信息熵角度下的深度学习旁路安全评估框架

基于深度学习的建模类旁路密码分析（Deep Learning Side Channel Analysis/Attack,DLSCA）对于各种旁路攻击场景的密码破解效果都十分显著,但是DLSCA仍存有安全评估问题。基于AES对称加密算法的能量分析,通过信息熵角度分析准确率等传统机器学习性能指标无法评估DLSCA深度神经网络（Deep Neural Network,DNN）模型训练程度的原因。定义密钥信息量,分别阐释密钥信息量与旁路安全评估、DNN模型训练阶段性能评估的关系,建立深度学习模型与旁路分析二者的联系,提出以密钥信息量为核心的DLSCA安全评估框架。     

客户分类下生鲜配送两级路径问题与算法研究

生活水平的提高使得消费者对生鲜产品的需求不断增长,进而促进了冷链物流行业的快速发展。将客户按重要性分为重要客户和普通客户两类,以总配送成本最小为目标,建立考虑客户分类的两级容量有限车辆路径优化模型。提出两阶段启发式算法求解该模型：第一阶段设计改进的遗传-模拟退火算法增强全局搜索能力,其中采用轮盘赌选择机制结合精英保留策略保留优秀个体,部分匹配交叉算子结合自适应交叉率维持种群多样性,Metropolis准则以一定概率接受较差解;第二阶段使用精确方法求解一级配送路径。基于Perboli的Set2算例集和Hemmelmayr的Set5算例集,共30个基准案例,分别将所提出算法与四种现有算法进行对比分析,验证了改进算法的效果,并测试了算法的收敛性。基于模拟数据进行模型分析,验证了所提出模型和算法的有效性和适用性。     

引入源端信息的机器译文自动评价方法研究

机器译文自动评价是机器翻译中的一个重要任务。针对目前译文自动评价中完全忽略源语言句子信息,仅利用人工参考译文度量翻译质量的不足,该文提出了引入源语言句子信息的机器译文自动评价方法: 从机器译文与其源语言句子组成的二元组中提取描述翻译质量的质量向量,并将其与基于语境词向量的译文自动评价方法利用深度神经网络进行融合。在WMT-19译文自动评价任务数据集上的实验结果表明,该文所提出的方法能有效增强机器译文自动评价与人工评价的相关性。深入的实验分析进一步揭示了源语言句子信息在译文自动评价中发挥着重要作用。     

基于机器学习的文学作品英译自动评价

为了提高文学英译作品自动评价的水平,引入基于机器学习的智能算法模型成为当前最有效的方法.首先研究文学作品的翻译规则和特殊性,建立基于变量特征的翻译评价指标体系;然后利用Python语言平台,英译文本经Stanford Parser、NLTK等工具包过滤预处理之后,采取VSM向量空间模型获得特征编码和特征度,再输入到Random-RF、Original-RF和AHP-RF算法模型中训练学习,完成翻译质量评价与分析.实验结果表明,融合层次分析法、灰色关联法和随机森林算法的AHP-RF模型的分类效果优于其它2种,同时人工译本相较于其它4种机器译本,质量评分高、分类错误率小,评价结果与实际翻译情况吻合.     

基于熵权-模糊层次分析法的清淤泵性能评价及选型

使用桩腿内切割方式进行导管架平台拆除过程中,需对桩腿进行抽泥作业;清淤泵作为桩腿内抽泥系统的关键设备,其性能直接决定了清淤系统的工作效率.为了获得抽泥系统中清淤泵的最优配置方案,基于熵权-模糊层次分析法对清淤泵的性能进行综合评价.建立清淤泵性能指标评价数学模型,从5种性能相近的清淤泵中获得了最优选型方案.研究结果表明:NSQ100-60-45型清淤泵的综合评价权重最大,性能更适合桩腿内抽泥作业.文章建立的清淤泵性能评价模型具有较高的可靠性,对抽泥系统中清淤泵方案选择具有指导意义.     

地球系统模式CAS-ESM 2.0性能评估与分析

地球系统模式是研究气候变化、进行地球系统建模的重要软件. 中科院地球系统模式CAS-ESM (Chinese Academy of Sciences-Earth System Model)是中科院大气所发展的进行地球系统模拟的高性能计算应用软件, 目前已经发布了2.0版本, 其模拟性能一直是制约其发展的关键因素之一. 为了对CAS-ESM 2.0进行性能评估和分析,将CAS-ESM 2.0移植到中科院高性能计算系统"元"和"地球系统数值模拟装置"原型系统这两大高性能计算平台上, 开展了耦合数值模拟试验. 试验结果显示, CAS-ESM 2.0存在受平台影响的性能差异, 大气模式的运行时间占比最高, 超过了其他分模式的总和, 部分分模式存在可扩展性问题. 然后对试验结果进行了进一步的分析, 发现大气模式的性能瓶颈主要是由通信造成的. 因而对CAS-ESM 2.0的后续研发发展工作中, CAS-ESM的跨平台优化、大气模式的性能优化与并行算法改进、分模式的可扩展性应该是研究的重点之一.     

基于加权密集连接网络和注意力机制的滚动轴承故障诊断

针对当前诊断方法对滚动轴承故障特征表征困难以及在噪声干扰大的环境中检测性能下降的问题,提出了一种基于加权密集连接网络和注意力机制的滚动轴承故障诊断的方法,该方法由特征提取和故障分类两部分组成;在特征提取部分,首先采用加权密集连接网络从轴承振动信号中提取特征,并将不同空间级别的特征进行组合以增强信息的多样性,然后利用注意力机制突出重要信息,获得准确的表征故障特征;故障分类模型以表征的特征信息作为输入,经过Softmax函数输出每种故障类型的诊断结果;实验结果表明,所提模型在加性噪声干扰的情况下具有良好的诊断性能,比其他方法更具优势。     

红外成像导引头抗干扰性能评价指标体系

目前,各类红外成像制导导弹面临的主要问题是抗干扰能力的强弱,包括自然环境干扰和人工干扰两种;因此红外导引头的抗干扰性能成为各类红外制导导弹的关键性能,极大地影响到导弹的作战性能;为了能够合理的评价红外成像导引头的抗干扰性能,就必须制定合理的红外成像导引头抗干扰性能评价指标;为此,笔者根据红外成像导引头的抗干扰工作过程及其特点,以及传统的评价指标,并借鉴深度学习的评价指标,提出了由截获能力、识别能力、跟踪能力和命中精度能力这四方面组成的抗干扰性能评价指标体系;明确了四项指标下的二级指标内涵和计算方法,根据红外仿真与数据处理结果表明,这4种评价指标均可以有效地体现出导引头抗干扰性能的强弱,而且识别能力和命中精度这两个指标更加突出,故笔者所提出的红外成像导引头抗干扰性能指标体系及其计算方法,均可成为红外成像制导导弹抗干扰性能评估的判断依据.     

基于卷积自编码神经网络的航空发动机轴承故障诊断方法研究

航空发动机轴承早期故障多是由于裂纹、疲劳剥落和保持架损坏造成的,这类型的故障在发动机振动信号中均会产生瞬时的冲击;但是,在早期故障中,振动信号由于夹杂过多部件耦合激励,缺陷冲击信号很难辨识,早期故障诊断十分困难;采用了基于卷积自编码网络的航空发动机轴承早期冲击故障特征提取方法,通过分析信号中冲击成分的周期性,利用卷积自编码网络的平移不变学习特性,自动捕获信号中的周期成分,将信号分解为由卷积核重构的多个特征分量,实现信号特征分量的自学习,考虑到峭度指标对信号冲击成分描述的特点,使用峭度指标作为最优特征分量的选取指标,进而实现早期冲击故障特征的提取;最后利用仿真数据和轴承数据验证了该方法的有效性.     

相控阵天气雷达站环境参数计算及评估系统研发

作为S波段新一代天气雷达的重要补充,目前广东省正加快建设X波段双极化相控阵天气雷达;如何更好地做好优化布局提升全网覆盖率和探测能力,站点选择是否科学合理显得尤为重要;文章设计一套全新的基于数字高程DEM的探测环境参数智能分析系统,客观、定量、自动计算探测净空投影面积、净空占总投影面积比例、投影阻挡面积比例、探测净空体积、静锥盲区体积、低空盲区体积、扫描立体空域完备度等,在现场选址时能够1分钟内输出综合分析结果和建议;作为辅助选址系统,已经在广东省26部X波段双极化相控阵天气雷达选址中应用,输出结论对现场选址起到了很好的指导性作用,为雷达系统建设快速提供科学决策依据.