检索结果-南通市图书馆

基于MGAT-TCN模型的可解释电网虚假数据注入攻击检测方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第2期48卷 118-127页

作者：苏向敬邓超栗风永符杨萧士渠上海电力大学电气工程学院上海市200090 上海电力大学计算机科学与技术学院上海市200090

新型电力系统背景下,快速、准确的虚假数据注入攻击(FDIA)检测对电网安全运行至关重要。但现有深度学习方法未能充分挖掘电网量测数据的时序和空间特征信息,影响了模型的检测性能;同时,深度神经网络的“黑盒”属性降低了检测模型的可解... 详细信息

新型电力系统背景下,快速、准确的虚假数据注入攻击(FDIA)检测对电网安全运行至关重要。但现有深度学习方法未能充分挖掘电网量测数据的时序和空间特征信息,影响了模型的检测性能;同时,深度神经网络的“黑盒”属性降低了检测模型的可解释性,导致检测结果缺乏可信度。针对上述问题,提出了一种基于多头图注意力网络和时间卷积网络(MGAT-TCN)模型的可解释电网FDIA检测方法。首先,考虑电网拓扑连接关系与量测数据的空间相关性,引入空间拓扑感知注意力机制,建立多头图注意力网络(MGAT)提取量测数据的空间特征;接着,利用时间卷积网络(TCN)并行提取量测数据的时序特征;最后,在IEEE 14节点系统和IEEE 39节点系统中对所提MGAT-TCN模型进行仿真验证。结果表明,所提模型相比于现有检测模型具有更高的检测准确率和效率,且通过拓扑热力图对注意力权值可视化,实现了模型在空间维度的可解释性。

关键词：电网虚假数据注入攻击图注意力时间卷积注意力机制可解释性

基于改进EfficientNetV2的苹果叶片病害识别模型

在线全文

学校读者我要写书评

暂无评论

山东农业科学 2024年第9期56卷 124-132页

作者：王浩宇崔艳荣胡玉荣胡施威长江大学计算机科学学院湖北荆州434000 荆楚理工学院计算机工程学院湖北荆门448000

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻... 详细信息

斑点落叶病、褐斑病、灰斑病、花叶病和锈病是常见的5种苹果树叶部病害,严重影响苹果产量。针对实际生产中叶片病害识别准确率不高以及现有模型参数量大难以迁移到移动设备的问题,本研究基于Ef-ficientNetV2-b0模型,经过改进后提出了轻量级的EGV2-CA网络。该网络在保留EfficientNetV2-b0主干网络的基础上,一是引入GhostNetV2网络中的核心Ghost Module,并选用original分支替换第一层卷积结构,可以进一步优化网络的计算效率,减少冗余计算,从而在提高模型速度和可移植性的同时保持较高的识别准确率;二是将EfficientNetV2-b0模型中Fused-MBConv模块的SE注意力机制替换为更高效的坐标注意力(CA)机制,通过将空间信息编码为坐标信息以更好地捕捉和表达空间上的细粒度特征。实验结果显示,相较于原始网络,EGV2-CA网络的识别精确率提高2.94个百分点,召回率提高2.53个百分点,F1得分提高2.67个百分点,Top-1准确率提高2.47个百分点,而参数量仅为48.9 M,可迁移至移动设备上使用,为真实场景下苹果叶片病害的快速、准确识别提供了一种有效的解决方案。

关键词：苹果叶片病害轻量级网络深度学习算法 EfficientNetV2 Ghost模块坐标注意力机制

基于改进RegNet网络的玉米叶片病害识别研究

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

江苏农业科学 2024年第11期52卷 216-224页

作者：张澳雪崔艳荣李素若陈华锋胡玉荣胡蓉华长江大学计算机科学学院湖北荆州434000 荆楚理工学院计算机工程学院湖北荆门448000

针对目前玉米叶片病害识别模型参数量大、移动端部署难、识别准确率不够高等问题,提出一种基于轻量化网络RegNet和迁移学习的识别方法,首先收集4类常见玉米叶片病害图像样本,通过平移、镜像、旋转等方式对图像进行处理,以增加图片数量,... 详细信息

针对目前玉米叶片病害识别模型参数量大、移动端部署难、识别准确率不够高等问题,提出一种基于轻量化网络RegNet和迁移学习的识别方法,首先收集4类常见玉米叶片病害图像样本,通过平移、镜像、旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着以轻量化网络RegNet为主体,采用Inception A结构对stem中的3×3卷积进行替换,增加模型宽度,以分解卷积的形式对玉米叶片病害进行多尺度特征提取。最后在head中引入金字塔池化模块(pyramid pooling module,PPM),用于减少空间信息丢失,保留病害重要特征和细节。试验结果表明,改进后的模型相比RegNet,Top-1准确率提升1.26百分点,平均精确率提升1.34百分点,平均F1分数提升1.33百分点,平均召回率提升1.34百分点,参数量只增加了0.89×10^(6),改进后的模型具有更好的特征提取能力,该模型为玉米叶片病害类型的识别提供了一种有效的方法。

关键词：玉米叶片病害图像分类 RegNet Inception v3 金字塔池化

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于离散余弦变换的快速对抗训练方法

浙江大学学报（工学版） 2024年第11期58卷 2230-2238页

作者：王晓淼张玉金张涛田瑾吴飞上海工程技术大学电子电气工程学院上海201620 常熟理工学院计算机科学与工程学院江苏常熟215500

为了提升深度神经网络的鲁棒性,从频域的角度提出基于离散余弦变换(DCT)的快速对抗训练方法.引入对抗初始化生成模块,根据系统的鲁棒性自适应地生成初始化信息,可以更精准地捕捉到图像特征,有效避免灾难性过拟合.对样本进行随机谱变换,... 详细信息

为了提升深度神经网络的鲁棒性,从频域的角度提出基于离散余弦变换(DCT)的快速对抗训练方法.引入对抗初始化生成模块,根据系统的鲁棒性自适应地生成初始化信息,可以更精准地捕捉到图像特征,有效避免灾难性过拟合.对样本进行随机谱变换,将样本从空间域变换至频谱域,通过控制频谱显著性提高模型的迁移与泛化能力.在CIFAR-10与CIFAR-100数据集上验证提出方法的有效性.实验结果表明,在以ResNet18为目标网络,面对PGD-10攻击时,本文方法在CIFAR-10上的鲁棒精度较现有方法提升了2%~9%,在CIFAR-100上提升了1%~9%.在面对PGD-20、PGD-50、C&W等其他攻击以及架构更复杂的模型时,均取得了类似的效果.提出方法在避免灾难性过拟合现象的同时,有效提高了系统的鲁棒性.

关键词：对抗样本快速对抗训练离散余弦变换(DCT) 鲁棒性样本初始化

融合多尺度Transformer的皮肤病变分割算法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第4期54卷 1086-1098页

作者：梁礼明周珑颂尹江盛校棋江西理工大学电气工程与自动化学院江西赣州341000 华南理工大学计算机科学与工程学院广东广州510006

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角... 详细信息

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。

关键词：计算机应用技术皮肤病变图像分割 Transformer 多尺度融合模块通道注意力模块

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

新型电力系统居民分布式资源管理综述

电力系统自动化 2024年第5期48卷 157-175页

作者：陈心宜胡秦然石庆鑫崔翰韬李雪李方兴东南大学电气工程学院江苏省南京市210096 华北电力大学电气与电子工程学院北京市102206 俄克拉荷马州立大学电气与计算机工程系美国斯蒂尔沃特74078 东北电力大学电气工程学院吉林省吉林市132012 田纳西大学电气工程与计算机科学系美国诺克斯维尔37996

随着新型电力系统建设加快推进,能源供需平衡模式正在经历由“源随荷动”向“源荷互动”的深刻变革。靠近电力需求侧的居民分布式资源以其庞大规模和灵活调节能力,具备支撑新型电力系统清洁低碳、安全高效发展的潜力。为此,在全面梳理... 详细信息

随着新型电力系统建设加快推进,能源供需平衡模式正在经历由“源随荷动”向“源荷互动”的深刻变革。靠近电力需求侧的居民分布式资源以其庞大规模和灵活调节能力,具备支撑新型电力系统清洁低碳、安全高效发展的潜力。为此,在全面梳理国内外居民分布式资源管理具体进展的基础上,阐述其对新型电力系统建设的推动作用。首先,介绍了户用光伏、户用储能、电动汽车、柔性负荷4类居民分布式资源,并阐述了居民分布式资源管理概念及发展。其次,围绕新型电力系统四大关键特征,讨论了分布式资源在促进电网安全高效运行、推动能源清洁低碳转型、实现电力柔性灵活调控、助力智慧融合系统建设4个方面发挥的重要作用。同时,从政策制度与管理机制、硬件设备与软件平台、管理技术与优化方法 3个方面综述了居民分布式资源管理的核心要素,并分析了居民分布式资源管理内外部重要影响因素。最后,提出了对新型电力系统居民分布式资源管理的未来展望,包括完善政策机制、升级基础设施、优化市场交易、强化技术方法 4个方向。

关键词：新型电力系统居民分布式资源需求响应虚拟电厂安全运行低碳转型灵活性资源耦合系统

面向输电线路绝缘子的GER-YOLO缺陷检测算法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年

作者：袁博雅李尧叶青长江大学计算机科学学院长江大学电子信息与电气工程学院

针对无人机检测绝缘子缺陷存在的算法参数量大、图像背景复杂、绝缘子尺度变化大等问题，提出了一种新的用于绝缘子缺陷检测的GER-YOLO算法。首先，利用GhostNetV2构建C2fGhostV2模块，能够在显著减少参数量和计算量的同时维持算法检测... 详细信息

针对无人机检测绝缘子缺陷存在的算法参数量大、图像背景复杂、绝缘子尺度变化大等问题，提出了一种新的用于绝缘子缺陷检测的GER-YOLO算法。首先，利用GhostNetV2构建C2fGhostV2模块，能够在显著减少参数量和计算量的同时维持算法检测精度。然后，引入具有跨空间学习能力的高效多尺度注意力（EMA）网络，充分挖掘特征信息，抑制无用信息。最后，提出C2fRFE模块，进一步捕获长程信息，学习多尺度特征，提高对不同尺度绝缘子及其缺陷的检测能力。实验结果表明，GER-YOLO算法相较于基线模型YOLOv8s，平均精度均值（mAP）提升了1.1%，参数量、计算量分别减少了30.2%和31.0%，该算法能够有效完成绝缘子缺陷检测任务。

关键词：绝缘子缺陷检测轻量化注意力机制多尺度信息

MFA-SGWNN:基于多特征聚合谱图小波神经网络的僵尸网络检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2024年第3期60卷 403-412页

作者：吴悔陈旭景永俊王叔洋北方民族大学计算机科学与工程学院银川750000 北方民族大学电气信息工程学院银川750000

在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wa... 详细信息

在僵尸网络攻击中,由于伪装后的僵尸网络流量数据特征与正常流量数据特征过于相似,使得传统的检测方法难以准确地进行区分。为解决这一问题,提出一种基于多特征聚合谱图小波神经网络的方法(Multi-feature Aggregation Spectral Graph Wavelet Neural Network,MFA-SGWNN),将流量的属性特征与空间特征相结合,能有效地捕获隐藏的感染主机流量特征,增强僵尸网络节点的特征表示,同时规避了数据样本不平衡和恶意加密流量对检测的影响。在ISCX2014僵尸网络数据集和CIC-IDS 2017(僵尸网络)数据集上的实验结果表明,MFA-SGWNN检测效果优于现有方法,具有更强的鲁棒性和泛化能力。

关键词：僵尸网络图小波神经网络网络安全

维普期刊数据库博看期刊

基于DRL的边缘监控任务卸载与资源分配算法

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2024年第9期36卷 2113-2126页

作者：李超李贾宝丁才昌叶志伟左方威湖北工业大学计算机学院湖北武汉430000 湖北工程学院计算机与信息科学学院湖北孝感432000

为解决边缘计算环境下密集型监控任务资源受限的问题,提出一种基于DRL的监控任务卸载与资源分配算法。以监控任务时延和识别精度为优化目标,将监控系统中的任务卸载、无线信道分配和图像压缩率的联合决策目标优化求解建模为马尔可夫决... 详细信息

为解决边缘计算环境下密集型监控任务资源受限的问题,提出一种基于DRL的监控任务卸载与资源分配算法。以监控任务时延和识别精度为优化目标,将监控系统中的任务卸载、无线信道分配和图像压缩率的联合决策目标优化求解建模为马尔可夫决策过程;针对无线信道动态性和监控任务随机性引起的训练样本波动性较大,导致算法收敛速度慢和不稳定,采用Transformer注意力机制对多时隙序列的信道状态和监控任务信息进行联合编码。编码后的状态信息能够捕捉多时隙状态序列之间的依赖关系,提升网络状态的表征能力,并以此提高算法鲁棒性。实验结果表明:与传统强化学习算法和启发式算法相比,该算法在降低任务计算时延的同时能够有效提高识别精度。

关键词：监控任务移动边缘计算深度强化学习任务卸载资源分配注意力机制