一种基于优先级的Ad hoc网络QoS模型*

提出一种基于优先级业务分类的Ad hoc网络QoS模型,它能够为多种优先级多种类别的业务提供不同等级的服务。源端判断业务是否允许接入,中间节点只负责转发允许接入的业务。在资源不足的情况下,能为最高优先级业务提供相对稳定的带宽资源,高优先级业务能获得比低优先级业务更高的调度权限。通过OPNET下的仿真,证明该模型能满足不同级别QoS的要求。     

网络媒介影响下建筑相关问题初探

自工业革命以来形成的社会生活方式,在信息数字技术的影响下发生着悄无声息的变化.从原子到比特,数字化生存是必然的趋势.网络媒介的出现使得人们在交流和机会等方面获得平等的权利.随之产生的人们的生活方式、行为的改变已经为艺术领域带来了新的变化.通过对艺术创作的考察,为建筑领域的相关问题提供了参照、借鉴.在建筑创作中,＂图＂与＂底＂的关系正在模糊化,信息交流方式更多样化并具有一定的阶段性,动态的模数将导致更具个性化的设计,空间界面更为柔化,设计成果的生成也具有了更多的不可预见性.     

基于无线网的农业虚拟现实技术的研究、

针对传统农业在作物生长过程中遇到技术问题只能在网上或书上查得文字解决方案的弊端,作者将无线网技术与农业虚拟现实技术相结合,采用虎拟现实技术设计了一套虚拟农业专家系统,该系统使用802．11g作为无线网传输标准．利用作物现场的终端设备对作物生长情况进行实进监测和分析,并及时调用专家系统中的虚拟解决方案进行针对性的处理,从而可将损失减到最小．     

配电网金属氧化物避雷器的选择

文章阐述了配电网金属氧化物避雷器选择的基本内容,给出了选择结果.     

工业酚水稀释的RBF神经网络预测控制

针对酚水稀释过程中酚水流量不便测量的工程情况,提出了一种基于RBF（径向基）神经网络的预测控制方法.在酚水罐每个液位变化周期内使用计算机定时测量液位高度,并将这些高度值作为目标输出,在每个循环结束时训练RBF网络,利用RBF网络的逼近能力来实时预测酚水流量,从而控制清水的配比,实现酚水质量浓度的稳定.该方法可避免测量误差带来的干扰,提高控制精度.     

石油企业财务风险评价神经网络模型的建立

石油企业财务风险评价是石油行业的重要课题.在确立石油企业财务风险评价指标体系的基础上,建立了基于模糊神经网络的石油企业财务风险评价模型.该评价模型分为模糊量化模块和模糊神经网络(FNN)模块,可根据实际问题进行具体调节,具有学习的功能.经过对200多家石油企业的实证分析,结果表明该模型网络预测误差小,是一种可靠、有效的...     

网络融合边界的电信DoS攻击检测*

为了检测网络融合边界的电信拒绝服务攻击,首先针对攻击的类型分别提出了基于呼叫统计或流量信号分析的检测方法,并采用分步骤的策略设计了检测系统,将两种检测算法分别应用于粗检测步骤,再通过精检测步骤确认攻击并找出攻击源.模拟实验结果表明,该方案能够有效地检测出典型的攻击,并能够实时在线检测,具有良好的实用价值,为应对网络融合所带来的新安全问题提供了一种解决方案.     

基于模糊神经网络的大场景人群密度估计方法 *

提出了一种估计大场景下密集人群密度的方法。该方法根据人类视觉的模糊性原理,认为用模糊集来划分人群密度范围比用确定的方法更符合人眼视知觉的认知方式,利用统计的方法确定灰度共生矩阵各指标对于各个密度类别的隶属函数;设计基于误差反向传播训练算法（BP）的模糊神经网络,计算样本模式对于各个密度类别的隶属度,并根据人群密度变化的时域连续性原理对人群密度范围进行合理估计。实验表明该方法提高了估计精度。     

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。     

Protein interaction networks: centrality,modularity, dynamics,and applications

In the post-genomic era, proteomics has achieved significant theoretical and practical advances with the development of high-throughput technologies. Especially the rapid accumulation of protein-protein interactions (PPIs) provides a foundation for constructing protein interaction networks (PINs), which can furnish a new perspective for understanding cellular organizations, processes, and functions at network level. In this paper, we present a comprehensive survey on three main characteristics of PINs: centrality, modularity, and dynamics. 1) Different centrality measures, which are used to calculate the importance of proteins, are summarized based on the structural characteristics of PINs or on the basis of its integrated biological information; 2) Different modularity definitions and various clustering algorithms for predicting protein complexes or identifying functional modules are introduced; 3) The dynamics of proteins, PPIs and sub-networks are discussed, respectively. Finally, the main applications of PINs in the complex diseases are reviewed, and the challenges and future research directions are also discussed.