强肝胶囊治疗非酒精性脂肪性肝病网络药理学研究

基于多靶点虚拟筛选、网络药理学分析和体外实验,探讨强肝胶囊(QGC)治疗非酒精性脂肪性肝病(NAFLD)的潜在作用机制。利用基于PPARα/γ、FXR及sEH的多靶点虚拟筛选选出QGC中具有治疗NAFLD的活性成分,运用网络药理学预测活性成分靶点、疾病相关靶点,筛选调控疾病的关键靶点,通过Discovery Studio 2020软件和Gromacs软件对关键活性成分和关键靶点进行分子对接和分子动力学模拟分析。最后,通过实验验证QGC中的关键活性成分对肝细胞脂肪变性的改善作用。多靶点虚拟筛选得到235个QGC活性成分,网络药理学分析得到320个成分-疾病共同靶点。分子对接结果表明,芹菜素、异鼠李素、迷迭香酸、大黄素甲醚、木犀草素与关键靶点PTPN1、PPARα、PPARγ、AR具有良好的结合能力。分子动力学模拟进一步验证了迷迭香酸、大黄素甲醚等化合物与关键靶点具有良好的结合稳定性。体外实验结果显示,5个关键活性成分均能改善HepG2细胞的脂肪变性,其中异鼠李素、迷迭香酸、大黄素甲醚改善细胞脂肪变性模型的效果最佳。本研究通过多层面探讨,为QGC在NAFLD治疗中的开发和应用提供理论依据。

基于改进PPO算法的机器人局部路径规划

利用强化学习训练机器人局部路径规划模型存在算法收敛速度慢、易陷入死锁区域导致目标不可达等问题。对传统近端策略优化(PPO)算法进行改进,引入长短期记忆(LSTM)神经网络并设计虚拟目标点法,提出LSTM-PPO算法。将PPO神经网络结构中的全连接层替换为LSTM记忆单元,控制样本信息的记忆和遗忘程度,优先学习奖励值高的样本,从而更快地累积奖励优化模型。在此基础上,加入虚拟目标点,通过雷达传感器收集的环境信息判断机器人陷入死锁区域时弃用目标点给予机器人的引导,使机器人走出陷阱区域并趋向目标点,减少在死锁区域不必要的训练。分别在特殊障碍物场景和混合障碍物场景中对LSTM-PPO算法进行仿真验证,结果表明,与传统PPO算法和改进算法SDAS-PPO相比,该算法在两种场景训练中均能最快到达奖励峰值,可加快模型收敛速度,减少冗余路段,优化路径平滑度并缩短路径长度。

面向目标跟踪的传感器网络布局优化及保护策略

本文以目标跟踪为应用背景,改进了已有传感器感知模型和虚拟力方法,提出了一种新的传感器网络布局优化策略.该策略首先计算传感器与目标、热点区域、障碍物和其他传感器之间的虚拟力,为各传感器寻找受力平衡点,并将其作为该传感器的新位置,从而优化网络布局优化.实验证明,该策略可有效改善传感器网络覆盖率和目标探测概率.同时,本文根据各传感器获取的信息量,提出了涉及目标的传感器网络节点重要性排序算法,以及根据节点重要性进行传感器网络保护的策略.

一种基于托架的自蜕变主动防御网络框架

传统的防御技术存在静态和被动的特性,即系统以及安全机制在一段时间内相对固定,攻击方可持续对一个固定的目标进行研究和尝试,总能找到弱点进行攻击。为了提高安全防御的主动性,国际上启动了若干力图"改变游戏规则"的研究计划,MTD(moving target defense)以及拟态防御是新兴的主动防御思路的代表。然而,要达到主动防御的目的,除了需要在关键环节采用相关的单点技术外,还需要一种框架,使各层主动防御机制能够有机地协同,形成一个总体可变可控的主动防御体系,并且使得不具备内生性主动防御机制的传统信息系统也能在这种框架上运行,并得益于主动防御机制所带来的防御能力提升。本论文提出了一种可以有效整合不同层面的主流主动防御技术和机制,并兼容传统应用的框架:自蜕变主动防御网络框架,该框架可实现内生与外加式主动防御技术的有机整合,多层次、多粒度主动防御技术的整合,兼容传统的不具备内生性主动防御特性的应用,并可为将来形成新一代内生性主动防御网络体系架构提供借鉴。

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.

面向目标跟踪的传感器网络设计、实现和布局优化

设计了面向目标跟踪的声学传感器网络,并进行了声源定位实验.在实验结果基础上,针对传感器的布局对目标观测精度的影响,对面向目标跟踪的传感器网络布局问题进行了深入研究,改进了已有传感器感知模型,提出了涉及目标的虚拟力算法,使得可移动传感器能根据目标位置和重要性程度自主地调整网络布局,从而优化目标跟踪结果.仿真实验表明,上述策略可有效改善传感器网络覆盖率和目标探测概率.

DSNs中基于虚拟力的节点部署与目标定位方案

基于分簇的分布式传感器网络的有效性在很大程度上取决于传感器部署所实现的覆盖范围。针对现有的节点部署与目标定位方案的不足,提出一种虚拟力量算法作为传感器部署策略,以便在传感器初始随机部署后提升覆盖范围。给定一定数量的传感器后,该策略通过综合利用引力和斥力来确定传感器在随机部署之后的虚拟移动路径和移动速度,从而使传感器区域覆盖最大化。同时,提出一种由簇头运行的概率目标定位算法。簇头只需查询少量传感器(汇报目标存在的部分传感器)即可获得详细定位信息。仿真实验结果表明,方案只需一次性计算即可同步确定所有传感器节点的位置,概率定位算法也可显著节约目标检测和定位的能耗。

有向移动传感器网络三维空间目标自主覆盖算法

在无线传感器网络中,三维空间下对立体目标的全覆盖需要考虑空间目标不规则的三维结构对部署的影响,以及如何在避免节点发生碰撞的前提下保持对目标表面积的最大化覆盖。为此,提出一种三维空间目标自主覆盖算法。采用基于目标外凸点集合构建三维质心的方法确定目标中心点和节点部署范围,通过不均衡虚拟势场解决覆盖重叠和覆盖空洞问题,将有向移动传感器网络部署过程转化为节点在虚拟势场中受虚拟力作用而自主移动和自主转动的过程。仿真结果表明,与空间划分算法相比,该算法的覆盖能力较强,并且能耗较低。

基于威胁评估与生物激励神经网络的机器人路径规划研究

针对未知动态环境下移动机器人的路径规划问题,考虑传感器检测范围的有限性与动态障碍物运动的不确定性,提出一种基于动态威胁评估的改进生物激励神经网络算法。采用栅格法与基于虚拟目标点的滚动优化方式进行路径寻优。进一步地,提出一种基于直觉模糊集的动态属性决策方法,评估动态障碍物对机器人的威胁程度,并根据生物激励神经网络(BINN)的特点,在动态威胁模型中引入导向传递方式建立子激励模型,引入神经元“亲近值”改进神经元动态变化方程。最后,通过仿真实验验证了该改进算法的有效性。

美海军模拟训练体系研究

美国海军非常重视模拟训练系统的体系能力建设,从顶层自上而下规范海军的模拟训练体系,按联合、海军合同、平台、系统四个层次建设可分可合、多级联动的训练系统,支持全球指挥控制系统海军部分(GCCS-M)、水面舰艇、潜艇、飞机等多种作战兵力,形成面向海空联合体系对抗的战训一致的训练能力,对我国海军的模拟训练体系建设具有重要的借鉴意义。

基于交互式流量回放的用户行为仿真技术

流量回放可为网络靶场提供逼真的流量数据并支持网络新技术验证与安全评测。面向复杂虚拟网络的交互式用户行为仿真需求,设计一种交互式流量链路的用户行为仿真架构。采用基于云平台的分布式流量仿真策略,以实现面向复杂虚拟网络用户的行为仿真多样化和可扩展加载。对交互式流量回放过程中延时修复与补偿策略进行研究,提升交互式用户行为仿真的时序逼真性。仿真实验结果表明,该仿真架构能够在保证流量时序准确性的前提下,实现交互式的大规模用户行为仿真,与传统的ITRM、Tcpreplay等方法相比,在仿真行为的多样性、规模性、逼真性上具有一定优势,可为安全评测提供有效支撑。

视频监控网络中目标特征的虚拟同步

视频监控网络已经成为计算机视觉的研究热点之一。文章分析了视频监控网络中数据不同步的原因,提出了使用目标缓冲池链进行虚拟同步的方法。在此基础上讨论了对目标特征数据进行处理的三层结构,解决了视频监控网络系统中的数据不同步问题。实验结果表明得到的虚拟同步数据真实可靠,实现简单,具有较强的实用性。

一种基于虚拟力的智能目标穿越WSNs区域算法

提出一种基于虚拟力的智能目标穿越无线传感器随机布置区域的算法,算法将区域中的每只传感器看做一个场源,目标行进中受到场源产生的2个虚拟力,在虚拟力的作用下,目标能改变前进方向智能地朝终点行进。通过仿真实验看出:该算法具有可行性和高效性。

改进粒子群算法的传感器网络覆盖分布优化

为解决基于粒子群算法的传感器网络覆盖分布中存在的收敛速度慢和指定目标点不能保证覆盖等问题,采用了一种基于虚拟势场法的改进粒子群算法。在传感器节点之间建立虚拟势场,推导出相互作用的连续虚拟力,减少了引力和斥力边界的振荡,加快了算法的收敛速度。增加指定目标点的势场,以提高目标点对粒子的吸附力,保证了目标点始终处于传感器的感知范围之内。研究结果表明:改进粒子群算法具有更快的收敛速度,提升了在保证指定目标点完全被覆盖的条件下区域覆盖率。研究结论有助于布置关键区域的传感器网络。

网络攻防实验方法研究

针对网络攻防技术实验教学难以开展的问题,尝试将网络攻防模拟方法运用于网络攻防对抗实验教学中,提出了一种基于"虚拟靶机"的网络攻防对抗实验方法,论述了网络攻防对抗实验实施的基本原理,详细介绍了网络攻防对抗实验的实施方法。

多虚拟电厂接入的主动配电系统优化经济调度

在市场环境下,为促进含随机性可再生能源的消纳同时协调各经济主体矛盾并挖掘各主体价值和经济效益,本文提出一种基于分析目标级联理论的主动配网调度优化模型,以配网与虚拟电厂存在电能交互为建模背景。考虑虚拟电厂组成的多样性,设置风储型虚拟电厂以及含冷热电系统型虚拟电厂,各虚拟电厂可以分别与配网进行电能交互,各经济主体根据自身组成优化内部变量以及交互功率,通过分析目标级联法与其他主体协调交互功率实现分布式求解。最后通过IEEE33节点配电系统的算例仿真表明,调度结果能较好的反应主体经济性,得出风储型虚拟电厂有利于提高风电的消纳量,冷热电联供型虚拟电厂可以实现综合能源经济管理,分析目标级联法用于本文所提的模型背景是有效的。

基于移动目标防御的内网防渗透技术研究

提出了一种基于移动目标防御(moving target defense)思想的内网防渗透技术。在通信过程中将主机的真实地址修改为动态变化的虚拟地址,使得攻击者的扫描探测失效,从而难以获取内网主机地址并开展网络渗透;正常用户可通过主机域名查询虚拟地址,开展正常通信。该技术已实现为网络接入设备形态,并已在内网环境中测试。实验结果表明,该技术能有效地提升内网安全性。

基于拓扑坐标的移动目标跟踪

为了对移动目标实现无需基于物理距离测量值的地理信息的跟踪,提出了一种在拓扑坐标域中跟踪移动目标的新方法。具体实现是首先通过对虚拟坐标系统中的虚拟坐标向量和拓扑保持映射的分析,提出一种改进的拓扑保持映射算法,把径向信息包含于虚拟坐标向量中,形成新的拓扑坐标向量,从而减少对拓扑域中网络地图边缘的压缩;其次,采用一种近似方案来得到拓扑域中移动目标的虚拟坐标,然后把得到的虚拟坐标代入先前得到的新的拓扑坐标向量中,进而获得拓扑域中移动目标的拓扑坐标即移动目标的估计位置。仿真结果表明,相比于基于地理域信息的地理坐标跟踪方法,移动目标跟踪方法在不同移动模型情况下都优于传统的地理坐标跟踪方法,有更低的检测失败率和更低的执行成本,而且可在任意环境中运行。

基于神经网络的虚拟靶标大视场双目相机标定技术

针对大视场双目相机标定中的精度低和非线性畸变问题,提出了一种结合BP神经网络的大尺寸虚拟靶标标定技术。鉴于单角点棋盘格具有易制作、高精度的特性,构建大尺寸虚拟靶标;利用神经网络的非线性映射能力直接建立角点的像素坐标和世界坐标映射关系;用建立的映射网络对测试样本进行三维重建,并与传统的线性标定方法进行对比实验。结果表明,该方法操作简单,且重建距离相对误差为0.92%,优于传统的线性标定方法,可用于大视场双目相机标定。

一种目标监测的移动传感器网络覆盖分布式优化算法

针对移动传感器网络中目标监测的节点部署问题,为保证在无覆盖漏洞的同时减少覆盖冗余,以六边形棋盘结构(HTL)为网络的目标部署结构,提出一种基于群集控制的分布式部署算法,该方法只需目标的相对方向和邻居节点的相对位置、速度信息,可不依赖于通信,仿真结果表明,所提出的算法对静止和运动目标均有效,与基于虚拟力的算法相比所需信息更少,部署更均匀,对HTL的逼近效果更好,覆盖更优。