厚管壁电容层析成像图像重建算法

探讨了适合厚管壁条件下的电容层析成像图像重建算法.针对厚管壁管道内几种不同流型,分别采用LBP算法、Landweber迭代算法和BP神经网络对8电极电容传感器进行成像重建计算.结果表明:在厚管壁情况下,LBP算法重建的图像质量很差;Landweber迭代算法在层流下的重建效果好于核心流和环状流;而BP神经网络算法可以有效重建管道内的介质分布,但对于没有训练到的任意流型,其重建效果不够理想.     

大规模入侵检测体系下追踪机制的设计与实现

在大规模网络环境下，追踪恶意主机及其真实位置，对于整体网络的安全防御十分重要。因此，在大规模入侵检测系统中，利用各级控制中心的自动响应和处理功能，设计和实现了基于存储转发技术的追踪机制。测试表明，该机制可以有效地追踪和定位恶意主机的口地址，进一步完善了大规模入侵检测系统的监控功能。     

Experimental and numerical study on plasma nitriding of AISI P20 mold steel

In this study, plasma nitriding was used to fabricate a hard protective layer on AISI P20 steel, at three process temperatures (450°C, 500°C, and 550°C) and over a range of time periods (2.5, 5, 7.5, and 10 h), and at a fixed gas N₂:H₂ ratio of 75vol%:25vol%. The morphology of samples was studied using optical microscopy and scanning electron microscopy, and the formed phase of each sample was determined by X-ray diffraction. The elemental depth profile was measured by energy dispersive X-ray spectroscopy, wavelength dispersive spectroscopy, and glow dispersive spectroscopy. The hardness profile of the samples was identified, and the microhardness profile from the surface to the sample center was recorded. The results show that ε-nitride is the dominant species after carrying out plasma nitriding in all strategies and that the plasma nitriding process improves the hardness up to more than three times. It is found that as the time and temperature of the process increase, the hardness and hardness depth of the diffusion zone considerably increase. Furthermore, artificial neural networks were used to predict the effects of operational parameters on the mechanical properties of plastic mold steel. The plasma temperature, running time of imposition, and target distance to the sample surface were all used as network inputs; Vickers hardness measurements were given as the output of the model. The model accurately reproduced the experimental outcomes under different operational conditions; therefore, it can be used in the effective simulation of the plasma nitriding process in AISI P20 steel.     

基于GAN的医学图像仿真数据集生成算法

基于生成对抗网络(generative adversarial networks,GAN),提出了面向肝脏肿瘤CT图像仿真数据集生成深度学习算法.首先,将CT图像数据文件进行格式解析,单独保存为PNG格式的图像文件;然后,将肝脏病变区域统一标注为白色,并结合肝脏CT原图组成配对图片;最后,用生成对抗网络的pix2pix架构仿真生成病变肝脏图像.为将生成图像与目标图像进行定量分析、比较,本文采用了峰值信噪比和结构相似性作为模型的评价指标.实验结果表明,本文算法所生成的肝脏肿瘤CT仿真数据集的平均峰值信噪比为64.72dB,平均结构相似性为0.9973,证明了所生成的仿真图像数据有着非常高的真实度.     

抵御恶意模拟主用户攻击的拟合优度检测算法

在认知无线电网络中,针对模拟主用户攻击(primary user emulation attack,PUEA),采用Anderson-Darling(AD)检验来代替传统的假设检验算法来提高系统性能.假设PUEA具有一定的可能性,通过计算接收到的信道数据样本分布函数与经验分布函数之间的Anderson-Darling距离,调整相关参数来确定阈值,并与距离比较,实现频谱检测,有效防止恶意主用户攻击.仿真结果表明,与能量检测相比,系统性能优化了能量检测器的改进.     

有损光纤中的交叉相位调制不稳定性现象

以耦合非线性薛定谔方程为基础,研究了有损光纤中的交叉相位调制不稳定性现象．结果表明：光纤损耗使交叉相位调制不稳定性增益谱的谱宽和峰值变小,随着传输距离的增加调制不稳定性的增益谱频谱宽度和幅度会逐渐减小．     

用人工神经网络定量预测化工基础物性

人工神经网络是人工智能技术的一个分支。本文将人工神经网络技术用于化合物的正常沸点、临界温度和沸点汽化热的定量预测,取得了较好的结果。估算精度好于或相当于文献方法。通过对三种基础物性的试验,表明人工神经网络技术可以用于定量预测,从而为这种技术开辟了一个新的应用领域。     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

基于BP神经网络的彩色光弹性等色线自动定级法

把人工神经网络与光学彩色信息图像处理技术相结合，根据计算机的特点，选取红绿蓝（RGB）颜色模型，通过BP神经网络建立图像中像素点的RGB值与条纹级数F之间的非线性关系，对彩色光弹性条纹进行了插值，从而实现了等色线条纹的自动定级，用对径受压圆盘问题的理论精确解来检验，表明本方法与传统的分数级条纹补偿法相比，不仅可以实现条纹定级技术的自动化，而且精度较高，对提高三维结构光弹性模型切片的等色线测量精度有实用价值。