点和边有容量约束的网络最大流新算法

针对目前网络最大流算法存在的问题,研究一种适应性更广的新算法。定义了有向路径和残量网络的概念,依据可行流分解定理,引入人工智能中搜索的方法,以邻接矩阵为网络数据存储结构,提出条件约束下的网络最大流新算法。最后,通过实例进行了算法测试和比较。算法测试表明：点和边有容量约束的网络最大流新算法是完全可行和有效的。     

Si基Cu/NiFe薄膜的生长及其粘附特性研究

微机械(MEMS)工艺和集成电路(IC)工艺中,在硅(Si)片上电铸高深宽比坡莫(NiFe)合金材料常出现脱落现象.提出了一种电铸NiFe合金材料的新方法,这种方法制作的合金薄膜厚度达200 μm时不脱落.此方法即对等离子刻蚀后的硅片溅射种子层铜(Cu),然后对种子层进行电镀,当其厚度达到约15 μm时,再进行NiFe合金的电铸.本文用扫描电镜、x射线衍射仪和剥离实验研究了薄膜粘附特性.研究结果表明当对种子层电镀后,随着Cu种子层厚度的增加,Cu/NiFe薄膜与基体的粘附强度增加,而薄膜的残余应力降低;同时Cu膜表面粗糙度增加,也增加了NiFe膜与Cu膜的粘附强度.     

一种综合能量和节点度的传感器网络分簇算法

针对无线传感器网络分簇过程中簇首耗能过快问题,提出了一种综合节点剩余能量和节点度数进行簇首选取的分簇算法ENCA(energy and node degree synthesized clustering algorithm).该算法在每轮的簇首选取中考虑了每个簇内所有节点的剩余能量和平均剩余能量,并在每个簇中依据节点的度数优化簇首的选择.在算法运行过程中,在保证网络连通的同时,避免了能量较低的节点当选为簇首.仿真结果表明,与LEACH算法和ACE算法相比,ENCA算法均衡了网络中节点的能量消耗,有效延长了网络寿命.     

结合残差BiLSTM与句袋注意力的远程监督关系抽取

实体关系抽取是从非结构化和程序化的海量文本中识别出实体之间的语义关系,为本体构建、智能检索等任务提供数据支持,然而现有远程监督关系抽取方法普遍存在需要大量人工标注语料库、提取特征含有噪声且忽略了实体与句子之间关联关系等问题。提出一种基于残差双向长短时记忆网络（BiLSTM）与句袋内和句袋间注意力机制的关系抽取模型,在将词向量和位置向量作为模型输入的基础上,通过残差BiLSTM网络提取语句与实体词中的长距离文本信息,利用句袋内和句袋间注意力机制对提取到的特征信息进行处理,使模型在远程监督过程中减少实体之间的特征提取噪声,并提高模型识别准确性。在NYT数据集上的实验结果表明,该模型能够充分利用实体与关系特征,平均精确率达到86.2%,相比于将卷积神经网络和分段卷积神经网络作为句子编码器的同类模型具有更好的远程监督关系抽取性能。     

基于多尺度网络的运动模糊图像复原算法

动态场景的非均匀盲去模糊一直是图像复原领域中的一个难题。针对目前的模糊图像复原算法不能很好地解决多样性模糊源的问题,提出了一种端到端的基于多尺度网络的运动模糊图像复原算法。所提算法使用修剪过的残差块作为基本单元,且在每一级尺度上都采用相同的非对称编解码网络。为了更好地提取输入图像特征,在编码端使用引入注意力机制的残差模块,还加入了空间金字塔池化层。编码端和解码端中间的循环单元可以获取图像的空间信息,从而利用图像空间的连续性来进行非均匀运动模糊图像的复原。测试结果显示,在GoPro数据集上所提算法的峰值信噪比（PSNR）达到33.69 dB,结构相似性（SSIM）达到0.953 7,且能够更好地复原模糊图像的细节信息,而在Blur数据集上所提算法的PSNR为31.47 dB,SSIM为0.904 7。实验结果表明,与尺度递归网络和深度层次化多patch网络相比,所提算法取得了更优的模糊图像复原效果。     

改进的SRGAN图像超分辨率重建算法

图像超分辨率重建技术可以提高图像的分辨率,在医学、军事等领域都发挥着重要作用.传统的SRGAN图像超分辨率重建算法训练收敛速度慢,高频纹理锐化过度导致部分细节扭曲,影响重建图像质量.针对以上问题,对传统SRGAN模型的生成网络和损失函数进行改进,用于图像超分辨率重建.采用稀疏残差密集网络(SRDN)代替传统的SRRes...     

基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

基于信源熵的残差相关性度量方法

在动态模型残差序列的相关分析中融入信源熵的概念,构造了一种具有普适意义的统计量——“残差熵”,它的直观物理意义是残差序列中所残留的信息量,可以定量地反映残差序列逼近白噪声的程度．文章在正态假设的基础上推导出“残差熵”的估算公式．理论分析和实例计算都表明：“残差熵”可以作为一种有效的度量方法用于动态模型的适应性检验和定阶．与传统的检验方法相比,该物理量充分利用了残差序列的随机分布信息,因而显示出更好的模型辨识性能．     

MANET 中基于链路稳定性路由的跨层传输控制协议

在MANET中,通信节点的移动会造成端到端通信路由的时常中断.传统TCP协议只有拥塞控制机制,对由于节点移动造成的数据包传输丢失和超时也作为拥塞处理,使得端到端传输性能低下.为解决这一问题,采用跨层设计思想,将传输控制与链路稳定性路由结合,提出了一种基于链路生存时间概率的传输控制协议(transmissioncontrol protocol based on probability of link residual lifetime,简称TCP-PLRT).该协议通过在路由稳定时跨层收集路由层链路生存时间概率信息来实现对端到端连接稳定性的认知,并针对路由不稳定、路由中断、路由恢复,分别制定了路由切换、数据存储转发、ACK再确认三大机制.这使得TCP-PLRT协议具有对由移动造成的路由中断进行提前预判和有效处理的能力.仿真结果表明,TCP-PLRT协议能够极大地减小由节点移动带来的端到端传输性能的下降,减少分组重传,提高端到端的吞吐量.     

基于LEACH协议的能耗均衡路由算法

分析经典的无线传感器网络LEACH协议,针对如何延长其网络生命周期的问题,提出一种改进的LEACH算法.当簇头剩余能量的最小值小于某个阈值时,进行全网簇头选举,设计基于节点相对密度的成簇算法,即采用合理阈值选取簇头.反之进行簇内选举,依据剩余能量、距簇内质心的距离、节点覆盖度等约束条件来选择新的簇内簇头.实验结果表明,改进的LEACH算法能有效降低和均衡各个节点的能耗,推迟第1个死亡节点出现的时间,延长网络的生命周期.