神经网络在计算机网络安全评价中的应用研究

随着计算机网络的发展,其应用范围也不断地扩展,由此,计算机网络的安全问题受到了人们广泛的关注。在对计算机网络安全进行评价时,评价系统的指标比较多,因此,在对其进行评价时,传统的线性方式并无法满足安全评价的需求,同时,评价的准确性也比较差,因此,为了提高计算机网络安全评价的效果及准确性,应用了神经网络,在本文中,介绍了计算机网络安全及安全评价原理,并分析了神经网络的具体应用。     

基于语音人工智能的“黑广播”监测方法研究

"黑广播"会扰乱正常信号,破坏空中电波秩序,对社会危害极大,因此,对"黑广播"进行监测与打击是无线电管理的重要工作之一。根据广播语音内容甄别"黑广播"是最可靠的识别方式,传统的"黑广播"识别依靠人工听取广播内容,成本高、效率低,基于自动语音识别技术的方式大多依托在线网络语音服务,难以应对离线实时监测场景。本文提出一套基于语音人工智能的"黑广播"监测识别技术,提取语音声学矩阵信息并利用神经网络进行识别,可在离线情况下实现"黑广播"的实时侦测。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

SA508-3钢铸态粗晶组织热压缩变形行为与晶粒演化规律

为获得SA508-3钢铸态粗晶组织热变形过程中的晶粒细化和均匀化规律,通过Gleeble单道次高温热压缩实验(950℃~1250℃,0.001s-1~1s-1,真应变ε=0.8),发现铸态粗晶在低温硬化-回复阶段时的应力水平较锻态细晶的略高,通过金相分析发现,该现象是由铸态粗晶组织含有大量形变孪晶及其较差的变形协调性所致。同时分析了不同变形条件(温度和应变速率)对再结晶晶粒尺寸和混晶程度的影响规律,得到了动态再结晶完成后,变形温度为1 050℃~1 200℃、应变速率为0.01s-1~1s-1的变形参数对SA508-3钢铸态粗晶组织具有较好的细化晶粒作用,最高晶粒度可达6级~7级;1050℃~1200℃、0.001s-1~0.1s-1的变形参数可有效地降低SA508-3钢铸态粗晶组织的混晶程度,动态再结晶完成后组织比较均匀。     

MoCA 2.0实地测试证明该技术已实现超过400Mbps净吞吐量

MoCA近日发布了目前正在进行的MoCA2.0实地测试初步结果。测试结果表明,在90%的同轴电缆插座或路径中,MoCA2.0可实现超过400Mbps的净吞吐量(MAC速率),并且95%的路径同样实现了超过350Mbps的净吞吐量。MoCA联盟表示,与PHY速率一样,MAC速率通常是在实验室环境下获得的测试结果,并不能反映真实环境。