融合自注意力机制与生成对抗网络的DEM空洞填充

针对现有数字高程模型（digital elevation model, DEM）数据空洞填充算法存在修复效果不连续、适用空值范围狭小以及细节重构丢失等问题,提出了一种融合自注意力机制的生成式对抗网络的DEM空洞填充方法。首先,构造自注意力机制提取DEM数据特征信息,改善DEM空洞填充结果高程值不连续和纹理细节缺失的问题。其次,在生成器中使用对称结构的卷积与反卷积网络结构,保证生成可靠度较高的数据以实现空洞区域填充,并利用判别器实现空洞填充结果的预分类。最后,结合重构损失函数进行训练,提升DEM空洞填充结果对异常值的鲁棒性,增强模型的回归能力。采用不同分辨率DEM数据进行空洞填充并与现有方法进行对比,结果表明：所提方法能够大幅提升填充精度,有效解决原始数据中存在的空洞问题。     

多层记忆增强生成对抗网络二次预测的视频异常检测方法

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明：所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。     

一种基于CD-WGAN的图像识别方法

针对机器学习的方法在图像识别时准确率较低的问题,提出了一种新的图像识别的方法.利用卷积神经网络的特征提取能力以及生成对抗网络的对抗博弈思想,在生成对抗网络(Wasser stein generative adversarial network,WGAN)的基础上添加条件使其扩展成为条件模型,并且将WGAN中的生成器和判...     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。     

基于深度置信网络和生成模型的驾驶疲劳识别

驾驶疲劳识别研究对预防交通事故提高交通安全具有重要意义.提出了一种基于深度置信网络和生成模型的驾驶疲劳识别方法.为了有效地表示疲劳,采用深度置信网络从人脸图像中提取疲劳特征;结合已标注样本和未标注样本,提出了一种基于生成模型的半监督学习的疲劳识别方法,解决了疲劳识别中的小样本问题.在自建疲劳数据库上,采用该方法进行了驾驶疲劳识别的仿真实验,同时和其他几种方法进行了对比,结果表明该方法具有更高的识别精度.     

无标度网络生成的一种新算法

根据指定幂律分布的BA无标度网络的生成原则,提出了可生成任意指定幂律分布的网络的算法,该算法从一个含有固定节点的完全网络开始,按照择优连接的原则,向网络中逐个增加节点,实现了满足任意指定规模的无标度网络模型的生成.利用计算机程序代码运行了该算法,并验证了该算法的运行时间优于已有旧算法.     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全...     

基于多元智能理论的网络学习资源设计

阐述了多元智能理论,分析了多元智能理论对网络学习资源设计的启示,并通过案例对多元智能理论指导下的网络学习资源设计进行了研究．     

基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

一种基于CMAC网络的自学习控制器

通过分析了ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构,提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法,并以连续搅拌反应釜模型为对象进行了仿真研究,这种网络每次学习少量参数,算法简单,仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于CycleGAN的图像隐私保护

社交媒体和云平台为图像的传播和存储带来了便利,但同时也引起了人们对于图像隐私的担忧。因此,需要采取一定的措施去保护图像的隐私,以防止隐私被窃取和非法使用。基于上述目标,本文提出了基于循环对抗网络（cycle-consistent generative adversarial networks, CycleGAN）的图像隐私保护。为了在图像隐私保护中兼顾可用性,该方法先用图像分割和CycleGAN组合,选择出不同的分割系数来辅助生成不同程度的隐私保护图像。然后利用可逆信息隐藏对生成的隐私保护图像进行信息的嵌入,从而阻止非法使用者在图像重构中提取隐私信息,进而保证了整个过程图像隐私保护和可用性的平衡。本文用PIPA数据集对该方法进行训练和测试,采用峰值信噪比和结构相似性指数作为客观指标对隐私保护的图像进行评估。实验结果表明,本方案在图像隐私保护和可用性两方面都优于其他对比方案。     

基于博弈论的异构无线网络动态选择

下一代无线通信网络的主要特征之一是移动终端可以灵活接入各个网络. 在异构网
络共存的下一代通信中,网络选择技术能提高频谱利用率和网络容量. 为此,设计了一个基于
非合作博弈的网络选择机制,以保证移动终端能从异构网络中选择合适的网络接入. 证明了
该博弈为潜博弈,分析了该机制中博弈的纳什均衡存在性和可行性,并设计了一个基于反应
动态机制的最优迭代算法求解博弈. 仿真表明,该算法能够收敛到纳什均衡,且其网络选择机
制具有近似最优的性能.     

基于三重注意力机制的新冠肺炎病灶分割模型

为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型——TM-Net,并将其应用于条件生成对抗网络.MultiConv模块可以自动提取肺部切片中...     

信息网络技术对伦理道德的影响

信息网络技术对伦理道德具有正负两方面的影响,由此突显当今社会因信息网络技术的迅猛发展而引发的各种伦理道德问题。应积极采取对应措施,抑制和消除信息网络技术带来的负面影响。     

利用网络技术构建新学习环境

本文阐述了利用网络技术不仅将教育由学校扩展到家庭、社区、农村和作任何信息技术普及的地域，提高教育社会化的程度；而且人们可根据自身在不同时期的不同需要，通过上网有目的、有计划地进行学习．     

异构认知网络中基于非随机接入方式的对等接入策略分析

针对无线网络环境中的异构网络提出了一种基于非随机接入方式的频谱接入策略--对等接入策略,其中两个异构网络关系是平等的,网络中的授权用户具有认知功能,并且一个网络中的授权用户能动态地接入另一个网络进行通信. 利用连续时间马尔科夫模型表征用户行为,并根据用户的阻塞概率和强制中断概率衡量系统性能,分析系统中用户的吞吐量. 与传统非共享接入策略进行对比,仿真结果表明对等接入策略能提高系统性能.     

基于语义网格的高校信息资源共享探索

该文针对如何消除各高校之间的“信息孤岛”问题进行研究，并构造了一个语义网格模型，利用本体整合分布式异构数据库资源的机制，理论上能有效地解决这一问题．