探讨TD-SCDMA核心网建设方法

本文从TD-SCDMA核心网网络架构出发,重点讲述了核心网络节点设置原则及其基本特点,分析了TD-SCDMA核心网网络组织、编号计划及其IP地址等在通信中的应用。     

基于彩虹着色的网络安全研究

针对网络攻击者经常利用破坏防火墙对网络进行渗透攻击的特点,我们提出基于图论的网络安全优化与应用方法,运用已有的彩虹着色理论设置防火墙。以计算机网络为研究对象,我们分别研究线图与凯莱图彩虹着色的相关结论,建立图论模型将结论运用于网络构造中设置网络防火墙,提高网络安全性进而优化网络。     

MPLS VPN在电力行业中的应用研究

本文首先对电力各类业务的特点和具体需求进行分析,随后以MPLSVPN技术为基础,对各类业务进行MPLSVPN网络的部署,包括网络架构的设置和具体传输方式的实现,构建了基于MPLSVPN技术体系的方案。     

基于测控专业特色的《传感器》网络课程建设

"传感器"是一门多学科交叉课程,本文分析了该课程教学存在的问题。针对本校测控技术与仪器专业的特色及课程设置,阐述了传感器网络课程的建设和特点,实现教学资源共享,使课堂教学在空间、时间及教学内容上得到延伸。该文对其他网络课程的建设有一定的参考价值。     

中国印工协召开网络建设专题会议

正2015年12月,中国印刷及设备器材工业协会召开了网络建设专题会议,中国印工协副理事长兼秘书长王立建,副秘书长王凤娜、王健、张建民、李君,包装印刷分会秘书长任伊娜等出席了会议,就目前协会的传媒状况及如何改进网络传播工作展开了研究与讨论。会议期间,王凤娜副秘书长介绍了协会目前的网络传媒、新媒体、刊物、出版物、统计信息资料等情况,以及其他行业协会网站的架构、设置风格和特点,并提出协会官网的改进建议。大家经过讨论认为,协会在     

基于三菱PLC网络技术的区域设备控制

阐述了基于三菱PLC网络技术的热加工自动线中总体电气结构设计、温度的检测与控制、输送线速度控制及物料位置检测、网络连接及设置等问题的实现方法。给出了部分电路图和控制程序,给出了关键控制部件的型号规格。实践证明该自动线具有升温速度、保温温度、保温时间、降温速度可调可控,集中主站操作,各站现场控制,全线自动运行的特点。     

浅析电信运营级WiFi网络的组网思路

文章首先介绍了运营级WiFi网络建设的引入原因,并详细介绍了电信运营级WiFi网络的特征。然后从网络架构、设备设置、设备选型、室分分布系统部署等方面对电信运营级WiFi网络的组网方案进行了探讨。     

基于虚拟机的OSPF动态路由协议的研究

为了解决局域网络的互联互通问题,满足对网络的稳定性、可靠性、自适应性、灵活性等需求,利用虚拟机平台仿真该局域网络,通过启动路由和远程访问服务并配置OSPF路由协议、修改接口优先级和路由器标识、修改接口开销、设置OSPF接口密码和入站出站筛选器等措施成功解决了网络互联互通、干预指定路由器/备份指定路由器选举、干预最佳路径生成、提高OSPF网络安全性等问题.     

我国体育用品品牌网络社区建设存在的问题与对策研究

在我国体育用品品牌竞争日益激烈的今天,体育用品企业越来越重视网络虚拟社区这张王牌,纷纷建立网络社区。但是这些社区与国内著名体育用品品牌相比还存在一定的差距,存在官方论坛板块设置简单,互动性差,社区没有体现高科技的与时俱进和年轻群体的特性,宣传不到位等问题。这些问题严重影响了品牌形象的塑造,解决这些问题的对策是:利用新媒体,与时俱进;设置新颖话题,增强互动;丰富版块设置,提高人气。     

无纸化考试系统“网络”部分出题的改进研究

目前市面上的计算机类上机操作考试系统的网络部分,大都是为特定的工种和岗位考证而设计的,通用性较差。《计算机无纸化考试系统》的"网络"操作出题部分模拟实现了modem的安装和设置、Internet属性的设置、拨号网络操作、浏览器的使用、电子邮件操作(撰写、发送电子邮件等)、建立通讯簿,最终生成*.INI文件和*.RTF文件,为用户提供了比较全面的知识点覆盖和内容可选的灵活考查模式,具有更通用的使用价值。     

基于SIEMENS L2网络的生产线控制系统优化改造

基于SIEMENS L2网络的生产线控制系统,由于控制节点多,网络交换数据量大,经常出现网络堵塞现象,为此分两步对该系统进行了改造:第一步减少L2网上的节点数量,缩短了网络长度;第二步将L2网划分为两个物理独立、数据相通的网络。改造后减少了每段网络上的数据量,通讯速率提高,解决了网络堵塞的问题。     

基于轻量卷积网络的马铃薯外部缺陷无损分级

目前马铃薯外部缺陷检测方法主要依靠人工提取特征,且检测精度不高,为了更好地对马铃薯外部缺陷进行快速、准确在线分级,本实验提出一种基于轻量卷积网络的在线分级方法。首先,利用ImageNet数据集训练Xception网络模型,建立马铃薯预训练网络模型;然后,重新构建5 类缺陷全连接层,并通过迁移学习在预训练网络模型上训练马铃薯缺陷数据集;最后,基于外部缺陷识别模型分别测试5 类缺陷的分级性能。结果表明,学习率为0.000 01时,网络模型整体性能最优,训练准确率为98.88%,损失值为0.034 9;在相同样本条件下,与9 种不同深度的网络进行对比,本实验构建的轻量级网络模型识别效果最好,平均识别准确率达到96.04%,且运行时间比识别效果较好的ResNet152网络更短,本实验网络模型的识别速率为6.4 幅/s,本研究结果可为马铃薯在线分级提供理论支持。     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

网络视频监控技术在卷烟厂自动化系统中的集成应用

介绍了基于网络技术的视频监控系统,通过应用嵌入式视频集成系统软件实现了网络摄像监控系统与生产线自动化系统集中监控的集成,不仅可以查看实时生产情况,而且具有了故障报警功能;AGV视频集成系统采用了AGV路径信息采集组件和网络视频接口组件,实现了网络视频监控技术在AGV自动跟踪系统中的应用。该系统解决了传统的基于模拟视频技术的摄像监控系统中存在的缺陷,对于生产过程控制具有操作辅助功能。     

基于神经网络的图像标注模型研究

对图像进行准确标注是提高图像检索率的有效手段,针对目前图像标注的相关研究存在的问题,本研究提出了一种基于神经网络的图像标注模型,此模型由一个自适应分类网络和一个非线性相关网络组成。模型进行图像标注分为两个阶段:第一阶段,从输入图像分割出的不同区域提取特征信息传送到自适应分类网络,以产生分类标签;第二阶段,非线性相关网络以通过训练图像学习的关键词的相关性为依据来细化分类结果。为验证模型标注的准确性,选取LabelMe和Caltech-101图像数据库中的图像进行相关实验,结果表明本研究提出的模型提高了图像标注的准确率。     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

酪蛋白-卡拉胶体系交互作用机理的研究

本文探讨了蛋白质与阴性多糖之间的作用类型及作用模式，提出了一种蛋白质一阴性多糖的凝胶网络模型，并进行了初步的研究和验证。通过研究酪蛋白-卡拉胶体系在添加不同浓度的氯化钠和尿素后，凝胶强度和粘度变化情况，结果表明，蛋白质与阴性多糖的交互作用力是以静电作用为主，疏水作用和氢键的作用不明显。而亚微观结构研究则表明凝胶网络越致密、均匀以及网络支架大小越均一，则体系的凝胶强度越高，同时也表明体系的凝胶体是以卡拉胶为主体而形成的三维空间网络结构，蛋白质分子均匀吸附在网络的支架上，而不是以胶粒的形成存在于网络的连接区。     

基于区间层次分析法的食品安全网络舆情预警评价

针对食品安全网络舆情预警评价问题的不确定性,提出了一种新的食品安全网络舆情预警评价方法。建立了多层次的食品安全网络舆情预警评价指标体系,提出了食品安全网络舆情预警等级和区间数等级,利用区间层次分析法确定了食品安全网络舆情预警评价指标的区间数权重。结合区间数理论构建了基于区间层次分析法的食品安全网络舆情预警评价模型。结合评价实例对某食品安全事件的网络舆情预警等级进行了评价,验证了该综合评价模型的合理性和有效性。     

应用卷积网络及深度学习理论的羊绒与羊毛鉴别

为解决羊绒与羊毛纤维图像难以鉴别的问题,提出一种基于卷积网络和深度学习理论的鉴别方法。使用sigmoid分类器将卷积深度网络提取的纤维图像特征进行粗分类,根据验证集合验证结果并记录网络的最优权重。根据整体的分类网络所获取的权值,对每张样本图片使用改进的局部增强整体的网络模型提取局部特征,并对局部特征和整体特征进行融合,根据这些融合特征建立新的分类网络。在此基础上,使用鄂尔多斯标准羊绒与羊毛数据集对网络进行50轮次的迭代训练,得到的最优准确率达92.1%。实验结果表明:采用深度卷积网络表征纤维,并对羊绒羊与毛纤维图像进行分类的方法,能够有效解决羊绒、羊毛等类似纤维鉴别问题;若用于商业检测,还需更多数据集的验证。     

Artificial neural network modeling and optimization of ultrahigh pressure extraction of green tea polyphenols

In this study, the ultrahigh pressure extraction of green tea polyphenols was modeled and optimized by a three-layer artificial neural network. A feed-forward neural network trained with an error back-propagation algorithm was used to evaluate the effects of pressure, liquid/solid ratio and ethanol concentration on the total phenolic content of green tea extracts. The neural network coupled with genetic algorithms was also used to optimize the conditions needed to obtain the highest yield of tea polyphenols. The obtained optimal architecture of artificial neural network model involved a feed-forward neural network with three input neurons, one hidden layer with eight neurons and one output layer including single neuron. The trained network gave the minimum value in the MSE of 0.03 and the maximum value in the R² of 0.9571, which implied a good agreement between the predicted value and the actual value, and confirmed a good generalization of the network. Based on the combination of neural network and genetic algorithms, the optimum extraction conditions for the highest yield of green tea polyphenols were determined as follows: 498.8 MPa for pressure, 20.8 mL/g for liquid/solid ratio and 53.6% for ethanol concentration. The total phenolic content of the actual measurement under the optimum predicated extraction conditions was 582.4 ± 0.63 mg/g DW, which was well matched with the predicted value (597.2 mg/g DW). This suggests that the artificial neural network model described in this work is an efficient quantitative tool to predict the extraction efficiency of green tea polyphenols.