检索结果-南通市图书馆

外源施用茉莉酸甲酯对番茄果实挥发性风味成分及含量的影响

在线全文

学校读者我要写书评

暂无评论

食品科学 2024年第7期45卷 182-190页

作者：马海云张忠林霍静天水师范学院电子信息与电气工程学院甘肃天水741001 兰州交通大学电子与信息工程学院甘肃兰州730070 天水师范学院商学院甘肃天水741001

挥发性物质是番茄果实风味品质的重要组成部分,其是否响应外源茉莉酸甲酯(methyl jasmonate,MeJA)的调控尚不明确。以‘朝研298’为实验材料,设定1、10、100、200μmol/L 4个MeJA浓度,以等体积超纯水为对照(CK),在番茄果实采收前喷施2... 详细信息

挥发性物质是番茄果实风味品质的重要组成部分,其是否响应外源茉莉酸甲酯(methyl jasmonate,MeJA)的调控尚不明确。以‘朝研298’为实验材料,设定1、10、100、200μmol/L 4个MeJA浓度,以等体积超纯水为对照(CK),在番茄果实采收前喷施2次。待果实成熟时采用顶空-固相微萃取-气相色谱-质谱联用技术测定其挥发性成分,结合多元统计分析法明确改善番茄果实风味品质的MeJA最佳浓度。结果表明:5个处理组番茄果实中共检出71种挥发性组分,包括23种醛类、17种醇类、8种酮类、7种酯类、6种烃类和10种其他类物质,与对照组相比,外源喷施MeJA可提高番茄果实挥发性物质的种类数和总含量,且随着浓度增大呈先升高后降低的趋势,100μmol/L MeJA处理时达到最大值;各处理组含有33种共有物质,含量最高的成分均为顺-3-己烯-1-醇;所有番茄果实中共筛选出13种特征香气成分,主要呈现青香、果香和花香气味。研究结果为MeJA改善番茄果实风味品质提供理论支撑,有利于进一步探究番茄果实挥发性物质合成调控机理。

关键词：番茄果实茉莉酸甲酯顶空-固相微萃取-气相色谱-质谱联用技术挥发性物质醛类主成分分析

移动通信网中加密算法演进及其在铁路5G-R应用展望

在线全文

学校读者我要写书评

暂无评论

中国铁路 2024年第8期 69-76页

作者：戴蕊钟章队孙宵芳吴昊刘艳兵丁建文北京交通大学电子信息工程学院北京六捷科技有限公司

加密算法是保障移动通信网络安全不可或缺的一环。随着5G技术的迅猛发展，加密算法与时俱进，相继引入了SNOW 3G算法、高级加密标准（AES）和祖冲之算法（ZUC）。铁路5G专用无线通信系统（5G-R）中加密算法的应用，不仅有助于保护铁路... 详细信息

加密算法是保障移动通信网络安全不可或缺的一环。随着5G技术的迅猛发展，加密算法与时俱进，相继引入了SNOW 3G算法、高级加密标准（AES）和祖冲之算法（ZUC）。铁路5G专用无线通信系统（5G-R）中加密算法的应用，不仅有助于保护铁路通信数据的机密性，防止信息泄露，还能通过身份验证和数据完整性校验，确保通信的可靠性和真实性。介绍加密算法在移动通信网络中的发展历程和应用场景，分析未来铁路专用移动通信网络安全性的挑战，同时结合下一代铁路通信的需求，探讨加密算法在5G-R专网中的应用。

关键词：加密算法通信安全 5G 5G-R 铁路专网无线通信

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

无线时间敏感网络技术综述

软件学报 2024年

作者：乔萱李宗辉刘强艾渤万海邓仰东北京交通大学计算机与信息技术学院北京交通大学电子信息工程学院清华大学软件学院

由IEEE 802.1任务组开发的时间敏感网络标准可以用来构建高可靠、低延迟、低抖动的以太网,将时间敏感网络扩展到无线领域也是目前许多工作的研究重点.与传统的有线通信相比,无线的时间敏感网络不仅可以实现高可靠和低时延通信,还具有更... 详细信息

由IEEE 802.1任务组开发的时间敏感网络标准可以用来构建高可靠、低延迟、低抖动的以太网,将时间敏感网络扩展到无线领域也是目前许多工作的研究重点.与传统的有线通信相比,无线的时间敏感网络不仅可以实现高可靠和低时延通信,还具有更高的灵活性、更强的移动性以及更低的布线和维护成本等优点.因此,在面对未来无人驾驶、协作机器人、远程医疗控制等新兴应用时,无线时间敏感网络被认为是一种十分有前景的技术.无线网络一般可以分为基于基础设施的无线网络和无基础设施的无线网络,而后者基于移动性还可以分为两类:移动自组织网络和无线传感网络,因此主要从这3种网络类型出发,对其应用场景、相关技术、路由协议以及高可靠低时延传输进行了调研与综述.

关键词：时间敏感网络 5G 移动自组织网络无线传感网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度强化学习的TSN流排序和调度

北京交通大学学报 2024年第2期48卷 144-153页

作者：邓金雪李纯喜李宗辉赵永祥北京交通大学电子信息工程学院北京100044 北京交通大学计算机与信息技术学院北京100044

针对现有研究寻找数据流最佳排序这一过程本身花费时间过多,没有工程可行的寻找最佳排序的有效方法的问题,提出基于深度强化学习的流排序和调度框架PSNDRL.该框架包括3个关键模块,即创建时间触发(Time-Triggered,TT)流之间关系图的预处... 详细信息

针对现有研究寻找数据流最佳排序这一过程本身花费时间过多,没有工程可行的寻找最佳排序的有效方法的问题,提出基于深度强化学习的流排序和调度框架PSNDRL.该框架包括3个关键模块,即创建时间触发(Time-Triggered,TT)流之间关系图的预处理模块、挖掘和量化TT流之间复杂的相关关系并选择概率值最高的TT流的代理模块、进行TT流调度和奖励计算的环境模块,利用图卷积网络和强化学习从大量的TT流中智能探索流特征以及流之间的复杂相关关系对基于可满足性模理论(Satisfiability Modulo Theories,SMT)流调度算法求解时间的潜在影响.通过训练该框架,学习得到一个高效率的TT流策略排序网络,用于在利用SMT流调度算法调度TT流时进行TT流选择.通过与随机排序和基线排序方法进行对比,验证PSNDRL的有效性.结果表明:与随机排序方法的总调度时间、基线排序方法的最大总调度时间相比,PSNDRL的总调度时间分别减少了24.63%和25.95%.所提框架为提高时间敏感网络(Time Sensitive Networking,TSN)流调度效率的研究提供了新的方向.

关键词：时间敏感网络深度强化学习流排序流调度

基于深度学习的无人机航拍图像小目标检测研究进展

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

航空学报 2024年

作者：吴一全童康南京航空航天大学电子信息工程学院

基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用，近年来已成为当下的... 详细信息

基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用，近年来已成为当下的研究热点。但尚未发现关于该主题的综述，故此对近5年基于深度学习的无人机航拍图像小目标检测展开全面深入的调查。首先介绍无人机航拍图像小目标检测定义与面临的挑战。其次重点从判别性特征学习、超分辨率技术、实时轻量化检测、其他改进思路这4个方面详细阐述了无人机航拍图像小目标检测方法。然后系统总结无人机航拍图像小目标检测数据集，并基于VisDrone挑战赛深入分析不同算法的性能。最后全面呈现无人机航拍图像小目标检测在军事和民生领域的具体应用，讨论其未来潜在的发展方向，并指出了无人机航拍的一些担忧。期望该综述可以启发相关研究人员，进一步推动基于深度学习的无人机航拍图像小目标检测的发展。

关键词：小目标检测无人机航拍图像深度学习性能评估小目标检测应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

广义确定性标识网络

电子学报 2024年第1期52卷 1-18页

作者：杨冬程宗荣田伟康王洪超张宏科谭斌赵志勇北京交通大学电子信息工程学院北京100044 中兴通讯股份有限公司上海201203 中兴通讯股份有限公司北京100020

随着智能制造、智能交通等重大国家战略实施,确定性成为信息网络尤其是行业专网的新焦点.现有确定性网络技术始终关注网络传输要素(带宽、时隙等)来保障数据流的确定性传输.然而,仅靠保障传输要素无法支撑新兴行业应用的多样化需求.例如... 详细信息

随着智能制造、智能交通等重大国家战略实施,确定性成为信息网络尤其是行业专网的新焦点.现有确定性网络技术始终关注网络传输要素(带宽、时隙等)来保障数据流的确定性传输.然而,仅靠保障传输要素无法支撑新兴行业应用的多样化需求.例如,在算网融合场景,智算任务要求同时保障传输与计算要素的确定性来实现高性能通信;在绿色通信场景,需要考虑节点能量要素的确定性以维持网络稳定运行.针对上述需求,本文基于前期提出的标识网络技术,研究面向传输、计算、存储、能量等多要素的广义确定性网络.首先提出广义确定性标识网络架构,包括差异化服务层、异构融合网络层和智慧化适配层.差异化服务层和异构融合网络层,分别实现差异化确定性应用需求和异构化确定性网络要素的统一标识和描述,并通过标识解析映射实现确定性信息向智慧化适配层的统一封装和传递;智慧化适配层完成差异化确定性应用需求和异构化确定性网络要素的适配.现有确定性资源适配方法,即使仅考虑单一网络内的基本确定性要素,仍面临计算时间长、求解复杂性高、灵活度低等问题,为了支持更加复杂的多确定性要素、多种异构网络的协同适配,设计了基于深度强化学习的端到端的确定性调度(End-to-end Deterministic resource scheduling,E2eDet)算法,该算法可统一化、端到端地为混合数据流协同分配多种确定性网络资源,满足不同应用的差异化确定性需求.实验表明,E2eDet比DeepCQF和Random算法分别提升了28.4%和6.38倍数据流调度数量,同时E2eDet可以较好地权衡计算时间和调度能力.

关键词：广义确定性网络完备标识空间网络体系架构深度强化学习网络资源调度

在线全文

学校读者我要写书评

暂无评论

良构图类上的模型检测问题

软件学报 2024年

作者：刘国航陈翌佳上海交通大学电子信息与电气工程学院

图上的诸多计算问题都是NP难问题,因此研究中经常尝试将问题限定在一些具有良好结构的特定图类上.这类研究在过去的几十年间收获了大量自然图类上的高效算法,其中很大一部分都能统一到算法元定理框架下.算法元定理是一类通用的结论,主... 详细信息

图上的诸多计算问题都是NP难问题,因此研究中经常尝试将问题限定在一些具有良好结构的特定图类上.这类研究在过去的几十年间收获了大量自然图类上的高效算法,其中很大一部分都能统一到算法元定理框架下.算法元定理是一类通用的结论,主要研究模型检测问题,即在特定结构上判定特定逻辑框架下任意公式的满足性.现有的算法元定理大多借助结构图论工具研究图的性质,并且考虑参数复杂性意义下的高效性.在许多良构的图类上,一些常见逻辑的模型检测问题具有参数复杂性意义下的高效算法,即是固定参数易解的.由于不同逻辑的表达能力不同,对应的模型检测问题的易解范围也有显著的区别,探索这些易解范围也是算法元定理研究的重要课题.研究发现,一阶逻辑模型检测的易解性与图的稀疏性密切关联.目前学界对于稀疏图类的认识已经较为成熟,近年的研究重心逐渐转向一些良构的稠密图类,研究面临着更多的挑战.研究表明,在许多复杂的稠密图类上,模型检测问题仍有可能是易解的.对易解范围的探索至今仍在继续,该领域中仍存在大量的未解问题.本文将全局性地介绍算法元定理的研究,旨在为国内的相关研究提供一些线索和助力.

关键词：模型检测算法元定理稀疏性结构图论参数复杂性

基于电压矩阵的跟网变流器无锁相环控制的本质特征与提升策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力系统自动化 2024年

作者：吴超赵统王尽颢王勇上海交通大学电子信息与电气工程学院

弱电网下跟网变流器由于锁相环引起的负阻特性容易造成振荡现象，针对锁相环的提升策略已有较多研究，其中，基于电压矩阵的同步控制策略因其不存在锁相环受到广泛关注，但关于其稳定性缺乏严格的理论证明。文中分析表明基于电压矩阵的... 详细信息

弱电网下跟网变流器由于锁相环引起的负阻特性容易造成振荡现象，针对锁相环的提升策略已有较多研究，其中，基于电压矩阵的同步控制策略因其不存在锁相环受到广泛关注，但关于其稳定性缺乏严格的理论证明。文中分析表明基于电压矩阵的无锁相环控制策略本质上是基于并网点电压反正切计算的开环定向方式，虽然去除锁相环但不能提高稳定性。因为该策略并没有降低电压扰动给电流控制带来的负阻特性，所以如何降低并网点电压扰动对于电流控制的影响是提升弱电网下跟网变流器稳定性的关键。因此，提出自适应二阶带通滤波器来降低同步环节的带宽，从而提升跟网变流器在弱电网下的稳定性。最后，通过阻抗模型和实验结果验证了理论分析的正确性和所提策略的有效性。

关键词：并网变流器小干扰稳定宽频振荡无锁相环电压矩阵阻抗模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多尺度关键信息融合的轻量级图像超分辨重建

光电子·激光 2024年第11期35卷 1145-1154页

作者：刘媛媛程双全朱路邬雷华东交通大学信息工程学院

针对基于卷积神经网络(convolutional neural network, CNN)的图像超分辨重建(super-resolution, SR)模型存在特征提取不充分、网络太深导致的参数量大以及冗余信息对网络最终重建性能影响等问题，设计了一种轻量级密集连接图像超分辨网... 详细信息

针对基于卷积神经网络(convolutional neural network, CNN)的图像超分辨重建(super-resolution, SR)模型存在特征提取不充分、网络太深导致的参数量大以及冗余信息对网络最终重建性能影响等问题，设计了一种轻量级密集连接图像超分辨网络(lightweight densely connected image super-resolution network, LDCN)。该网络设计了多尺度迭代特征提取模块(multi-scale iterative feature extraction module, MIFEM),实现在较低参数的情况下充分提取多尺度特征；根据残差收缩思想构建的关键信息提取模块(key information extraction module, KIEM),相较原始模块可以去除更多的冗余信息，使网络充分关注到关键信息且模块整体参数下降72%;最后，在密集残差网络中引入特征传输模块(feature transfer module, FTM),进一步降低模型复杂度，解决了模型层数深、参数大的问题。实验结果表明，LDCN在重建性能和视觉观感上均优于主流模型。4个测试集上，与轻量化模型MADNet相比，PSNR分别提升0.1 dB、0.11 dB、0.06 dB、0.26 dB,参数量仅为MADNet的47.6%。

关键词：图像超分辨率卷积神经网络(CNN) 多尺度特征提取残差收缩网络冗余信息密集残差连接

同方期刊数据库