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。     

加强高校教育管理信息化建设研究

新时代背景下,传统教育体系中部分教育理念、教育内容、教育形式及方法已经无法有效满足现代社会的育人需求。此外,互联网2.0时代我国大数据技术和移动互联平台发展迅速,在推动教育事业现代化转型、高校教育管理信息化建设等方面意义深远。党的十九大以来,政府明确指出要坚决把教育事业置于优先位置,加强我国高校教育管理信息化建设,实现教育现代化和信息化改革,以此来实现我国教育事业的长足发展。     

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％.     

《办公自动化》论文投稿作者须知

《办公自动化》有移动办公、居家办公、政务、商务、网络、安全、教育、科技、档案等栏目,集理论、学术、创新、多样于一体,面向社会、面向现实、力争使本刊成为ICT、办公自动化领域的理论工作者、教育工作者和实践工作者之友。为促进技术交流,提高本刊质量,热诚欢迎广大作者赐稿。有关作者须知通知如下:一、按照国家出版总署颁发的《中国学术期刊(光盘版)检索与评价数据规范》(CAJ-CD1999-02-01试行)标准化要求,投向本刊的论文稿件要求著者提供:题目、单位、摘要、关键词、中国图书馆分类号(简称:中图分类号)、文献标识码、作者简介、注释、参考文献。     

基于互联网的基础课程线上线下教学实践

阐述课程教学中的线上线下混合教学模式，存在的问题，应对的措施，通过对现有网络资源的充分利用，将前沿理论知识以及行业热点融入线上课程教学中，从而促进对于课程的主动学习。     

基于情境感知工具辅助碎片化学习行为的研究

碎片化学习难以集中记录,存在无法迅速定位到自己需要的学习内容等用户体验问题.传统方法不能采集真实情境下的用户数据,无法满足研究人员的研究需求.基于此,开发一种基于用户行为的捕捉工具——CAUX(Context-Aware User Experience,CAUX),设计了具有情境感知能力的数据采集模块,自动捕捉指定App内的用户行为数据.CAUX对用户干扰性低,可以辅助研究人员捕捉典型的碎片化学习行为.对利用CAUX采集到的数据进行处理,并结合人工方法进行分析,可以发现不同情境下的用户行为和用户体验问题.