数据特征对剪力墙结构生成式智能设计的影响

深度学习通过提取和学习剪力墙结构数据高维特征掌握智能设计技术,有效推动了建筑结构智能化设计的发展。数据驱动的结构智能设计通常受训练数据的数量和分布特征影响,但鲜有研究开展数据特征相关分析。该文通过收集设计习惯相似且地域相近的剪力墙建筑-结构设计图纸数据,开展了数据分布和数量特征与设计结果的相关性分析;提出混合数据训练联合特征分组训练的两阶段改进训练方法,有效提升了智能设计质量;采用与训练数据高度非同源的其他地区数据对研究结果进行了测试与检验。分析表明：数据低维特征的回归分析难以有效指导设计生成,而基于深度学习的高维特征学习则能有效掌握结构设计的潜在规律;随着训练数据量增加,智能设计效果也将得到平均20%以上的提升。通过典型案例研究证明：智能设计与工程师设计的平面设计相似性及整体结构力学性能相似性均较高,最大层间位移角的平均差异仅约8%。但是,当测试数据与训练数据特征差异过于显著时,智能设计质量将会受限。该研究通过对数据分布和数量特征与智能设计结果的相关性分析,为下一步开展基于深度学习的智能化结构设计研究提供了数据特征影响方面的参考。     

基于深度学习的Wi-Fi信号编码参数盲识别

通信链路层特征盲识别是智能通信和通信对抗领域关键技术。为提高基于IEEE 802.11协议的无线（局域）网/无线保真（wireless fidelity,Wi-Fi）信号的编码参数盲识别精度,提出了一种基于深度学习的低密度奇偶校验码（low density parity check code,LDPC）编码参数盲识别算法,可准确盲识别信道编码算法的信息位码长和码率。算法以解调后的比特流为训练数据集,搭建多层深度神经网络模型,经过多次调参和迁移训练,最终得到了能够准确预测编码参数的网络模型。实验结果表明,该网络模型能够在高达10%误码条件下得到优于91%的编码参数盲预测率,在无误码的条件下,编码参数盲预测准确度高达95.32%,为智能通信和通信对抗的研究提供了一定参考价值。     

利用图像掩膜优化基于生成对抗网络的图像超分辨率模型

深度学习在一定程度上解决了从低分辨率图像中恢复出高分辨率图像这一图像超分辨率问题。目前基于生成对抗网络（generative adversarial network,GAN）的方法可以从超分辨率数据集中学习低/高分辨率图像映射关系,从而生成具有真实纹理细节的超分辨率图像。然而,基于GAN的图像超分辨率模型训练通常不稳定,其结果往往带有纹理扭曲和噪声等问题,提出了采用掩膜（mask）模块以辅助对抗网络训练。在网络训练过程中,掩膜模块根据生成网络输出的超分辨率结果和原始高分辨率图像,计算得到相应观感质量信息,并进一步辅助对抗网络训练。在实验中对3个最近提出的基于GAN的图像超分辨率模型进行修改,引入掩膜模块,修改后的模型在超分辨率图像输出的观感和真实感量化指标上均有明显地提升。掩膜模块的优点是可以进一步提升基于GAN的图像超分辨率网络输出的超分辨率图像观感质量,并仅需对生成对抗网络训练框架进行修改,因此适用于多数基于GAN的图像超分辨率模型的进一步优化。     

物理层网络编码与卷积信道编码相融合的无线通信方案

信号不同步是物理层网络编码研究中的热点,为了提高系统的信道容量和鲁棒性,针对异步通信条件下误码率高的难题,提出一种物理层网络编码与卷积信道编码相融合的无线通信方案.首先将置信传播算法引入到中继节点编码中,然后将信道译码和物理层网络编码联合起来,减少异步通信带来的不利影响,最后采用仿真实验测试其有效性和优越性.仿真实验结果表明,相对于其它编码方案,物理层网络编码与卷积信道编码方案不仅降低了数据传输的误码率,提高了系统通信的可靠性和信息传输速率,而且增强了系统对相位偏移和符号偏移的鲁棒性,具有更高的实际应用价值.     

基于深度学习的两分叉铸钢节点智能生成方法

为了实现两分叉铸钢节点的智能优化设计,提出了一种基于深度学习的节点生成方法.首先利用Hyper-Works软件的OptiStruct优化器将棋盘格控制、惩罚系数和最小成员尺寸等制造工艺约束融合到两分叉铸钢节点拓扑优化问题的定义中,保证优化模型的可加工性.然后收集不同优化参数下的节点拓扑优化结果制作训练集图片,定义训练集...     

基于注意力机制的循环一致性生成对抗网络

针对循环一致性生成对抗网络（Cycle-GAN）在图像风格转换任务上出现的纹理细节处理得不好、背景颜色保留较差等问题,并且缩小在配对图像数据集和非配对图像数据集上训练结果的差异,提出一种基于注意力机制的循环一致性生成对抗网络,在生成器网络中融入通道注意力机制（SE-Net）,利用网络自主学习的方法得到每一个特征通道的重要程度,再分别赋予每个特征通道不一样的权重系数,以此来强调有重要特征的部分、抑制非重要特征的部分,使得不同特征和不同区域能够被生成器网络非均匀的处理。同时引入对比学习（CL）,使网络能够学习到图像的更高层次的通用特征。实验结果表明,所提方法在horse2zebra数据集上取得了较好的结果。     

基于生成对抗网络的手写汉字生成方法研究

在计算机机械学习领域,相对于数字和英文字母,手写汉字的自动生成研究是个重点难点问题,且具有重要研究意义。随着深度学习的不断发展,生成对抗网络在图像生成领域取得了很大进展。本文提出了一种基于循环生成对抗网络(Cycle Generative Adversarial Networks, CycleGAN)的无监督手写汉字生成方法。利用标准仿宋字体图像和手写字体图像进行训练,生成的手写汉字图像具有比较高的识别度。     

基于对抗性策略的变分自编码模型

深度生成模型结合了生成模型与多层神经网络,在计算机视觉、目标检测、自然语言处理等领域得到广泛应用.变分自编码是一种重要的深度生成模型,通过多层神经网络对生成模型和后验概率分布的近似分布进行建模,得到目标函数的变分下界.变分自编码以其显式的生成模型建模方式及定量的下界表示形式受到研究者的关注.由于变分自编码中推理模型的表示能力有限,使得生成的图像精细度不高.本文提出一种基于对抗性策略的变分自编码模型,该模型通过在变分自编码模型的推理模型中加入随机噪声,提高推理模型的表示能力,同时引入对抗网络增加聚合正则化约束,进一步训练推理模型.通过在MNIST和Fashion-MNIST数据集上设计对比实验,表明该模型可以给出更优的变分似然下界,并生成效果更好的图像数据.     

基于遗传算法智能组卷实数编码的应用

本文介绍了遗传算法在智能组卷问题中的应用，重．置分析解决了实数编码在应用中出现的题号重复问题。     

优化的智能CAI课件的设计与实现

介绍了基于WWW的远程教学系统《操作系统CAI课件》的总体结构，提出了构建于基本课件模块基础上的智能代理的结构模型。该智能代理结构由教学代理、界面代理和课件通讯代理三个模块构成，在和课件共享SQL数据库的基础上，由教学代理完成数据库的智能更新，界面代理根据特定用户的具体情况给出相应的智能提示，课件通讯代理实现基本课件和教学代理的通讯，从而实现适应性学习和智能化远程教学。     

基于微分进化算法的层间等级网络编码优化

层间等级网络编码是一种联合利用信源分层编码与组播间线性网络编码优势的多速率线性网络编码技术.与分层组播网络编码相比,层间等级网络编码能够进一步提高异构信宿网络的资源利用效率.然而,网络中各链路上进行的编码类型,是影响层间等级网络编码多速率传输性能的决定性因素.本文面向单信源异构信宿网络,研究层间等级网络编码的优化;基于微分进化算法,提出了一种最优编码类型配置的快速搜索方案.该方案充分体现了信源输出链路上进行的层间等级网络编码对整个网络传输性能的影响;具体设计了符合层间等级网络编码本质特性的微分进化操作.实验结果表明,与现有的启发式算法相比,本文提出的基于微分进化算法的层间等级网络编码优化方案,能够为单信源异构信宿网络获得更高的网络总吞吐量.     

基于平行注意力机制的对抗样本防御方法

为降低对抗样本的影响,提高分类模型在遭受攻击威胁下的精度,利用哺乳动物视觉系统工作原理,结合注意力机制,提出一种新型防御对抗样本模型PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。该防御模型在通过编码器获得对抗样本的特征图后,使用平行注意力机制提取特征图中的个体和位置信息,然后在保证这些特征不变的情况下,重新调整特征图的权重,通过解码器产生净化结果。该方法能在清除恶意扰动的同时保持净化结果与输入的一致性,有效降低对抗样本对模型精度的影响。在CIFAR-10和MNIST数据集上,PSCAM-GAN面对多种对抗样本攻击时的防御效果超越了其他基于预处理的防御方法,能有效提高模型的健壮性。     

基于StyleGAN的动漫图像生成

让计算机自己创作动漫图像是一项非常有趣且有实际应用需求的任务,近些年来深度学习的进步使这项工作成为可能.深度学习中的生成对抗模型能够通过捕捉数据的内在分布来生成以假乱真的结果,现已成为生成动漫图像的有力工具.本论述分析了生成对抗网络的工作原理,进而对其中能够对图像高阶属性进行控制的StyleGAN模型进行了深入研究,并...     

基于时分复用的量子网络编码

量子网络编码用于解决量子网络中的拥塞问题,可以有效地提高量子网络的传输效率和总吞吐量.本文提出了一种时分复用量子网络编码方法,在蝶形网络上可交叉传输两个任意单量子比特态.为了解决拥塞问题,一个具有偏振和时隙自由度的单光子作为桥梁,以可预报的方式使瓶颈信道两端的中间节点的两对量子存储器产生纠缠.最后,基于量子隐形传态和所生成的可预报双纠缠信道,可实现蝶形网络上量子2对单播通信.考虑不诚实中间节点,进而提出了一种安全增强的量子2对单播通信协议,分析了协议的安全性和性能.结果表明,改进后的协议对不诚实中间节点实施的一般纠缠测量攻击是安全的.通过利用时分复用技术,它可以扩展到更一般的量子网络上的多单播通信.     

基于模拟退火遗传算法的网络编码优化研究

网络编码技术能够减少数据传输次数,提高网络吞吐量和传输效率.但使用网络编码后,节点需要增加额外的编码操作,增加了节点的复杂度和开销.本文提出基于模拟退火遗传算法的网络编码优化算法SAGAS.SAGAS引入基于模拟退火的个体接受机制,保证种群在遗传进程中的多样性,避免种群陷入局部最优.在遗传操作中,SAGAS利用网络转移矩阵指导染色体的遗传操作,避免无效遗传操作,提高算法的收敛速度.仿真结果表明,与标准遗传算法相比,本文提出的算法能够在更短的时间内寻找到更少编码边的网络编码方案.     

基于网络编码的流量感知路由协议研究设计

介绍了网络编码的基本理论及相关技术,详细分析了无线网络的基本架构和路由技术,在此基础上分析了无线网络中流量分布对网络编码的性能影响,进一步提出了基于网络编码的流量感知路由协议,并在AODV路由协议基础上对流量感知路由协议进行了研究设计。     

基于GAN的中文虚假评论数据集生成方法

针对互联网虚假评论大肆横行,在虚假评论研究领域却没有完全公开的中文数据集可供中文虚假评论检测研究的问题,提出了一种基于生成对抗网络的中文虚假评论数据生成模型.首先,对生成器生成的文字序列通过蒙特卡洛搜索获取一批样本;然后,采用强化学习方法将判别器、分类器和重构器的反馈化为奖励分数;最后,传回生成器,对生成器进行参数优化,以生成贴近真实世界的具有相应类标签属性及特征的虚假评论数据.以BLEU值为评估指标,实验结果表明,所提出的模型在本文数据集上取得了更好的BLEU值,具有较好的生成效果.     

一种基于叠加编码的下行链路功率优化方案

传统的物理层网络编码虽然可以通过数据流的耦合减少网络中数据包的传输数量,从而在一定程度上改善无线通信系统的传输性能,但在进一步节约资源,提高系统容量等方面依然存在一些问题.为此,在传统节点级网络编码基础上,给出了一种适用于蜂窝小区下行链路的叠加编码方案.该方案通过基站与用户闻协作,在网络编码的基础上对用户信道状态进行区...