基于混合特征预测药物-靶标相互作用的K近邻模型

针对核受体数据提取药物-靶标之间的混合特征,使用K近邻算法进行预测.对精确率、召回率、F1值等评价指标与其他算法进行了比较,验证模型的预测性能.     

软交换计费安全防御机制

软交换计费系统内部存储了很多用户资源和用户信息,是整个软交换网络收费的核心依据,计费的安全问题应该是软交换网络建设重点关注的工作。考虑到潜在的威胁会影响收费用户的利益,会威胁到计费结算系统的精确度和可靠性,论文提出一个简单、实用、有效的安全保护机制来保护电信服务供应商和终端用户免受恶意侵犯。所提出的机制是基于会话初始协议（SIP）的,侧重于VoIP服务,有效地解决了计费信息的安全问题和计费争议。然而,这种机制可以很容易被修订,以适用于其他VoIP信令协议。     

基于WEB的网络性能监测系统的研究与开发

本文介绍了一个针对性能管理功能域开发的网络监测系统,该系统采用了直观、简单的Web方式,使网管员能更轻松,更直接的了解网络实时的运行情况。文章简要的介绍了系统开发的研究工具和Java Applet的实施结构,并用三个示例说明了系统的实现过程。     

水电站地下厂房对洞室围岩地震反应的影响

结合某抽水蓄能电站地下厂房工程,建立全机组段地下厂房与洞室群的耦合地震反应时域数值仿真模型,考虑初始地应力、分部开挖与柔性支护以及岩体的材料弹塑性,分析了厂房混凝土结构的存在对洞室围岩的地震位移、速度、加速度、塑性区等反应特征的影响.结果表明,厂房混凝土结构与围岩的相互作用对洞室围岩的地震反应影响不大,对围岩塑性区的发展起到了一定的约束作用,有利于洞室的安全.     

用双向触发管触发反并联晶闸管

在炉温调节控制电路中,把两个晶闸管反并联后,与电炉串联在单相交流电路中.如图1所示,改变晶闸管的导通角度,就可以控制电炉两端交流电压的大小.达到调节控制电炉温度的目的。而用来改变晶闸管导通角的触发电路,有不少采用单结晶体管触发电路,用脉冲变压器控制两个晶闸管的控制极,使其中承受正向电压的一个晶闸管触发导     

考虑通信异常的直流微电网储能单元分布式协调控制研究

由于分布式新能源接入的波动性,需要针对孤岛直流微电网配置一定容量的储能设备。为了防止分布式储能单元的过度放电或深度充电,必须保证储能单元充放电过程中荷电状态(state of charge, SOC)均衡。针对该问题,提出了一种考虑通信异常的储能单元分布式控制策略。针对不同额定容量的储能单元,对传统下垂控制进行改进,利用采样保持器周期性修改下垂系数,直至储能单元SOC均衡。并利用电压和电流信息生成单一的补偿环实现输出电流按额定容量的比例分配和直流母线电压补偿,降低系统通信能力要求。若通信发生故障,通过Dijkstra算法更新拓扑结构矩阵,基于改进后的动态一致性算法获取相邻节点的信息,得到新通信拓扑结构下的信息平均值;并通过频域分析证明系统的稳定性。最后,在RTLAB平台中搭建4种案例模型,验证所提控制策略的有效性。     

模糊神经元反馈网络在电厂串级汽温控制中的应用

本文阐述了在电厂汽温控制中采用的一种快速模糊逻辑神经网络（FFNF）控制方法,利用FFNF对本系统实现非线性建模和闭环系统仿真,并与传统的PID控制在电厂串级汽温控制系统中的应用进行了比较,系统的控制特性在超调量、快速性、抗干扰方面都有了很大的改善。     

改进YOLOX-S模型的施工场景目标检测

现有YOLOX-S模型在施工环境干扰下目标检测平均精准率（AP）偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练阶段与测试阶段的模型结构,在训练阶段模型的Backbone与Neck中构建更多残差结构,提高模型的特征提取能力。其次,利用LKA模块提取局部特征信息与长距离依赖关系,为后续计算目标边界框位置与大小提供更加有效的注意力指引,提升检测平均精准率。然后,使用AdamW优化算法替代Adam优化算法更新模型参数,进一步改良模型收敛结果,提升模型泛化能力。最后,在建筑工地运动目标数据集（MOCS）上进行实验,结果表明,改进YOLOX-S模型检测所有目标的平均精准率提升3.3个百分点,检测大目标、中目标、小目标的平均精准率分别提升3.2、2.3、2.2个百分点。同时,改进YOLOX-S模型计算代价未明显增加,可在实时运行的同时更好满足施工场景下对目标检测平均精准率的需要。     

结合双流I3D和注意力机制的视频异常事件检测

为了减少视频异常事件检测过程中冗余帧对检测效果的影响,更好地利用视频中关键帧包含的有用信息,提出了一种结合双流膨胀卷积神经网络（Two-stream Inflated 3D ConvNets,I3D）模型和压缩-激励注意力机制多示例异常检测算法。首先,利用双流膨胀卷积神经网络提取视频时空特征;其次,通过双向长短期记忆（Bidirectional Long Short Term Memory,Bidirectional LSTM）神经网络获取视频特征长时序信息;再次,借助压缩-激励注意力机制分配特征权重;最后,通过多示例排序损失函数得到异常排序模型,并在排序损失函数中加入稀疏损失和平滑损失,更好地预测视频异常分数。实验表明,在公开数据集UCF-Crime上检测准确率达到了82.84%,高于基线模型7.43%。