神经网络技术改善了微波测向的精度

文章介绍了神经网络的应用。重点介绍神经网络应用于多波束测向的原理和样本训练的模拟结果，为提高多波束测向的性能提供新的途径和思想。     

通信干扰模糊控制技术及其仿真研究

主要研究了通信对抗系统中的模糊控制技术具体实现方法,阐述了模糊控制器中规则库的建立和激活方法。给出了模糊控制器的仿真试验数据、结果,并对结果进行了分析。该模糊控制技术可实现通信对抗系统干扰功率的模糊控制,可在一定程度上达到系统内各站干扰资源的合理、有效地配置。     

网络对抗训练混合虚拟化平台设计研究

讨论了虚拟化技术实现原理及其在网络对抗教学中的应用上,分析了各类虚拟化技术的优缺点和构建网络对抗训练环境存在的问题。提出了一种混合虚拟化平台设计,该平台利用Libvirt虚拟化的应用程序编程接口（API）调用两种虚拟化技术同时运行在同一物理主机上。并详细叙述了混合虚拟化平台的实现过程和方法,并在多个虚拟机内同时运行测试基准,分析其可扩展性。多种虚拟化技术在同一物理机上的混合,实现了复杂实验环境的创建,对构建大规模的网络实验平台具有一定的参考价值。     

基于Transformer实现文本导向的图像编辑

为方便非专业用户修图,提出一种基于Transformer的图像编辑模型TMGAN,使用户可通过自然语言描述自动修改图像属性。TMGAN整体框架采用生成对抗网络,生成器采用Transformer编码器结构提取全局上下文信息,解决生成图像不够真实的问题;判别器包含基于Transformer的多尺度判别器和词级判别器两部分,给生成器细粒度的反馈,生成符合文本描述的目标图像且保留原始图像中与文本描述无关的内容。实验表明,此模型在CUB Bird数据集上,IS（inception score）、FID（Fréchet inception distance）以及MP（manipulation precision）度量指标分别达到了9.07、8.64和0.081。提出的TMGAN模型对比现有模型效果更好,生成图像既满足了给定文本的属性要求又具有高语义性。     

蒸汽与魔法的对抗 探秘新魔幻网游《黑金》

继大型3D武侠网游《九阴真经》成功推出之后,游戏蜗牛于近日又公布了旗下最新3D魔幻网游《黑金》的一系列背景资料和画面、视频。作为蜗牛又一款里程碑式的超前作品,《黑金》所采用的3D引擎在《九阴真经》"Flexi"的基础上进行了升级优化,并由中、俄顶尖团队联合研发,其创作阵容和技术储备显然要比之前所有的产品都更为抢眼。同时,游戏中浓厚纯正的蒸汽朋克文化氛围、动态的世界体系和战斗模式,以及史诗般庞大的罕见故事背景等所有核心特色,都是对目前国内乃至国际游戏市场上传统魔幻题材网游所进行的大胆突破,并已先后在E3、CJ和GC等多个国内外知名游戏展上初露锋芒。     

互联网教育中国样本集

正如我们总结的,教育是个庞大而抽象的概念,在与之相关的各个环节上都有层出不穷的创新和努力。我们不可能在有限的版面中对这些公司全部进行报道,而是选取其中具有代表性的几个样本来介绍——没有评论和剖析,而是尽可能的将其模式和产品"揭露"出来,供读者参考和借鉴。而对于这一领域其他公司,筛除众多培训为主业的网站,以及此次并不列入     

基于不平衡类数据集分类的空间插值方法

对于不平衡类数据集的分类问题,训练分类器后,分类结果产生了向多数类偏斜的问题,少数类识别率较低.为了提高少数类的分类精度,提出了一种改进的SMOTE方法—空间插值方法,利用少数类及其k近邻构造超几何体,在超几何体内随机产生虚拟少数类样本,当其k近邻中存在多数类时,缩小构造虚拟样本的空间,加强对易错分样本的训练,降低数据集类不平衡程度,并进行有效性验证.在实际数据集上,基于多个分类器进行仿真,结果表明,空间插值法在少数类和数据集整体分类性能优化效果较好.     

基于神经网络扩张的Adaboost人脸检测算法

人脸检测是人脸研究中的重要部分,Adaboost算法检测速度虽快,但错检率和重复检测率仍比较高。本文提出了一种Adaboost算法与神经网络相结合来进行人脸检测的方法,并通过实验表明该方法在原有Adaboost算法的基础上,降低了错检和重复检测率,提高了正负样本判断正确的概率。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。