高集中度电力通信网的优化策略

本文通过对电力通信网进行拓扑优化分析,针对典型网络,尤其是高集中度电力通信网络提出一种优化策略。该策略能有效改善电力通信网络结构,增强业务承载能力,进而提高网络的可靠性和安全性,并具有一定的可复制性。     

基于ZigBee的低功耗蔬菜大棚远程无线传感测控系统

针对现有的智能蔬菜大棚造价成本高,设备电池使用寿命短,远程自动化控制程度较低等问题,基于ZigBee无线传感器网络,对现有的蔬菜大棚进行智能化改造,设计了一套集低功耗数据监测采集、自动灌溉于一体的远程设备监控系统.系统经过联调测试,终端节点的休眠功耗达到了μA级别,解决了设备电池使用寿命短的问题,达到了延长设备使用寿命的要求;系统与微信公众号结合实现了远程监控的功能,可以实时查看监测数据,远程控制设备,解决了传统的智能蔬菜大棚远程自动化控制程度低的问题.与传统系统相比实现了超低功耗运行,为蔬菜大棚的可感知智能控制提供了新的技术手段.     

基于网络分析法的长春市开放空间非均衡性测度与响应路径

开放空间作为城市功能空间的重要组成部分,对于城市公平正义的发挥起到重要的促进作用.以长春市开放空间为研究案例,基于网络分析法对长春市开放空间的非均衡性进行了测度,在此基础上分析了其非均衡性发展的效应及问题.结果表明:长春市开放空间布局非均衡且扩展速度迟缓,开放空间发展非协调且割裂现象严重,空间设计主观意愿强烈且缺少公众参与性.在对长春市开放空间非均衡性测度的基础上提出了开放空间优化发展的对策建议,认为开放空间优化应该遵循生态保护与生态文明建设有机协调、开放空间与城市功能空间相互耦合、城市景观与特色文化元素相互融合、开放空间与环境保护治理有机共生.     

基于大数据技术的高校网络舆情监测与分析

高校网络舆情具有主体特殊性、内容多元性和传播快速性等特点,当负面舆情出现时,传统"救火"式思维模式已不能有效地解决网络舆情危机的爆发、蔓延和扩散。高校应综合利用大数据的分布式信息抓取与处理、非结构化数据存储等技术,通过舆情热词云分析、舆情演化分析和业务部门关注度分析等方式,快速完成网络舆情数据的多源采集、清理融合、分析挖掘等一系列任务,实现网络舆情的有效监管。"厦理工e起来"的舆情案例应用结果表明,基于大数据技术的高校网络舆情监测与分析,可实现对高校学生思想动态的实时追踪、预测和研判,防范和及时解决高校网络舆情危机的蔓延和扩散,促进高校文明和谐发展。     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

电信运营商融合CDN网络部署策略分析

CDN对各大电信运营商的功能的主要影响因素是CDN的布局和流量。内容分发网络的节点在部署时应该考虑当今技术的发展趋势,在部署城域网内的CDN节点时需要简化业务,不应当引入太多类型的承载技术。基于此,本文综合分析了CDN面临的挑战,结合现阶段CDN发展趋势,为电信运营商的CDN网络部署提供建议,以期实现电信运营商的可持续发展。     

《自然辩证法通讯》2021年稿约

一、本刊接受网络投稿,网址为:http://jdn.ucas.ac.cn二、本刊实行匿名审稿和同行评议制度,刊登科学技术哲学、科学技术史、科学技术与社会、科学技术文化研究、人物评传等方面的稿件,并围绕学术界关注的热点和前沿问题开辟专栏,欢迎海内外学者投稿。     

一种虚拟化网络功能启发式动态编排算法

随着信息化的发展,网络业务的种类越来越多,业务的功能越来越强大,网络的基础设施为业务提供动态服务的能力已跟不上业务发展的速度,研究动态部署虚拟化网络功能具有重大意义.在不违反服务水平协议的情况下,研究了虚拟网络功能编排问题,并提出了虚拟网络功能编排的整数线性规划数学模型,接着基于动态编程的启发式算法对模型求解,最后对现实世界网络拓扑进行跟踪模拟.仿真结果表明,所提出的启发式算法可以降低网络运营成本,相关性能优于传统的硬件中间件方法.     

Z网络下新的推理算法在不确定决策中的应用

针对Z-number的模糊不确定性和概率不确定性推理,在Z网络模型的基础上对其推理算法上做出了一些改进.首先,在Z-number理论基础上对离散Z-number在if-then规则下进行最大熵方法处理的算法过程做出了一些改进,由于算法过程中优化模型获取的区间值概率随着给定数据的变化并不一定能满足最大熵方法中的约束条件,所以对这些区间值概率进行了优化.其次,基于Z网络的结构和概率推理过程,对利用Z网络获取区间值概率然后应用最大熵方法获得约束部分最可能的潜在概率分布过程作出了同样的改进.最后利用一个实例来说明改进后的方法的有效性和可行性.     

低算力深度学习下的图像卡通风格化研究

在深入研究图像风格迁移的基础上，提出了一种适用于图形处理器性能受限情况下，卡通（cartoon）图像风格迁移训练的生成式对抗网络(generative adversarial networks，GAN)．利用视觉几何组（visual geometry group，VGG）网络提取图片先验信息，实现学习过程的加速；裁剪cartoonGAN模型，在保证效果的基础上，使得低性能计算条件下的网络收敛成为可能；设计合理的损失函数，保证整体风格化效果．基于tensorflow 2.0构建试验平台，通过对试验结果分析可发现，该方法的迁移效果好，稳定性强，且收敛时间短．对算法的参数和初始化方法给出了相关讨论，并提出了进一步的解决方案．