—种新的WEB机器翻译模型

针对现有的网络机器翻译模型存在翻译准确率和实时性较差等问题，本文在web2．0的交互式理念基础之上，提出了一种新的网络翻译模型。数据测试结果表明，相比于传统的网络翻译模型，新模型具有更高的准确性和实时性。     

基于OPNET的混合动力电动车CAN建模与仿真

控制器局域网络(CAN)的建模与仿真不仅能对CAN网络性能进行评估,而且能优化CAN网络设计.在设计混合动力电动汽车CAN的应用层协议基础上,利用网络仿真系统OPNET,建立了该协议的CAN网络模型,其中包括网络拓扑结构模型、CAN节点的应用层模型和MAC层进程模型.应用该模型,对所设计的混合动力电动车CAN协议的实时性和可靠性进行了仿真分析.结果表明该CAN网络的实时性能够满足整车控制实时性要求.该文还总结了保证网络可靠运行的条件.     

网络会议中视频传输的实时性控制策略

在网络环境下的远程视频频会议过程中,视频数据传输的实时性非常重要,而日益拥挤的网络使其实时性越来越难以保障.本文构建了视频传输模型,提出了随网络状态的变化而适时变化视频数据的采集速率,从而保证视频数据传输实时性的控制策略.     

基于YOLOv4的暴力行为实时检测算法

针对当前深度学习行为识别技术无法满足监控系统实时性要求的问题,本文提出了一种监控视频暴力行为实时检测算法.该算法以YOLOv4模型作为基础,从提升检测准确性和实时性的角度对模型的主干网络和后处理方法做了改进.通过自建暴力行为数据集,分别对YOLOv4原模型和改进模型进行训练和测试.实验结果表明,在检测精度和速度的性能比...     

基于生成对抗网络的人脸图像翻译

针对人脸照片和人脸素描间的图像翻译问题,本文基于对偶生成对抗网络模型,对其目标函数附加两个损失函数建立新的网络模型.通过参数优化实验不断优化本文提出的模型,从而找到最优参数;通过直观和量化对比实验表明本文提出的模型在人脸数据上的图像翻译效果无论在清晰度还是在保持面部特征方面是目前基于生成对抗网络的图像翻译模型中表现最优的,并对相关GAN模型的稳定性进行了对比;最后通过效果分析实验说明了所附加的损失函数的具体作用.     

一种基于深度学习的实时视频图像背景替换方法

针对视频会话业务的实时性需求,提出一种轻量级深度学习网络模型实现视频图像的实时背景替换功能.网络模型包含语义分割和背景替换两个模块.语义分割模块整体架构采用编解码结构,编码端使用编码器模块、空洞卷积金字塔池化模块、注意力模块以及增益模块提取特征;解码端使用解码器模块、调整模块以及编码器模块恢复图像,再传入背景替换模块完成背景替换.该网络模型在本文设定的数据集训练后分割精确度达到94.1%,分割速度达到42.5帧/s,在实时性和准确性上达到较好的平衡,具有很好的实用效果.     

基于模糊最小生成树的通信网络架设模型

根据图论的要求和模糊集合的原理对现代城域通信网络进行优化,以连接距离最短、网络建设费用最少、网络可靠性最高为目标建立模型,并且保证网络连通性、辐射状运行等约束条件,得到通信网络架设规化的近似最优解.研究了网络建设中一些界限不分明的因素,建立了模糊最小生成树模型,它具有简单、实用、实时性强等特点,在现代城域网络建设中有很强的适用性.     

一种主动网络动态资源协商机制的研究

从通信服务集角度探讨了主动网络中资源动态协商机制.为了能更好地反映网络资源使用情况的实时性和分配的公平性,在分析了主动网络和传统网络的区别基础上,设计了主动网络资源价格、分配算法和主动网络的队列模型与主动网络预留资源的再协商算法,从而使网络最大限度地满足用户的要求,大大增强了网络的利用效率.     

基于轻量化卷积神经网络的苹果目标检测算法

针对当前苹果检测算法模型参数多、检测实时性差的问题,提出一种基于轻量化卷积神经网络的苹果目标检测算法.首先,用经典轻量化卷积神经网络ShuffleNet V2替换YOLO v5s的主干网络,实现模型的轻量化;然后,用stem模块取代主干网络的图像处理层进行初始特征提取并且嵌入SPPF结构,弥补轻量化带来的精度损失;最后,在边界框的回归损失函数中引入α幂化指标,进一步提高边界框的定位精度.试验结果表明,改进后算法模型的平均精度均值达到95.8%,网络参数量降低了85.6%,在GPU上的单张平均检测时间仅10 ms,满足苹果采摘任务对检测精度和实时性的要求.     

一种新型的MVB非周期信息优化调度策略

多功能车辆总线(MVB)是列车上通用的内部通信网络总线,对实时性有较高要求.通过分析MVB非周期信息的通信机制和调度策略,针对非周期信息存在仲裁延时的状况,提出了一种新的非周期信息调度策略,避免了仲裁过程.并将设备优先级加入信息模型中,保证紧急非周期信息的优先发送.案例仿真计算分析表明,所提调度策略能有效提高网络总线的实时性,在不同设备数的条件下优势明显.与其他方法比较,在同设备多待发信息的情况下可以有效减小信息的最大响应时间,保证非周期信息的实时性.     

基于统计模型的传感器网络查询系统的研究与设计

针对无线传感器网络数据处理的高实时性要求和节能要求,设计并实现了一种基于统计模型的传感器网络查询系统,采用了层次式的系统处理结构,并使用基于统计模型的优化方法改进了查询处理过程.最后给出了该系统与普通的WSN查询处理系统的性能对比分析,实验数据表明基于统计模型的查询策略提高了查询处理的效率,节约了无线传感器网络的能量消耗.     

基于SDN网络多路径负载均衡算法研究与仿真

针对传统网络链路负载均衡实时性、动态性差的问题,对下一代互联网技术SDN网络技术,设计出基于SDN的多路径负载均衡(SDN-Multi-path Balance,SDN-MB),该设计模型能够通过其网络控制器实时获取全局链路信息,从而计算出源节点和目的节点之间的多条路径,通过链路权值和流量阈值选取出最优路径并做出实时调整.最后用仿真模拟软件Mininet进行仿真,结果显示SDN-MB模型比传统网络模型在带宽利用率和平均延迟方面,都有显著的提高,验证了SDN-MB模型的有效性.     

基于深度学习的水面目标检测模型压缩方法

针对目标检测模型过大且计算复杂而导致其无法应用于无图形处理器嵌入式终端的问题,通过改进YOLO算法,提出一种基于深度学习的水面目标检测模型压缩方法.采用带有深度可分离卷积和轻量级注意力模型的改进网络替代特征提取网络DarkNet,通过多尺度特征融合进行模型压缩,引入k-means++算法与Mish激活函数,保证模型压缩后的准确度.试验结果表明,YOLOv3-MobileNetV3网络模型较YOLOv3网络模型的参数量减少61.35%,模型大小减少144 MB,模型平均精度均值较YOLOv3-MobileNetV1网络模型提升5.55%,满足嵌入式设备水面目标检测实时性和准确性的要求.     

基于改进YOLOv5的车辆目标检测研究

针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合（OSA）模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值（mAP）提升3%,不同目标类检测的平均准确率（AP）均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.     

FlexRay网络时滞特性分析

为了保证设计的FlexRay网络能够满足实时性的要求,必须对网络的时滞特性进行评估.根据FlexRay传输协议,分析了基于灵活时分多扯(FTDMA)的动态段消息的传输特性,建立了最大网络延迟模型.最后通过仿真实例说明了所提方法的可行性.     

基于改进MobileNet网络的人脸识别方法

针对轻量级卷积神经网络MobileNet应用于人脸识别实时性较差、准确率不高等问题，提出一种改进MobileNet的网络模型—MobileDeepViT。首先，鉴于MobileNet模型有效减少网络参数量特点，本网络以MobileNet为核心，构建具有7层MobileNetV2、3层特征提取层、1层标准卷积和点卷积的深度学习网络；其次，在人脸特征提取过程中引入DeepViT，使网络更有效学习人脸特征；最后，该网络与Inception＿ResNetV1和MobileNetV1在相同的数据集CASIA-WebFace上进行训练，在LFW测试数据集上对训练模型进行评估，并在相同条件下对同一人的不同照片进行欧式距离和实时性测试。实验结果显示：该网络在模型参数更小的情况下，准确率比后二者分别提升了0.21%和0.72%、欧式距离测试结果也比后二者更小，预测时间更短，表明改进后的模型参数量减少、实时性更好、精度和鲁棒性提高。     

一种基于网络管理软件的多线程轮询模型

在规模不断扩大的网络中,网络设备越来越多,这就要求必须通过网络管理软件来管理,而且为了保证设备状态实时性,对软件的设计要求较高.提出了一种网络管理各种设备轮询的多线程模型,该模型能以相对较少的占用硬件资源来尽可能多地完成轮询功能,并且非常灵活.经过编程并实验,验证了这个方法的有效性和正确性.     

神经网络机器翻译之语境式学习

人们对大语境神经网络机器翻译(如文档翻译和多模式翻译)越来越感兴趣.目前,虽然有多个研究学者提出了新的网络架构或评估方法,但在大语境翻译模型内,潜在有用的语境信息有时仍会被忽略.文章提出了一种新颖的学习算法,即通过使用多级成对排序损失函数,将其他的语境信息纳入神经网络翻译模型考虑范畴.在文章中,通过使用文档翻译中基于转换器且大语境翻译系统,来评估所述出的学习算法.通过实际语境和随机语境,我们比较该算法的性能,并得出经过文章所述的算法训练的模型对附加语境信息更为敏感.     

利用确定性树突状细胞算法在线检测僵尸网络

将人工免疫系统算法应用于对僵尸网络的实时监测,提出一种基于确定性树突状细胞算法的在线检测模型.通过结合僵尸网络的特征定义行为信号,基于启发信息实现僵尸网络的主机端实时监测.使用标准数据集对模型的有效性进行实验验证,实验结果表明,该模型具有实时性、行为定义简单、可接受多种启发式信息定义的优势,且检测僵尸网络系统的漏报率与误报率均较低.     

高校网络舆情分析的K-Means算法优化研究

为提高高校网络舆情的可识别性和预警实时性,提高网络舆情热点分析的准确性,论文设计了一个高校网络舆情热点发现模型.包括网络舆情信息采集、预处理、中文分词、特征选择、文本分词和聚类分析.考虑到网络舆情的不确定性和模糊性,提出了一种基于信息熵和密度改进的K-Means聚类算法的网络舆情相似度分析方法,此方法可以对网络热点和危机事件进行聚类和识别.实验结果表明,该方法能够快速获得网络舆情,具有较高的聚类准确率,证明了论文提出的模型的可行性与有效性,可为高校网络舆情监测和识别提供重要的技术支持.