基于迁移学习的卷积神经网络通道剪枝

卷积神经网络在计算机视觉等多个领域应用广泛,然而其模型参数量众多、计算开销庞大,导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难,提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响;并基于网络结构搜索观点设计实验,探究其精度保持极限与迭代结构的收敛性。实验结果表明,对比原模型,采用迁移学习的通道剪枝算法,在精度损失不超过0.10的前提下,参数量减少89.1%,模型存储大小压缩89.3%;对比原剪枝方法,将剪枝阈值从0.85提升到0.97,进一步减少参数42.6%。实验证明,引入迁移策略更易实现充分的稀疏化,提高通道剪枝阈值选取容限,实现更高压缩率;并在迭代剪枝的网络结构搜索过程中,提供更高效的搜索起点,利于快速迭代趋近至搜索空间的一个网络结构局部最优解。     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。     

基于加权网络和局部适应度的蛋白质复合物识别算法

蛋白质复合物识别对分析蛋白质网络的结构特征和模块功能具有重要意义。通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法,该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,从而获取具有最大综合适应度的子图作为蛋白质复合物。在酵母蛋白质等多个实际网络中试验表明,该算法能够有效提升蛋白质复合物识别的准确性。     

Modal Identification of Linear Time-varying Systems Using Continuous Wavelet Transform

A wavelet based identification method for linear time-varying systems is presented,and the ridge and skeleton of the continuous wavelet transform of free response is used to extract time-varying parameters. The stiffness and damping coefficients of single-degree-of—freedom systems,frequencies and damping ratios of multi-degree-of-freedom systems are estimated without any prior information of systems. The proposed method is applied to linear time-varying systems with both abrupt and smooth variation parameters. Gaussian white noise is added to the response to test the anti-noise performance of the algorithm. The simulation results show that the proposed method is capable of accurately tracking the variation of the systems.     

基于改进Kendall-f算法的发电机定子温度分析

在线监测发电机定子温度可有效发现定子部分过热性故障,如何从检测的温度数据中提取反映定子故障预警的信息是目前国内外研究的热点。该文采用可变窗改进Kendall-f算法处理监测温度数据,提取其变化趋势特征信息;采用偏度分析提取监测温度异常值,从而正确诊断定子过热性故障,仿真分析及实验结果表明该方法有效提高了定子温度监测与预警的准确率。     

民生视阈下提升高职院校社区服务能力的研究

服务社区是高职院校服务社会、实现自身发展的有效途径。通过对高职院校服务社区过程中存在的问题和原因分析,给出提升高职院校社区服务能力的对策及可行性建议,为今后的相关工作提供参考。     

Group identification as a mediator of the effect of players’ anonymity on cheating in online games

This study aims to add to the discussion about the applicability of the classical deindividuation theory and social identity model of deindividuation effects (SIDE) in explaining online behaviours. It explores the effect of anonymity in facilitating social influence of group identity in online game cheating. A nationally representative survey was conducted face to face. Results from the survey administered in Singapore confirm predictions derived from the SIDE and challenge the classical deindividuation theory. Specifically, it was concluded that the frequency of gaming with online strangers (anonymous gaming) significantly predicted the frequency of cheating in online games. The effect of anonymity on game cheating was found to be significantly mediated by the group identification with online gaming communities/groups. Gender differences were found. Male gamers cheated more frequently than female gamers. Female gamers are more likely to cheat as a consequence of group identification than male gamers. Implications and future research are discussed.     

基于支持向量机的炒作微博识别方法

微博是舆论传播的中心和渠道,同时参与舆论的形成、发展与引导过程,其自媒体发布、意见领袖参与等因素在一定程度上造成了微博谣言、虚假炒作、社会动员等现象。针对炒作微博的传播特点,分析其群体的隐蔽策划现象,挖掘出普通微博和炒作微博在传播网络结构、转发增量统计等方面的差异。通过社交网站的应用程序接口对目标微博的所有评论、转发和点赞用户进行信息获取,构建该微博的传播网络,利用社团模块度、平均最短路径和网络直径这3个属性度量该网络的紧密程度,基于支持向量机对所抽取的微博进行分类,进而识别出炒作微博。实验结果表明,该方法对微博传播用户的属性信息依赖小以及传播网络结构特征敏感,并且具有较高的炒作微博识别准确率。     

自构建小波神经网络的内模控制在深度脱硅中的应用

为了稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用小波神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制。根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,从而优化小波神经网络隐含层结构。再用自构建小波神经网络辨识内模控制系统的正模型和逆模型,从而改进神经网络内模控制技术。实验结果表明,所提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。     

一种改进的超轻量级RFID认证协议

针对当前超轻量级RFID认证协议中存在的安全缺陷,提出一种改进的超轻量级RFID双向认证协议。通过引入新的函数,使消息之间的数学关联性更加复杂,避免了泄露标签标识符,提高了阅读器和标签在开放环境中通信的保密性。对该协议的安全性和效率进行分析,并利用OPNET软件对该协议仿真实验,结果表明,该协议能抵抗代数攻击,重传攻击,假冒攻击等多种常见恶意攻击,在同等计算量下具有更高的安全性,可用于实际的移动身份认证环境。