四种虚拟力模型在传感器网络覆盖中的性能分析

虚拟力模型在传感器节点的覆盖算法中应用很广泛,而力模型的选择是覆盖算法中的一个重要问题。在本文中,首先分析了四种虚拟力模型自身参数对覆盖性能的影响;接着采用覆盖增长率,算法迭代次数,覆盖效率和节点平均移动距离四个指标对四种虚拟力模型进行了性能分析。分析结果表明,具有三个参数调节的虚拟力是性能较好的一种虚拟力模型。     

面向工业互联网的算力网络思考

以工业互联网、边缘计算为代表的新兴业务对DOICT技术融合提出了更高的要求,算力网络进一步融合通信、计算、人工智能等学科领域,是对边缘计算技术的有效升级,是推动传统产业数智化转型以及激发数字经济发展的新引擎.针对工业互联网和算力网络的发展趋势,提出算力网络在工业互联网应用的场景和技术思考.     

基于关注关系的互联网云数据挖掘方法实现

随着互联网技术的飞速发展,互联网上的数据的获取也变得越来越简单与便捷。然而由于现在互联网云数据的海量性,如何精准有效地从其中获取数据变得尤为重要。针对海量互联网云数据的数据挖掘的技术研究成为不可缺少的网络数据研究领域一部分。因此,本文将数据网页以及内容间的引用与被引用行为抽象为一种关注关系,根据对此关系的分析与综合处理,设计并实现了一种互联网云数据挖掘方法。     

互联网计算模型的新发展--对等互联网

对等互联网是一种新的互联网计算模型，它有着良好的应用前景，本文介绍了对等互联网的定义、优点和应用范围，重点介绍了三个有代表性的产品，综合分析了实现对待互联网的技术和今后可能发展的趋势。     

新互联网的长尾空间

长尾理论的精华。说的是从少品种。大批量生产。向多品种。小批量生产的转变。运用在解释互联网商业发展上。正好可以认为是从Webl．0向Web2．0转变的商业理论。     

互联网思维下地理实践力培养策略探究

将互联网思维与地理教学相结合,可有效丰富地理教学方式及内容,同时也非常有利于培养学生地理实践力。本文主要通过“大数据”增强地理观察力,通过“问卷星”促进地理调查,利用“创客环境”进行制作地理工具,借助“微资源”使地理实验多样化,为落实立德树人、强化地理课程改革开辟一条新的途径。     

基于非结构模型机器人力控制稳定性分析

本文将机械手和接触环境作为一个整体来考虑，采用非结构模型分析了机器人力外环控制的稳定性，得到了机器人力控制系统稳定操作的界限，实验结果表明这种分析方法的合理性。     

搜索力经济——Google从“注意力”到“搜索力”

对于Google，如果你已难以舍弃，就会意识到搜索引擎的强大动力。由十指敲击出的“搜索力”正在激发网络经济的潜能，它比短信所引发的“拇指经济”更加持续。 传统网络企业总在等待着被关注的那一刻，搜索服务则完全出于用户的主观意愿，当互联网第二阶段的特征由被动的“注意力”，上升为主动的“搜索力”，中外搜索技术提供商各有差别的商业模式和企业战略便成功的放大了互联网的商业利益。 看看2004年中围绕搜索引擎的市场纷争，那些曾经舍弃搜索的门户网站开始再次为这个技术领域付出热情、投注资本、改变战略，也正是他们过去的忽视和犹豫，成就了Google、百度这些搜索企业的影响力。 问题没有这么简单，今天的搜索领域早已不能与多年前同日而语。技术的进步仅仅是一个方面，Overture、Google、百度、慧聪，它们凭借大海捞针的技术从互联网这个“眼球经济”里网到了大鱼。更为重要的是，搜索企业如日中天的气势也令那些规模庞大、不可一世的门户网站感受到潜在的威胁。已经发生的收购、合作并不只是由于门户要倚重搜索企业的技术实力，这更是它们出于维持搜索市场格局的战略考虑，以防Google们一家独大，最终威胁到门户自己。 下一代搜索技术的到来还是遥遥无期，技术突破随时都会令这个技术致胜的领域变换格局，但没有什么力量可以阻止搜索形成产业，像Google一样，活跃在这个领域的企业都坚信自己正在改变互联网，它们引发的“搜索力经济”也与“眼球经济”一样具有生机和活力。     

多维关注分离的模型驱动过程框架设计方法

当前,许多模型驱动软件项目过程采用多种开发方式相结合的形式.但开发方式的比较、选择、组合操作却缺少系统化的方法指导.提出一种多维关注分离的开发过程框架设计方法.采用一般化、行为化和抽象化作为元关注维,对开发方式进行比较.结合这三维的期望演化曲线,给出过程实现模型框架.对于模型驱动开发过程的提高开发效率、增强可跟踪性和保证一致性等非功能性需求有一定的参考意义.     

视觉注意模型的道路监控视频关键帧提取

针对道路监控视频提出一种基于视觉注意模型的关键帧提取算法.首先采用自顶向下的方法,通过运动检测获取运动目标,以车牌和车辆最佳清晰度位置作为注意度评价标准,提取运动目标位置显著度;然后在运动目标内部采用自底向上的方法,提取运动目标的运动方向和强度显著度;接着用一种简单有效的车辆位置优先的自适应线性混合模式合成视觉注意度,并在时间方向上生成最终的视觉注意度曲线;最后求出视觉注意度曲线的导数曲线,自适应滤波处理后,在正值到负值变化的零交叉点中选取显著度最高的图像作为关键帧.实验结果表明,本文算法提取的关键帧不但包括了所有经过监控的车辆最佳或接近最佳清晰度的位置,而且还能包括道路停车、超速和逆向行驶等各种交通事件,符合交通观察者的视觉特性,同时也有利于进一步对关键帧进行车辆静态特征的提取,以形成交通视频的特征数据库.     

基于循环神经网络和注意力模型的文本情感分析

将循环神经网络中的长短期记忆网络和前馈注意力模型相结合,提出一种文本情感分析方案。在基本长短期记忆网络中加入前馈注意力模型,并在Tensorflow深度学习框架下对方案进行了实现。根据准确率、召回率和◢F◣▼1▽测度等衡量指标,与现有的方案对比表明,提出的方案较传统的机器学习方法和单纯的长短期记忆网络的方法有明显的优势。     

基于视觉注意模型的数字图像水印算法

提出了一种基于视觉注意模型的数字图像水印算法,充分利用人眼的视觉注意特性,通过对图像中视觉注意区域嵌入较弱的水印信息,降低水印图像的视觉失真,对非视觉注意区域嵌入较强的水印信息,提高水印检测的鲁棒性.在多幅图像上的实验结果表明,该方法能够有效地隐藏图像水印信息,获得较佳的图像视觉效果;并且,在各种常见的图像攻击下,水印检测结果优于基于边缘的方法.     

基于注意力平衡列表的溯因推理模型

溯因推理是自然语言推理(NLI)中的重要任务,旨在通过给定的起始观测事件和最终观测事件,推断出二者之间合理的过程事件(假设)。早期的研究从每条训练样本中独立训练推理模型;而最近,主流的研究考虑了相似训练样本间的语义关联性,并以训练集中假设出现的频次拟合其合理程度,从而更精准地刻画假设在不同环境中的合理性。在此基础上,在刻画假设的合理性的同时,加入了合理假设与不合理假设的差异性和相对性约束,从而达到了假设的合理性和不合理性的双向刻画目的,并通过多对多的训练方式实现了整体相对性建模;此外,考虑到事件表达过程中单词重要性的差异,构造了对样本不同单词的关注模块,最终形成了基于注意力平衡列表的溯因推理模型。实验结果表明,与L2R²模型相比,所提模型在溯因推理主流数据集叙事文本中的溯因推理(ART)上的准确率和AUC分别提高了约0.46和1.36个百分点,证明了所提模型的有效性。     

基于动态注意力和多角度匹配的答案选择模型

针对当前主流神经网络在处理答案选择任务时无法同时满足句子的充分表示以及句子间信息充分交互的问题,提出了基于动态注意力和多角度匹配（DAMPM）的答案选择模型。首先,调用预训练语言模型的嵌入（ELMo）获得包含简单语义信息的词向量;接着,在注意力层采用过滤机制有效地去除句子中的噪声,从而更好地得到问句和答案句的句子表征;其次,在匹配层同时引入多种匹配策略来完成句子向量之间的信息交互;然后,利用双向长短期记忆（BiLSTM）网络对匹配层输出的句子向量进行拼接;最后,通过分类器来计算拼接向量的相似度大小,从而得到问句和答案句之间的语义关联。在文本检索会议问答（TRECQA）数据集上的实验结果表明,与基于比较聚合框架的基线模型中的动态滑动注意力网络（DCAN）方法相比,DAMPM在平均准确率均值（MAP）和平均倒数排名（MRR）两个性能指标上均提高了1.6个百分点。在维基百科问答（WikiQA）数据集上的实验结果表明,DAMPM相较DCAN在两个性能指标上分别提高了0.7个百分点和0.8个百分点。所提DAMPM相较于基线模型中的方法整体上有更好的性能表现。     

基于混合注意力模型的阴影检测方法

图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程.然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系.针对该问题,为提升阴影检测的准确率和鲁棒性,提...     

基于多视图注意力机制的多维度价格预测模型研究

传统的股票价格预测模型只针对单一维度价格进行预测,忽略了多维度价格之间的复杂关系。因此,为了更好地对股票价格进行准确预测和为决策者提供前瞻性信息,提出了一种新的基于多视图注意力机制的多维度价格预测模型。通过多视图的深度可分离卷积网络学习多维度股票价格潜在的复杂的输入—输出关系,更好地提取股票价格的时空特征,实现时空数据的智能关联,并使用注意力机制进一步提升模型的预测性能,进而通过时空多维度的股价历史数据来预测单和多时间步长股票价格。该模型与其他四种模型在中国银行股价数据集上进行实验和比较,发现所提模型在不同预测时长下相比于表现最好的模型,平均绝对误差分别降低了0.4%、0.5%、4.2%、3.9%,均方误差分别降低了0.8%、2%、1.9%、1.9%,平均百分比误差分别降低了0.15%、0.21%、1.24%和1.34%。因此所提模型预测精度最高,预测性能最好,并且在对其他维度的股票价格预测上具有普适性。     

基于注意力模型和轻量化YOLOv4的林业害虫检测方法

针对当前林业害虫检测方法检测速度慢、准确率较低和存在漏检误检等问题,提出一种基于注意力模型和轻量化YOLOv4的林业害虫检测方法。首先构建数据集,使用几何变换、随机色彩抖动和Mosaic数据增强技术对数据集进行预处理;其次将YOLOv4的主干网络替换为轻量化网络MobileNetV3,并在改进后的路径聚合网络（PANet）中添加卷积块注意力模块（CBAM）,搭建改进的轻量化YOLOv4网络模型;然后引入Focal Loss优化YOLOv4网络模型的损失函数;最后将预处理后的数据集输入到改进后的网络模型中,输出包含害虫种类和位置信息的检测结果。实验结果表明,该网络的各项改进点对模型的性能提升都有效;相较于原YOLOv4模型,新模型的检测速度更快,平均精度均值（mAP）更高,并且能有效解决漏检和误检问题。新模型优于目前的主流网络模型,能满足林业害虫实时检测的精度和速度要求。     

基于视觉注意机制的彩色图像显著性区域提取

图像显著性区域提取是计算机视觉处理的重要步骤。结合人类视觉心理、生理模型, 提出一种基于视觉注意机制的彩色图像显著性区域提取模型。通过改进的分水岭算法对彩色图像进行预分割, 从而将原图像分成若干子区域, 在此基础上运用提出的区域化空间注意力模型对各个子区域进行显著图计算, 得到最终的显著性区域提取结果。实验结果表明, 提出的显著性区域提取算法可以很好地从彩色图像中得到与视觉注意机制相一致的结果, 且满足实时性要求, 与传统方法相比, 算法提取的区域更完整、更准确。     

基于层次注意力机制的源代码迁移模型

针对源代码迁移模型存在的迁移代码语义一致性问题,在词符注意力机制的基础上引入了语句注意力机制,提出了一种基于层次注意力机制的源代码迁移模型HPGN(hierarchical pointer-generator network),设计了状态传递机制。HPGN在迁移过程中,语句注意力机制对齐源代码语句和迁移代码语句的特征,词符注意力机制从对齐的代码语句中提取词符,状态传递机制传递相邻迁移代码语句的特征,从而提升了迁移代码的语义一致性。在真实项目数据集的实验结果表明,HPGN比最佳对比模型提高了3.4个总体分值,同时有着更少的模型参数量。此外,消融实验验证了状态传递机制和HPGN层次架构的有效性。