基于深度前馈网络的深度学习模型在XOR函数中的应用

文章首先介绍了前馈网络的基本原理。然后通过一个XOR小例子讨论部署一个前馈网络所需的每个设计决策。最后去面对那些只出现在前馈网络中的设计决策。     

深度学习常用模型及算法综述

文章主要介绍了目前比较成熟、应用较广的深度学习网卷积神经网络、循环卷积神经网络、深度信念网络、自编码器等模型结构和应用领域,及深度学习领域常用到的几种算法,最后对深度学习的发展前景进行了展望.     

深度学习模型安全性研究综述

随着智能化进程的不断加快,以深度学习为代表的人工智能技术得到不断发展。深度学习在众多领域得到广泛应用的同时,其中存在的安全问题也逐渐暴露。普通用户通常难以支撑深度学习所需的大量数据和算力,转而寻求第三方帮助,此时深度学习模型由于失去监管而面临严重安全问题。而深度学习模型在全周期内均会遭受后门攻击威胁,使得深度学习模型表现出极大脆弱性,严重影响人工智能的安全应用。从深度学习模型所需资源条件来看,训练数据、模型结构、支撑平台均能成为后门攻击的媒介,根据攻击媒介的不同将攻击方案划分为基于数据毒化、模型毒化、平台毒化3种类型。介绍了对其威胁模型及主要工作,在此基础上,梳理了针对现有后门攻击的防御措施。最后,结合所在团队的相关工作,并根据当前相关技术研究进展及实际,探讨未来研究方向。     

基于深度学习的节约型园林电能耗预测模型

为了精准预测节约型园林电能耗,提出了基于深度学习的节约型园林电能耗预测模型.该模型选取平均气温、最高气温、最低气温、霜点温度、平均湿度五个气候因素和历史电能耗作为输入变量,节约型园林电能耗作为输出变量,通过无监督预训练以及监督微调两部分实现电能耗预测.测试结果表明,该模型预测节约型园林短期、中期以及长期电能耗均具有较高...     

基于北斗短报文的可信远程控制模型设计与验证

远程控制对于提高社会生产工作效率具有重要意义,其常用实现途径是4G、5G、Wi-Fi或蓝牙,但这些方式存在可靠性不佳、安全性不高、有效距离不足的问题。北斗短报文是北斗卫星导航系统的独有功能,能够提供双向通信服务。基于北斗卫星导航系统的高可靠性、高稳定性、大覆盖范围特点,结合SM4分组对称加密算法,设计了基于北斗短报文的可信远程控制模型。试验表明,基于北斗短报文的可信远程控制模型能够在不影响系统性能的条件下,实现控制指令的安全传输,有着广阔的应用场景。     

面向深度学习课堂模型的构建与实践

针对当前高等教育中存在大量浅表学习的现状,本文构建了面向深度学习的课堂模型。该模型由习得环节、巩固与转化环节、迁移及应用三个环节构成,由网络学习空间、翻转课堂和翻转测试三种支架提供支持。文中阐述了三个环节的目标和三种支架的支持作用,强调了文中首次提出的翻转测试支架的实施关键要素,以及模型对于学生学习转化的催化作用。最后,本文详细描述了具体案例实施细节,以大量详实的数据分析论证了本文模型的有效性。     

基于注意力机制的深度学习推荐模型研究

文章从注意力机制结合其他深度技术的角度探讨基于注意机制的深度学习技术在推荐领域的应用类型,将注意力机制结合卷积神经网络、循环神经网络进行归纳梳理,并对局限性进行探讨,最后展望推荐领域未来研究趋势.     

基于深度学习的个性化推荐模型应用

随着信息技术的进步,推荐系统被广泛应用于购物以及新闻等网站门户中,通过分析用户的行为,得出用户兴趣偏向,进而对用户推荐相关信息,以吸引用户的注意。同时深度学习理论与技术的完善,更多复杂的模型被提出,在计算机视觉、语言理解等方面有着广泛的应用。将深度学习技术应用于推荐系统,能够更加充分的融合用户社会属性等方面信息,生成个性化的推荐,使得推荐质量得到较大提升。     

基于深度学习的船舶数据向量模型研究

近年来,航运信息化建设进程加速发展,然而由于各单位在船舶信息管理上的不统一,导致收集到的数据存在大量的相似重复数据。如果直接使用这部分数据进行数据分析,会对最终结果造成严重影响。为了解决对重复数据的检测问题,文章基于深度学习,融合FastText向量模型、BERT模型以及LDA模型,搭建多语义融合模型,对船舶数据进行向量构建,使得生成的向量包含信息更全面,提升重复检测准确率,提高船舶数据清洗效率。     

深度学习的MPCANet火灾图像识别模型设计

针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析（Multilinear Principal Component Analysis,MPCA）深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。     

RDSS高程数据库的研究与设计

针对RDSS系统对高程数据的应用需求,采用了对高程数据按地形分类抽取和压缩方法,设计了数据文件内数据的分块组织存储、四叉树索引和文件分级管理模型,提出了双线性内插法、双三次内插法、移动曲面内插法相结合的数据拟合和提取方法.实验结果表明,文中提出的高程数据库应用模型可以有效减少高程数据量,控制精度损失,并提高数据检索的速度,满足RDSS系统的要求.     

海上边缘计算云边智能协同服务建模

由于受环境、资源、能耗、异构等因素制约,海上无线技术发展明显滞后于陆地.以低开销、自适应和自主融合为约束,提出一种海上边缘计算云边智能协同服务策略模型(Model of Cloud-Edge Cooperative Service Scheme for Maritime Edge Computing,MCECS-MEC...     

一种改进GMM-MRF模型的海上红外目标检测

目前海上目标检测已在民用和军事领域得到广泛的应用.由于海水波动大、目标成像面积少、特征不显著等特点增大了目标检测难度,为了消除上述的问题,首先提出了一种基于混合高斯-马尔科夫随机场目标检测模型,该模型利用所提出的混合高斯模型自适应调节学习率来抑制动态背景的干扰.然后,利用混合高斯模型对红外图像所计算的结果作为马尔科夫随机场的观测值,建立了马尔科夫随机场模型,可以解决混合高斯模型存在的不足.实验结果表明,本文的方法能够取得良好的检测效果.     

Trajectory Design for UAV-Enabled Maritime Secure Communications: A Reinforcement Learning Approach

This paper investigates an unmanned aerial vehicle(UAV)-enabled maritime secure communication network, where the UAV aims to provide the communication service to a legitimate mobile vessel in the presence of multiple eavesdroppers. In this maritime communication networks(MCNs), it is challenging for the UAV to determine its trajectory on the ocean, since it cannot land or replenish energy on the sea surface, the trajectory should be pre-designed before the UAV takes off. Furthermore, the take-of...     

航空兵飞行团转场运输机需求与配置模型研究

针对目前航空兵制定转场计划时运输机需求难以确定的问题,设计一种基于多目标优化和空运机动方程的运输机需求确定方法。根据转场空运需求,以运输机出动架次最小化和运输成本最低化为目标,建立了基于多目标非线性整数规划的多机种运输架次需求优化模型;通过构建空运机动方程,计算得到当飞机可循环使用时所需各型运输机的数量;最后,对模型中影响运输机需求量的因素进行了灵敏度分析,算例表明模型有效可行。     

Modulation Recognition in Maritime Multipath Channels: A Blind Equalization-Aided Deep Learning Approach

Modulation recognition has been long investigated in the literature,however,the performance could be severely degraded in multipath fading channels especially for high-order Quadrature Amplitude Modulation(QAM)signals.This could be a critical problem in the broadband maritime wireless communications,where various propagation paths with large differences in the time of arrival are very likely to exist.Specifically,multiple paths may stem from the direct path,the reflection paths from the rough sea surface,and the refraction paths from the atmospheric duct,respectively.To address this issue,we propose a novel blind equalization-aided deep learning(DL)approach to recognize QAM signals in the presence of multipath propagation.The proposed approach consists of two modules:A blind equalization module and a subsequent DL network which employs the structure of ResNet.With predefined searching step-sizes for the blind equalization algorithm,which are designed according to the set of modulation formats of interest,the DL network is trained and tested over various multipath channel parameter settings.It is shown that as compared to the conventional DL approaches without equalization,the proposed method can achieve an improvement in the recognition accuracy up to 30%in severe multipath scenarios,especially in the high SNR regime.Moreover,it efficiently reduces the number of training data that is required.     

使用发射信道模型降低液晶显示屏电磁干扰

本文介绍一种发射通道模型来仿真液晶显示屏所产生的电磁干扰噪声。通道模型包含基于IEC61967-2标准(横电磁波传输室的辐射发射)的封装、印刷电路板以及辐射柔性印刷电路板等模型来仿真电磁发射能量。最后,本文所用的仿真平台已经验证带有不同时序控制驱动器的真实37"液晶显示屏,而实验结果显示降低电磁干扰的效果极佳。配合所提出的发射通道模型,我们能够很容易的设计低发射驱动器,避免因电磁干扰问题所导致的成本增加。     

神经网络中将任务学习与模型学习相结合的E-H和E-H-W学习方法

本文从获取好的神经网络泛化能力出发,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想,并通过在总的误差函数中增加一限制函数来实现Hebbian学习.基于此,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E-H方法.然后,根据模型学习应同时考虑减小网络复杂性和增加问题复杂性的思想,又提出了一种将误差驱动的学习与Hebbian规则、简单的权退化法结合起来,共同来提高神经网络的泛化能力的E-H-W方法.最后通过大量实例仿真将它们与纯误差驱动的方法、权退化法、其它文献中的相关方法进行了比较.结果表明我们的方法具有最好的泛化能力,是很有效的神经网络学习方法.     

Depth Similarity Enhanced Image Summarization Algorithm for Hole-Filling in Depth Image-Based Rendering

In free viewpoint video （FVV） and 3DTV, the depth image-based rendering method has been put forward for rendering virtual view video based on multi-view video plus depth （MVD） format. However, the projection with slightly different perspective turns the covered background regions into hole regions in the rendered video. This paper presents a depth enhanced image summarization generation model for the hole-filling via exploiting the texture fidelity and the geometry consistency between the hole and the remaining nearby regions. The texture fidelity and the geometry consistency are enhanced by drawing texture details and pixel-wise depth information into the energy cost of similarity measure correspondingly. The proposed approach offers significant improvement in terms of 0.2dB PSNR gain, 0.06 SSIM gain and subjective quality enhancement for the hole-filling images in virtual viewpoint video.     

贝塔混合模型的变分贝叶斯学习及应用

贝塔混合模型（Beta Mixture Model,BMM）是一种重要的非高斯概率模型,常用于有界数据的统计分析.但是由于其表达式复杂,BMM的参数估计比较困难.针对该问题,本文提出一种高效的变分贝叶斯学习方法进行参数估计.该方法采用形式简单的自由分布,通过不断最大化初始变分目标函数的下界,迭代逼近得到真实的贝叶斯后验分布.在合成数据集与实际数据集上进行实验,实验结果证明了所提出算法的有效性和可行性.