一种新的基于神经网络的入侵容忍系统

与预防攻击为主的安全方案不同,入侵容忍系统可以在受到攻击之后仍能提供正常连续的服务,作者从入侵容忍技术的原理入手,提出了一个入侵容忍模型,在该模型中采用了基于神经网络的入侵检测技术作为触发器,通过对该模型的工作流程和性能进行分析得出它具有很好的自适应性、安全性和弹性.     

非约束环境下的实时人脸检测方法

在不受限制的场景下,人脸检测大多部署在移动端或者边缘设备上,这些设备计算能力低且内存较小.使用无锚检测思想,基于CenterNet无锚检测器,提出以人脸为点的检测方法.不需要人工预先设置锚框,也不需要使用非极大值抑制来后处理,模型变得简单且高效.模型的骨干网络使用改进的ShuffleNetV2,轻量级网络保证了模型参数...     

基于深度学习的轻量级道路障碍检测算法

道路障碍检测是智慧交通和无人驾驶的重要组成部分。针对道路障碍检算法的参数量过大、占用内存过多、难以在内存和算力有限的设备中使用等问题,本文提出一种轻量级的道路障碍检测算法。在YOLO v4的基础上,使用MobilenetV3作为模型的主干网络,减少模型参数,提高检测速度;改进模型中的PAN结构,将主干网络中更浅层的特征图提取融合,改善小目标检测不佳的问题;在特征融合部分加入ECA注意力机制提升网络整体精度;提出一个新的DBR模块,使网络整体相比之前更加轻便。使用改进后的模型在自制数据集中进行检测,与Mobilenetv3-YOLO v4相比,精度提升5.24%,参数量降低35.5%,F达43.8,满足实时应用的技术要求,表明模型可以嵌入到小型移动设备,达到良好的实时效果。     

还原增感浓度对AgCl光电子衰减的影响

还原增感是三大化学增感类型之一.近10年来,还原增感的机理以及过程的控制,越来越受到感光科学工作者的关切和注意.主要利用微波介电检测技术,测得自由光电子与浅束缚光电子衰减行为随还原增感浓度的变化.实验发现:还原增感浓度低时,增感中心起空穴陷阱作用;还原增感浓度高时,增感中心起深电子陷阱作用.根据光电子衰减行为随增感浓度的变化得到了最佳增感浓度.     

小波变换及其在语音信号处理中的应用

人们为了了解自然界的规律,或是为了解决工程中的一些问题,需要对各种各样的信号进行分析,在小波变换出现以前,应用最广泛的是傅立叶变换.但是在利用傅立叶变换分析信号时,存在着某些缺陷.小波变换基于海森堡测不准原理解决了局部时间信号分析的难题,发展了信号分析的方法,成为了当代信号分析的主要工具之一.由于语音信号的复杂性,以及在某些方面与小波变换的相似性,使小波变换在语音信号处理有着很广泛的应用.本文对小波变换及其在语音信号处理中的应用进行了简要的综述.     

用金属磁记忆方法进行缺陷检测

介绍了金属磁记忆检测的原理及其应用方法。铁磁性工件在载荷的作用下,应力和变形集中区会产生最大的漏磁场变化,对漏磁场法向分量的测定可以准确地推断工件的应力集中区。通过对14块对接焊缝钢板分别用磁记忆、超声波方法进行实际检测,验证了磁记忆检测方法的有效性,取得了一些有益的经验。     

基于连接酶检测反应的并行分型系统检测AGT M235T和ACE I/D基因多态性

基因多态性蕴藏着大量遗传信息,分型技术是研究多态性的主要研究手段。本文建立了一个基于连接酶检测反应的基因多态性并行检测系统,该系统应用连接酶检测反应与基因芯片技术。对AGT M 235T 3种基因型和ACE I/D 3种基因型分型,同直接测序分型结果一致。将该系统应用于168份临床样本,经过统计学分析,用卡方检验发现高血压组和正常组AGT M 235T多态性存在显著差异(2χ=6.191,P<0.05),但ACE I/D多态性没有显著差异(χ2=5.241,P>0.05)。     

一种基于卡尔曼滤波的改进多用户检测算法

总结了DS-CDMA系统的异步高斯信道模型和多径衰落信道模型,重点讨论了用状态空间方程表述多径衰落信道模型的方法,并采用卡尔曼滤波的递推算法求出每个用户每条路径上的状态估计。针对期望用户,对属于同一个码元的所有状态估计求和,接着进行最大比合并再判决。最后对两种信道模型进行算法仿真,分析其收敛性和抗“远-近”效应的性能。结果表明本文给出的算法收敛速度快,并且能有效地抑制“远-近”效应。     

一种高速印刷品缺陷在线检测系统

研究了一种印刷品缺陷(如刀丝、拉墨、飞墨、错印、漏印等)高速在线检测的机器视觉系统.通过多照射角度和防眩光的光学系统,再现印品上的微小印刷缺陷;应用基于行程长缺陷编码的缺陷快速查找算法和防轮廓误检算法,避免了因纸张形变和张力波动造成的误检;采用了C/S网络化并行结构,对图像数据进行分布式处理和集中统计管理.现场运行表明该系统实现了对印品100%全面在线质量检测的要求,在高速生产环境下运行稳定可靠.     

混合动力汽车能量管理控制器参数优化

设计了一种新的基于人工免疫网络优化的模糊神经混合动力汽车能量管理控制器．该控制器结合模糊控制和神经网络的优点,利用神经网络的自学习能力,自动生成模糊规则和隶属函数,并不断优化隶属函数的参数,直到达到设计要求．为了避免神经网络的学习过程陷入局部极值点,采用人工免疫网络优化神经网络的参数．仿真结果显示,经过参数优化的模糊神经能量管理控制器的性能比普通能量管理控制器好,能进一步降低HEV的油耗．