联合数据压缩和安全保护的协同计算任务迁移策略

针对端边云协同计算系统中的任务迁移问题,建立一个联合数据压缩和安全保护的任务迁移模型,并提出一种基于改进鲸鱼算法的迁移算法以获得最佳的任务迁移策略。该模型利用数据压缩技术对需要传输的任务数据进行压缩,以降低任务的传输时延。同时,引入隐私熵对任务迁移的隐私风险进行量化,实现数据可用性与安全性之间的平衡。所提迁移算法引入自适应概率阈值同时使用粒子群算法中的惯性权重,以平衡全局搜索和局部开发的能力。实验结果表明:任务迁移模型可以有效地降低任务处理时延并保护任务数据安全;与现有迁移算法相比,所提迁移算法具有更快的收敛速度且能够得到更优的目标值。

数据驱动的污水处理高密池混凝加药预测研究

高密池是污水处理工艺流程中关键且复杂的一个环节,而混凝加药过程在高密池中扮演重要的角色,针对混凝加药非线性、大迟滞性、不确定因素较多的特性,为实现加药量的预测控制,达到降低成本的目的。提出主成分分析(Principal Component Analysis,PCA)和极限学习机(Extreme Learning Machine,ELM)以及长短记忆神经网络(Long Short-Term Memory,LSTM)残差组合预测方法,PCA降维和LSTM残差优化能够有效提高ELM的预测精度,同时对模型参数进行优化可以得到最优方法。利用污水处理数据进行验证,所提预测方法的平均绝对误差为0.14%,均方误差根为0.63%。试验结果表明,该方法在预测精度上明显优于随机森林等机器学习预测方法,为混凝加药量的预测和控制提供了可靠的依据,并具有实际应用价值。

基于轻量教学策略的大学计算机课程教学设计与实践

针对大学计算机课程教学改革中的诸多瓶颈问题,分析课程教学中出现的实际情况,研究学生的学习机制,结合认知学原理等相关理论,提出轻量教学策略的概念,探讨并论证轻量教学策略对于本课程的适用性,提出针对不同出发点采取相应轻量教学策略的具体教学设计方法,最后通过具体实践验证其有效性。

自适应特征融合与cosIoU-NMS的目标检测算法

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的上下文信息和空间信息;然后采用cosIoU计算检测框之间的余弦相似度与重叠面积,使目标定位更准确;最后使用cosIoU-NMS代替Greedy-NMS抑制置信度分数较高的冗余框,保留更准确的检测结果.以RetinaNet和FCOS为基准,在PASCAL VOC数据集上的实验结果表明,所提算法的检测精度达到81.3%和82.3%,分别提升2.8个百分点和1.2个百分点;在MSCOCO数据集上检测精度达到36.8%和38.0%,分别提升1.0个百分点和0.7个百分点;该算法能够增强特征表征能力,筛除多余的检测框,有效地提高检测性能.

基于可攻击空间假设的陷阱式集成对抗防御网络

如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供的信息,无法兼顾防御的效力与效率.因此基于流形学习,从特征空间的角度提出可攻击空间对抗样本成因假设,并据此提出一种陷阱式集成对抗防御网络Trap-Net. Trap-Net在原始模型的基础上向训练数据添加陷阱类数据,使用陷阱式平滑损失函数建立目标数据类别与陷阱数据类别间的诱导关系以生成陷阱式网络.针对原始分类精度损失问题,利用集成学习的方式集成多个陷阱式网络以在不损失原始分类精度的同时,扩大陷阱类标签于特征空间所定义的靶标可攻击空间.最终, Trap-Net通过探测输入数据是否命中靶标可攻击空间以判断数据是否为对抗样本.基于MNIST、K-MNIST、F-MNIST、CIFAR-10和CIFAR-100数据集的实验表明, Trap-Net可在不损失干净样本分类精确度的同时具有很强的对抗样本防御泛化性,且实验结果验证可攻击空间对抗成因假设.在低扰动的白盒攻击场景中, Trap-Net对对抗样本的探测率高达85%以上.在高扰动的白盒攻击和黑盒攻击场景中, Trap-Net对对抗样本的探测率几乎高达100%.与其他探测式对抗防御方法相比, Trap-Net对白盒和黑盒对抗攻击皆有很强的防御效力.为对抗环境下深度神经网络提供一种高效的鲁棒性优化方法.

云边端协同驱动的陶瓷制造过程能效调度方法

陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,提出了一种云边端协同驱动的陶瓷制造过程能效调度架构,该架构依赖于云边端协同技术来支持陶瓷制造过程的调度优化。以最小化最大完工时间和最小化总能耗为优化目标,建立陶瓷制造过程柔性流水车间调度模型。利用灰狼优化算法具有较强的全局搜索能力的特性,使用灰狼优化算法求解调度模型。结合陶瓷工厂实际情况设计算例,并以其作为实验数据,验证了灰狼优化算法在陶瓷制造过程中柔性流水车间调度优化的有效性。

基于SSA−LSTM的转炉炼钢终点锰含量预测

锰是钢铁中重要的合金元素,加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量,锰元素加入过少会导致钢铁产品的硬度和强度不足,锰元素加入过量会导致钢铁过脆和生产成本增加.因此,合适的锰元素添加量对提升钢铁质量与减少冶炼成本具有重要意义.转炉炼钢过程中锰元素的添加量主要通过终点锰预测的结果来确定,然而,终点锰含量多少受到多个因素的综合影响,其中包括氧化反应进程和合金中其他元素的添加量,影响因素呈现非线性、高耦合的特征,导致终点锰预测难度大.针对转炉炼钢终点锰预测过程中数据有含噪声、强耦合性等问题,提出了一个转炉炼钢终点锰含量预测研究架构,基于长短期记忆网络(Long Short-term memory,LSTM)预测模型,引入奇异谱分析(Singular spectral analysis,SSA)方法去除终点锰预测过程中非线性、非平稳序列的高频噪声,提出了一种基于SSA−LSTM的终点锰含量预测方法.利用河北敬业钢铁有限公司转炉炼钢生产数据验证所提预测方法的平均绝对误差为1.19%,均方根误差为1.48%.结果表明,该方法能够解决数据存在较多噪声及非线性等问题;与已有的时间序列预测方法相比,经过SSA处理的预测误差均有所减小,证明了该方法的有效性,为实际生产过程中精准加入合金提供了依据.

边缘计算:发展与挑战

通过对边缘计算的特征、整体架构及其独特优点的全面梳理,系统分析和阐述了边缘计算的典型应用场景,在此基础上剖析边缘计算关键技术的发展现状、发展趋势及面临的技术难题。同时,指出现有标准与法律法规的不足。针对边缘计算领域的发展前景,从推动因素、技术的难点以及外部挑战3个方面进行总结,展望了边缘计算的发展方向及未来需要重点攻克的安全与隐私、服务发现和用户切换等6个方面的关键技术问题。

基于密集连接与特征增强的语义分割算法

在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空洞卷积之间的联系,增强局部信息之间的语义关联,捕获密集的采样点像素,同时提高对高层特征信息的利用。引入特征金字塔增强模块(FPEM)和特征融合模块(FFM),对主干网络输出的多层特征信息进行处理,增强特征的表达能力,并采用FFM对FPEM输出的不同尺度特征信息进行融合,提高各层特征之间的互补能力,以获得更全面的特征图信息。在此基础上,将S-ASPP和FFM的输出进行拼接和卷积操作,得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明,该算法的平均交并比分别达到81.13%和73.39%,相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点,充分利用了骨干网络中的每层特征信息,提升了算法的分割精度,取得了较好的分割效果。

基于生成对抗网络的乳腺MRI图像生成

乳腺癌磁共振成像(nuclear magnetic resonance imaging,MRI)数据由于不同医院采集方式不同、设备不同或病人等自身原因,会存在同一病人不同序列缺失的问题。目前主流的图像生成对抗网络Pix2Pix和Cycle-consistency是医学图像生成的两种主要模式,这类方法要求不同MRI序列数据配对出现,难以处理存在缺失的数据,此外,该类方法往往关注整幅图像的生成质量,缺少对疾病诊断更有价值的病灶区域的生成质量的监控。针对以上问题,该文受配准网络(RegGAN)自适应对准图像空间分布的启发,设计了一种新的基于特征增强的双注意力配准生成对抗网络DA-RegGAN。该网络在生成器中引入卷积注意力模块,使网络更注重病灶的学习;在判别器中添加梯度正则化约束,主要解决网络训练不稳定容易出现模式崩溃的现象,使网络生成包含更清晰的病灶细节全局图。该文在1697幅乳腺数据上开展消融实验、不同图像生成算法间的对比实验、肿瘤分类实验,进一步验证了方法的有效性。与原始RegGAN比,全局图像生成质量和局部病灶图像生成质量均得到提升,局部图像质量较原始PSNR提升了0.518,SSIM提升了0.021;全局图像质量较原始PSNR提升了0.584,SSIM提升了0.020。

用于咽喉器官分割的空洞残差金字塔算法

对咽喉器官分割是喉镜图像分析以及计算机辅助诊疗的先决条件.为准确地分割器官部位,提出一种用于咽喉器官分割的空洞残差金字塔算法.首先提出空洞残差(dilated residual,DR)模块,使用多种空洞卷积提取图像不同感受野下的特征,结合残差策略提升特征多样性并加快网络训练速度;然后将DR模块与特征金字塔结合,融合多尺度特征并补充器官浅层特征,使得网络适应器官的多种形态;最后设计咽喉器官分割网络——DRP-Mask.在8000幅喉镜图像数据集上的实验结果表明,与其他5种语义分割网络相比,DRP-Mask的平均交并比提升2%~4%,比基准网络平均精度提升1.6%,实现对器官准确定位的同时也对其进行完整的分割,分割结果更贴合医生标注结果.

基于提问的C语言程序设计课程深度教学探索

针对大学课程教学改革中教学实践方法难以常态化实施的现状,以实现深度教学为目标,探讨提问与深度教学的关联,提出基于提问的深度教学模式,介绍在C语言程序设计课程中的教学实践,以达到提升教学效果的预期目标。

基于脑电信号的疲劳驾驶检测研究综述

通过检索脑电信号进行疲劳驾驶检测的相关文献,归纳了现有的研究成果,整理了当下主流的研究方法。分别介绍了脑电信号采集、预处理、特征提取和分类识别方法,综合比较了脑电信号分别在时域、频域和脑功能网络等特征提取方法的优势及局限性,说明了脑电信号的各种特征属性以及脑电信号的空间特性,阐述了信号分析方法的适用场景,最后讨论了该领域未来的发展方向。

脑电信号情绪识别研究综述

情绪识别是指通过人的面部表情、行为动作或者生理信号等信息识别人的情绪状态,其成果在医疗辅助、教育、交通安全等方面有很大的应用价值。由于脑电信号的客观真实性等特点,使用脑电信号进行情绪识别研究受到国内外学者们的广泛关注。查阅了大量脑电情绪识别相关文献并进行归纳、分析和总结。首先,对情绪以及情绪识别的定义、情绪的分类模型、脑电信号的采集和预处理等理论知识进行了详细的解释和分析,给出了脑电情绪识别的一般框架。其次,从时域特征、频域特征、时频特征和非线性特征四方面综述了用于情绪识别的各类脑电特征的提取方法,介绍了脑功能网络的构建以及脑网络属性的提取方法,分析了每类特征和方法的优缺点。然后,对脑电情绪识别中常用的分类算法的特点、优缺点以及适用场景进行了分析。最后,对该领域目前的难点和未来的发展方向进行了总结和展望。可以帮助研究人员系统地了解基于脑电信号的情绪识别研究现状,为后续开展相关研究提供思路。

图像型全自动骨龄评测算法及应用研究进展

通过分析图像型全自动骨龄评测算法所依赖的医学基础理论,对比图像型全自动骨龄评测中必要的图像分割方法和特征预测模型。归纳总结基于深度学习的自动骨龄评测算法,包括各类深度神经网络模型、模型训练所使用的数据集和骨龄评测结果等。此外,介绍骨龄评测中使用的其他数据采集方法及图像型全自动骨龄评测的发展情况,分析常见的几种全自动骨龄评测软件及系统,并对目前图像型全自动骨龄评测中存在的问题进行讨论与展望。

以创造性思维培养为导向的C语言课程教学实践探索

在分析创造性思维与教学的概念与特点的基础上,提出将创造性思维的培养过程映射到高等教育具体教学过程中的思路,介绍在高校专业基础课C语言课程中的教学设计,阐述如何以创造性思维为导向设计及开展教学,探讨其评价方法。

基于SSVEP的嵌入式中文输入系统

设计一个基于稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)的嵌入式中文输入系统。使用便携式干电极脑电帽,采用多级刺激-意图映射方案,将有限的意图识别频率分别映射在各级。利用高精度计时器与底层图形绘制结合的软件方法,实现高精度刺激闪烁,并使用典型相关性分析算法处理脑电信号。测试结果表明,该系统产生的视觉刺激准确可靠,可以准确诱发SSVEP信号,且最长可连续使用约8小时,输入速率也有所提高,满足残障人士较长时间的中文沟通交流需求。