基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

新型型钢背楞竖向加固模板施工工艺

建筑施工中的剪力墙框架系统主要采用木胶合模,其缺点是长度有限、接触面积小、木材使用时间短,既浪费了工时,又大大增加了施工成本.而与传统的加固系统相比,新型型钢背楞剪力墙模板加固体系的刚度有一定提高,不仅能有效提高材料周转率,还能进一步避免方木等材料的浪费.鉴于此,文章主要分析了竖向钢筋施工技术,旨在更详细地了解新型型钢背楞竖向模板加固施工工艺在建筑工程中的应用前景,从而促进相关施工工艺的发展.     

房屋建筑施工中现浇梁模板施工技术分析

房屋建筑是日常生活、社会发展不可缺少的物质基础,近年来,随着我国经济发展水平的提升,房屋建筑数量不断增长、建设规模不断扩大,为了提高建设效率与质量,满足现代住房需求,也革新了施工技术,实现了现浇梁模板施工技术的广泛应用。文章以现浇梁模板施工技术为研究对象,分析了其在房屋建筑施工中的具体应用,以便保障现浇梁模板施工技术的科学合理运用。     

机器魔力

以信息化为引擎,富怡将服装企业带入智能工厂时代。最近,湖南一家棉服企业45天生产出了20000多件成品,令当地同类企业刮目相看。能够如此高效,其背后的秘密原来是该企业通过使用富怡4头全自动模板缝纫机,实现了"机器换人"。不仅一个半月收回了成本,还略有盈余。这不禁让附近的服装企业"红了眼",呼啦一下子,富怡接到了上百台