病分类诊断中性能表现更好,证明所提模型能有效提升网络表达的精准性,且在计算机辅助诊断中具有良好的应用价值.

基于改进天鹰的三维室内多层结构定位算法

在面向一些大型商超、医院、教学楼等大规模室内多层结构定位中,针对多层WSN结构的非测距定位问题,提出一种基于改进天鹰的三维室内多层结构定位算法IAODV-HOP算法。首先,为节点划分3类通信半径以细化跳数,同时利用最小均方差和权重因子修正节点的平均跳距。其次,用IAO算法对未知节点坐标进行寻优,通过佳点集策略对种群初始化,解决天鹰算法因初始种群随机分布而导致的种群的质量和多样性难以保证的问题,并且在局部搜索中加入黄金正弦的搜索策略完善种群的位置更新方式,增强了算法的局部搜索能力。通过仿真实验,本文所提算法IAODV-HOP相较于传统3D-DV-Hop、PSO-3DDV-Hop、N3-3DDV-Hop以及N3-ACO-3DDV-Hop算法,归一化平均定位误差分别下降70.33%、62.67%、64%、53.67%,表现出更优的性能,具有更好的稳定性和更高的定位精度。

考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型

随着交通出行需求的快速增长,我国高速公路网络面临的运输压力日渐增加,经常出现严重的交通拥堵现象。为了缓解高速公路交通拥堵,并实施更有针对性的交通管控措施,提出了考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型。首先,利用湖南省高速公路以及国道、省道的地理信息数据构建区域多层公路交通网络。然后,根据OD对间距离和OD交通量的差异,利用K-均值聚类算法对OD对进行聚类分析,将OD对划分为3个不同的类别。最后,应用遗传算法筛选出各类OD对中对拥堵贡献较大的出行群体,并建立有针对性的混合路径诱导模型,对拥堵贡献较大和拥堵贡献较小的出行群体分别应用不同的路径诱导方案。当OD需求扩样系数设置为6时,对OD对聚类可以将总出行成本进一步降低35186.03 min。在不进行OD对聚类时,使用规划路径的出行总数为79140,而实施OD对聚类后,使用规划路径的出行总数为70374。使用诱导路径的出行的平均出行时间由121.47 min下降为85.61 min,极少数出行(3.75%)的时间增加,且增加最大值低于3 min。对多个不同扩样系数进行敏感性分析进一步说明了考虑OD需求聚类的混合路径诱导模型具有良好的拥堵缓解效果。考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型可以用于识别对拥堵贡献较大的关键出行群体,进而制定有针对性的路径诱导策略,在缓解高速公路交通拥堵的同时能够减少对大多数出行者的影响,降低路径诱导策略的实施难度。另外,研究结果还表明:对出行距离较长的出行群体实施路径诱导能够更加有效地缓解区域多层公路交通网络中的交通拥堵。

多频段多制式复杂网络的邻区优化

针对LTE网络中普遍存在的多频段多制式的复杂网络结构,将各网络按覆盖及容量的职责划分,梳理和精简各网络间的测量和邻区关系,大幅降低网络的相邻关系和切换次数,简化网络的互操作及邻区维护优化工作,改善终端在网络间的驻留信号强度和业务性能,方案在现网实施后效果良好。

工程项目组合风险扩散模型的级联失效分析

为构建符合工程项目组合特点的风险扩散模型,解决风险扩散问题。本文考虑风险扩散的双关系载体—项目交互关系和风险因素逻辑关系,构建工程项目组合风险扩散的双层相依网络模型,运用级联失效理论提出风险扩散规则,通过数值仿真分析风险扩散特征。仿真结果发现:工程项目组合中,双层网络模型能够反映风险在项目和风险因素双关系载体中的扩散特征;与单层网络风险扩散模型相比,构建的模型展现出差异性的风险扩散效应,风险扩散在工程项目组合中表现出更剧烈的级联失效过程。风险扩散模型作为工程项目组合风险扩散问题的前置性研究,为进一步风险扩散网络稳定性的研究提供新思路和启发。

多园区综合能源系统接入主动配电网双层优化调度研究

随着园区综合能源系统的不断发展与普及,其与上级大电网并网实现交互已成为大势所趋。文中构建了通过联络线相耦合的多园区综合能源系统接入主动配电网的双层优化调度模型。在主动配电网层面,以最小运行成本为目标,充分考虑了联络线功率、分布式电源、储能设备、柔性负荷、电动汽车等可调度资源;在园区层面,以多园区总运行成本最小为目标,考虑了相互联结的多类型园区的并网情况。利用目标级联法对双层模型进行求解。通过算例验证,文中所构建模型具有良好的经济特性与削峰填谷效果,充分证明了文中所提模型的经济性与有效性。

基于图神经网络的多层银企网络融合研究

针对金融行业内潜在系统性风险难以精准识别问题,基于直接系统性风险传染渠道的借贷数据以及间接渠道的互联网文本信息,构建多层银企网络,并利用图卷积神经网络(GCN)设计多层银企网络融合模型,根据融合网络量化评估29家银行和75家房地产机构的不同渠道系统性风险传染过程。实验结果表明,在多层金融网络融合任务上,本文融合模型的准确率达到0.8559,优于对比模型。融合网络分析表明,多层网络共同冲击下的银企系统性风险传染能力明显大于单一或者2层网络的系统性风险,且基于间接渠道的企业间网络系统性风险更明显。金融审慎监管应该更多关注文本数据、深度学习等技术对于整合庞大金融资源的能力和有效提高风险监测预警的能力。

基于动态自适应图神经网络的电动汽车充电负荷预测

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。

基于多层残差网络的地震提频处理在薄储集层识别中的应用

基于多层残差网络的地震提频处理方法,通过智能化网络将测井高频信息与地震数据相结合,能有效提升纵向分辨率,保持横向连续可追踪,利于薄储集层识别。针对AMH地区常规处理的地震数据仅能识别厚度大于30 m的碳酸盐岩层,无法有效识别厚度较小的薄储集层的问题,提出基于多层残差网络的地震提频处理方法,以井旁地震振幅作为训练数据,测井相对波阻抗作为训练标签,利用深度学习网络多层残差网络开展训练,获取相对波阻抗曲线的预测模型;通过将地震数据作为输入,利用深度网络训练模型计算得到相对波阻抗数据体,进而得到提频后的地震数据体相对应的反射系数体。通过对靶区地质情况的分析认识,对宽频子波进行标定后提取合适的宽频子波,与反射系数体进行褶积,得到提频后的地震数据体;利用提频后的地震数据体开展储集层反演,反演结果纵向具有较高分辨率,与主要目的层能够较好匹配,横向可以进行识别和追踪,利用高分辨地震数据反演结果实现AMH地区的薄储集层识别。结果表明,通过基于多层残差网络的地震提频处理及相应的高分辨模型反演,在AMH地区能够识别厚度大于10 m的薄储集层,较好地解决由于地震分辨率低无法识别薄储集层的问题,有效提高了薄储集层预测的精度,对同类型薄储集层识别具有借鉴意义。

多分支废弃油井层温衰减规律及注入参数对注采性能的影响

利用废弃油井开发地热资源是降低地热开发成本、促进商业推广的有效措施,其中层温衰减规律对地热系统取热效果具有重要影响。为此,以废弃油井储层为研究对象,结合泰森多边形理论对储层裂缝进行了划分,建立了三维油水两相热流耦合数值模型,分析了不同储层条件与布井结构下的层温衰减规律,探究了注入参数等因素对地热注采性能的影响。研究结果表明:(1)低渗透储层抽采30年生产温度最大差值可达22.08 K,高渗透储层(1.0×10^(-13) m^(2))温度过度衰减,长年限采热效率低;(2)储层含油率与生产温度和发电功率呈正相关关系,生产30年后差值最大可达11.57 K与0.12 MW;(3)分支井沿垂直方向会形成低温波谷,层温衰减高于储层其余部分,数量增加对注采影响小;(4)注入速率与发电功率、生产温度分别呈正、负相关关系,但注入速率超过89 kg/s时不利于长年限开采。结论认为:(1)储层取热性能对初始渗透率最为敏感,注入速率与储层含油率次之,优先开发低渗透储层有利于长年限采热;(2)应利用油田地热降低稠油黏度,形成地热辅助采油模式,以实现经济效应最大化;(3)选取6支分支井与89 kg/s的注入速率可得到可观取热效果和较好的经济效益。

基于多层全连接神经网络的6C地震波极化向量识别研究

利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。

基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

基于Zynq平台的低功耗人脸检测加速系统

基于CPU及GPU的卷积神经网络平台存在体积大、能耗高等问题,提出了一种基于Zynq平台的卷积神经网络人脸检测加速系统。该系统采用YOLOv3-Tiny算法,并利用Wider Face人脸数据集进行训练。为提高网络效率,采用层融合技术减小网络深度,加快检测速度;同时,采用8位整数量化策略,以降低内存访问量,减少资源消耗。通过利用ZynqXC7Z035芯片上FPGA端并行计算能力,设计出可重复利用的多通道卷积计算模块,实现DSP的重复递用。实验结果显示,所设计的加速系统实现了9.5FPS的实时推理速度,检测速度是intel i7-8700CPU的7.9倍,系统功耗仅为2.65W,满足低功耗的性能需求。

轻量级链式验证的网络传输层安全性增强方法

传输层是网络协议栈的关键组成部分,负责为不同主机间的应用程序提供端到端的服务.已有的传输层协议如TCP等为用户提供了基本的差错控制和确认应答等安全保护机制,在一定程度上保证了不同主机间应用程序收发报文的一致性.但现有的传输层安全保护机制存在严重的缺陷,如TCP报文的序列号容易被猜测推理,报文校验和的计算依赖于有漏洞的补码求和算法等.这导致现有的传输层安全机制并不能保证报文的完整性和安全性,从而允许一个远程的攻击者伪造出一个报文,注入到目标网络流中,对目标网络流形成污染或攻击.针对传输层的攻击发生在网络协议栈的基础层次,可以旁路掉上层应用的安全保护机制,对网络基础设施造成严重的危害.深入研究近年来针对网络协议栈的各种攻击和相关安全漏洞,提出一种基于轻量级链式验证的传输层安全性增强方法LightCTL.所提方法基于哈希验证的方式,使TCP连接双方能够对传输层报文形成彼此可验证的共识,避免攻击者或中间人窃取和伪造敏感信息,从而解决网络协议栈面临的典型安全威胁,包括基于序列号推理的TCP连接重置攻击、TCP劫持攻击、SYN洪泛攻击、中间人攻击、报文重放攻击等.LightCTL不需要修改中间网络设备如路由器等的协议栈,只需对终端协议栈中的校验和相关部分进行修改,因此方法易于部署,同时显著提升了网络系统的安全性.