网络监控系统在高校实训室管理中的应用

该文主要从高校实训室的监控管理出发,分析实训室管理的现状和传统监控系统存在的问题,结合现在网络技术和监控技术的发展情况,提出于高校实训室管理中结合网络监控系统的新方法,进一步减轻管理员工作量,提高效率和实训室的设备安全、稳定性.     

用于多标签文本分类的深度模块化标签注意网络

针对现有文本多标签语义信息挖掘方法仅注重从文本到标签的映射方向，而忽略了从标签到文本的映射方向的问题，本文认为从标签到文本的映射方向可以过滤文本中与标签无关的噪声信息，进而生成只关注于标签信息的文本表示。基于此假设，本文基于注意力机制提出了一种深度模块化标签注意网络，主要由标签注意网络进行多层级联而成。在标签注意网络中构建了双向标签注意单元和自我注意单元，从而得到标签和文本的双向依赖表示。模型在公开数据集RCV1、AAPD、EUR-Lex上与SGM、LSAN、EXAM等算法进行比较，对于现有的最佳性能平均提升0.54%。     

航空航天网络聚合平台建设的实践研究

沈阳航空航天大学图书馆建设航空航天网络聚合平台的建设是承接起特色资源与服务读者之间的纽带。本文介绍网络聚合的含义和特点;通过航空航天网络聚合平台的建设中对KSpider网络信息资源采集系统、筛选航空航天网站、平台栏目设置、平台内容链接方面进行了解,本人提出几点平台建设必要条件。     

熊出没之夺宝熊兵

正导演:丁亮主演:熊大,熊二,光头强,嘟嘟,吉吉,毛毛类型:冒险,动画,喜剧,家庭出品公司:深圳华强数字动漫有限公司制片国家/地区:中国大陆观赏指数:★★★★★剧情介绍一场漆黑雨夜的意外事故,一段笑料十足的误打误撞,将两个外表相似却内容各异的箱子调换。光头强始料未及,自己的"宝贝箱"已经变成了藏有"神秘宝贝"的箱子;更出他意料,"神秘宝贝"正将他和老对手熊大、熊二一步步推进一个巨大的秘密当中。啼笑皆非间,光头强、熊大、熊二的生活发生了天翻地覆的变化,     

基于TCN-BiLSTM的网络安全态势预测

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题，提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先，将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征；随后，引入注意力机制动态调整属性的权值；然后，利用BiLSTM模型学习态势值的前后状况，以提取序列中更多的信息进行预测；利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优，提升预测能力。实验结果表明，所提预测方法的拟合度可达0.999 5,其拟合效果和收敛速度均优于其他模型。     

基于社交网络的图书馆群组阅读推广模式构建研究

随着互联网的普及发展,图书馆与网络的结合成为当前的研究热点.在阐释构建基于社交网络图书馆群组阅读推广模式必要性与可行性的基础上,分析了基于社交网络图书馆群组阅读推广模式构建的要素,归纳了该模式的特点并对该模式的未来进行了展望,以期促进基于社交网络的图书馆群组阅读推广服务的发展.     

关于江苏省城镇信息与网络发展现状的调查及对策研究

伴随着我国经济水平的不断发展和提高,信息和网络产业作为国家高科技产业建设的重要平台,已然成为人们在生活、生产中不可或缺的重要组成部分,在我国的国民经济、社会管理、民生服务及文化建设等各个社会经济领域,正发挥着不可估量的作用。本文针对江苏省城镇信息与网络发展的现状进行调查,包括江苏省城镇地区网络与信息的普及程度、网络与信息的发展水平等,总结在调查中发现的问题,并提出改善江苏城镇区域信息和网络发展水平相关的意见和建议。     

机载相控阵雷达灵巧干扰信号模型及抑制方法研究0

目前对灵巧干扰的研究主要集中在常规地面雷达,对于机载雷达下的干扰模型及其抑制方法的研究较少。针对此种情况,建立了机载雷达背景下噪声卷积干扰、随机移频干扰和延时转发干扰3种典型灵巧干扰的空时信号模型,并从杂波自由度、空时功率谱图和距离-多普勒谱图的角度分析了干扰分布特性以及影响空时自适应处理(space-time adaptive processing, STAP)性能的内在机理,在此基础上提出了一种基于单元平均选小检测的机载雷达杂波和干扰同时抑制方法。该方法从杂波空时功率谱角度准确估计干扰来向,并据此形成干扰辅助波束,最后通过STAP实现干扰和杂波的有效抑制。仿真结果表明,所提方法相对于传统级联抑制方法,对延时转发灵巧干扰的抑制性能改善5 dB以上,验证了所提方法的有效性。     

基于关键用户的非均衡热传导与物质扩散算法

物质扩散和热传导算法作为2个经典的基于网络结构的算法被普遍用于信息过滤.然而，现有的算法将所有的用户等同看待，没有区分不同用户的贡献，也没有移除恶意用户，从而导致性能不理想.针对这一问题提出基于关键用户的非均衡热传导与物质扩散算法（core-UHM），用以解决教育资源库中的高质量资源检索问题.算法的背后思想主要是基于信息领域中的帕累托法则，也即是20%的用户主导着整个系统中80%的交互.基于关键用户不仅能够保证资源的质量，同时也大大节省了计算开销.通过在真实的学术搜索日志数据集上的实验，证明了算法的有效性.     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。