检索结果-南通市图书馆

极性可控的激光加工氧化石墨烯基忆阻器(特邀)

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年第3期61卷 233-239页

作者：刘素玲万正芬王雨田顾敏张启明上海理工大学光子芯片研究院上海200093 上海理工大学光电信息与计算机工程学院上海200093

近年来,受生物神经系统结构和功能的启发,神经形态计算引起广泛兴趣。忆阻器可以通过其电荷或磁通量调节电导,与人脑突触作用机制相似,是神经形态计算最有前途的候选器件之一。提出一种基于飞秒激光加工氧化石墨烯基忆阻器的方法,通过... 详细信息

近年来,受生物神经系统结构和功能的启发,神经形态计算引起广泛兴趣。忆阻器可以通过其电荷或磁通量调节电导,与人脑突触作用机制相似,是神经形态计算最有前途的候选器件之一。提出一种基于飞秒激光加工氧化石墨烯基忆阻器的方法,通过调整器件两端扫描电压,实现了极性可控的电阻开关:低电压下,器件表现出单极性电阻开关特性,在150个循环扫描中呈现高度稳定性,且功耗仅有0.75 nW;高电压下,器件呈现双极性开关特性。伴随测试次数的增加,器件整体电导逐步增加,同时分别讨论了两种电压下器件的开关机制。

关键词：极性可控激光加工氧化石墨烯忆阻器

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

分数阶柔性空间学习的轴承故障诊断方法

机械科学与技术 2024年

作者：苏树智秦子倪朱彦敏安徽理工大学计算机科学与工程学院安徽理工大学机电工程学院

由于原始高维数据中的异常值和噪声信息导致样本协方差矩阵偏离真实值，削弱了学习特征的类可分性。针对该问题提出了一种分数阶柔性空间学习（Fractional-order Flexible Space Learning， FFSL）的轴承故障诊断方法。在该方法中，通... 详细信息

由于原始高维数据中的异常值和噪声信息导致样本协方差矩阵偏离真实值，削弱了学习特征的类可分性。针对该问题提出了一种分数阶柔性空间学习（Fractional-order Flexible Space Learning， FFSL）的轴承故障诊断方法。在该方法中，通过最小化局部和最大化全局目标函数获得敏感的低维判别特征子集，减少高维数据异常值的影响；然后对拉普拉斯矩阵进行特征值分解，采用分数阶策略对特征值进行修正，构造分数阶柔性空间学习目标函数，增强学习特征的类可分性。该方法减少了样本协方差矩阵偏离真实值的影响，提高了特征提取的有效性。在Paderborn和美国凯斯西储大学轴承数据集上的实验结果表明，FFSL具有优越的故障诊断性能。

关键词：特征提取分数阶柔性空间学习故障诊断

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

人脸深度伪造主动防御技术综述

中国图象图形学报 2024年第2期29卷 318-342页

作者：瞿左珉殷琪林盛紫琦吴俊彦张博林余尚戎卢伟中山大学计算机学院广州510006 广东省信息安全技术重点实验室广州510006 教育部机器智能与先进计算重点实验室广州510006

深度生成模型的飞速发展推动了人脸深度伪造技术的进步,以Deepfake为代表的深度伪造模型也得到了十分广泛的应用。深度伪造技术可以对人脸图像或视频进行有目的的操纵,一方面,这种技术广泛应用于电影特效、娱乐场景中,丰富了人们的娱乐... 详细信息

深度生成模型的飞速发展推动了人脸深度伪造技术的进步,以Deepfake为代表的深度伪造模型也得到了十分广泛的应用。深度伪造技术可以对人脸图像或视频进行有目的的操纵,一方面,这种技术广泛应用于电影特效、娱乐场景中,丰富了人们的娱乐生活,促进了互联网多媒体的传播;另一方面,深度伪造也应用于一些可能造成不良影响的场景,给公民的名誉权、肖像权造成了危害,同时也给国家安全和社会稳定带来了极大的威胁,因此对深度伪造防御技术的研究日益迫切。现有的防御技术主要分为被动检测和主动防御,而被动检测的方式无法消除伪造人脸在广泛传播中造成的影响,难以做到“事前防御”,因此主动防御的思想得到了研究人员的广泛关注。然而,目前学术界有关深度伪造防御的综述主要关注基于检测的被动式防御方法,几乎没有以深度伪造主动防御技术为重点的综述。基于此,本文对当前学术界提出的人脸深度伪造主动防御技术进行梳理、总结和讨论。首先阐述了深度伪造主动防御的提出背景和主要思想,并对现有的人脸深度伪造主动防御算法进行汇总和归类,然后对各类主动防御算法的技术原理、性能、优缺点等进行了系统性的总结,同时介绍了研究常用的数据集和评估方法,最后对深度伪造主动防御所面临的技术挑战进行了分析,对其未来的发展方向展开了思考和讨论。

关键词：人脸深度伪造人脸深度伪造防御主动防御对抗攻击生成对抗网络(GAN) 深度学习

在线全文

学校读者我要写书评

暂无评论

面向嵌入式微处理器的高性能视频编解码算法

现代电子技术 2024年第10期47卷 34-38页

作者：李青燕田军电子科技大学成都学院计算机学院四川成都611731 西南大学重庆400715

针对高清和超高清视频,嵌入式微处理器在进行视频编解码时常常会受到资源的限制,导致输出的视频画面出现模糊的情况。为此,提出一种面向嵌入式微处理器的高性能视频编解码算法。利用最小平均绝对值误差作为匹配准则指标,预判断高性能视... 详细信息

针对高清和超高清视频,嵌入式微处理器在进行视频编解码时常常会受到资源的限制,导致输出的视频画面出现模糊的情况。为此,提出一种面向嵌入式微处理器的高性能视频编解码算法。利用最小平均绝对值误差作为匹配准则指标,预判断高性能视频的失真率损耗,计算图像中最大交流系数总能量,获取高细节分块,感知运动视频;利用空时域条件下的边缘图获取视频编码的相邻像素权重,通过像素间距离获取超像素为前景区域的概率,对目标前景区域编码;采用最小化范数优化编码视频约束条件,利用拉格朗日乘子等价转换编码视频,根据训练冗余字典计算视频解码校正因子,完成最终的视频编解码。经实验证明,所提方法能有效地完成高性能视频编解码,保证视频质量,视频的编码率一直处于31.3 dB,相对稳定。

关键词：嵌入式微处理器视频编码视频解码边缘信息交流系数冗余字典超像素

资源失配时低代价的数据与计算密集型服务重配

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

计算机学报 2024年第9期47卷 2035-2058页

作者：周长兵李小翠王煜炜王亚沙中国地质大学(北京)信息工程学院北京大学计算机学院北京大学(天津滨海)新一代信息技术研究院中国科学院计算技术研究所北京大学软件工程国家工程研究中心

随着边缘计算的广泛应用,近年来在网络边缘侧激增了一些延迟敏感的用户请求,这些应用对边缘网络中物联网设备提供的资源提出了较高的服务质量(Quality of Service,QoS)需求,例如严格的地理空间约束、时延/能量及其他资源约束.物联网设... 详细信息

随着边缘计算的广泛应用,近年来在网络边缘侧激增了一些延迟敏感的用户请求,这些应用对边缘网络中物联网设备提供的资源提出了较高的服务质量(Quality of Service,QoS)需求,例如严格的地理空间约束、时延/能量及其他资源约束.物联网设备提供的功能通常被封装为运行在边缘节点上的服务,用户请求可以通过组合数据和/或计算密集型的物联网服务来实现.考虑到物联网设备的资源稀缺性以及用户请求的在线持续部署和潜在长期执行特征,边缘服务运行期间对物联网设备资源的占用和释放导致边缘网络中资源动态变化.由于物联网设备的资源通常难以得到有效补充,且消耗差异可能较大,有些设备可能会过载,导致在当前时间点适配的物联网服务,在随后时间点可能难以适配用户请求,并导致QoS降级.针对边缘网络高负载时新请求持续部署导致特定强约束难以满足的挑战,本文开展资源失配时低代价的服务重配研究,提出了一种资源高效的服务重配方法,旨在通过服务迁移技术重调度物联网设备所提供的服务,以满足更多具有一定QoS约束的用户请求.基于上海电信基站数据集进行了大量实验,实例验证本文方法的有效性.实验结果表明,本文所提方法在满足用户服务请求时延约束、降低物联网设备能量消耗、提高边缘网络资源利用效益等方面表现均优于对比技术.

关键词：数据与计算密集型服务资源利用效益服务重配服务迁移边缘网络

基于混合特征图卷积神经网络的人体行为识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

郑州大学学报（工学版） 2024年第4期45卷 46-52页

作者：李志新商樊淇郇战陈瑛梁久祯常州大学微电子与控制工程学院江苏常州213000 常州大学计算机与人工智能学院江苏常州213000

基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取... 详细信息

基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取原始信号的时频特征,进一步构建时空图提取信号的结构特征以挖掘采样点间的动态特性,并在结构特征中加入距离约束,弱化时空图中远距离邻居对中心节点的影响。其次,考虑到结构特征提取时受时空图拓扑关系影响较大,选择样本的时频特征构造图卷积神经网络的输入拓扑,混合时频特征和结构特征作为网络输入特征。最后,输入特征沿着输入拓扑结构传播,得到最终分类结果。为了评估所提模型的性能,在WHARF和DataEgo数据集上进行了实验验证。实验结果表明:所提模型的F1分数相比已有的基于卷积神经网络模型在WHARF和DataEgo上均有提升,WHARF数据集上F1最高提升19.58百分点,DataEgo数据集上F1最高提升26.44百分点,证明所提出模型通过挖掘动态特性能够有效提高动作识别能力。

关键词：图卷积神经网络可穿戴设备人体行为识别时空图特征提取

一种新的评估脑白质纤维形态变化的长度特征构建

在线全文

学校读者我要写书评

暂无评论

中国生物医学工程学报 2024年第2期43卷 173-182页

作者：董卫红秦姣龙倪黄晶罗丹丹吴烨姚志剑卢青东南大学生物科学与医学工程学院南京210096 南京理工大学计算机科学与工程学院南京210094 南京邮电大学计算机学院南京210023 南京邮电大学软件学院南京210023 南京邮电大学网络空间安全学院南京210023 南京医科大学附属脑科医院精神科南京210029

基于弥散张量成像(DTI)数据可对全脑白质纤维进行三维呈现。当前对脑白质纤维的形态分析已用于研究在发育过程或病理情况下纤维形态的变化。本研究提出了一种新的逐脑白质纤维上点累加的欧氏空间距离表征其长度的特征,并进一步采用人类... 详细信息

基于弥散张量成像(DTI)数据可对全脑白质纤维进行三维呈现。当前对脑白质纤维的形态分析已用于研究在发育过程或病理情况下纤维形态的变化。本研究提出了一种新的逐脑白质纤维上点累加的欧氏空间距离表征其长度的特征,并进一步采用人类连接组计划(HCP)数据集中的50例样本从两个方面探究该特征稳定性。其一,不同纤维跟踪算法重建出的脑白质纤维对特征的影响;其二,同一种纤维跟踪算法下不同的脑白质纤维根数对特征的影响。纳入HCP数据集中的254例被试,运用该特征采用基于体素的分析(VBA)方式初步探究性别对脑白质纤维形态的影响。通过类内相关性系数(ICC)模型的计算发现,在两种纤维跟踪算法重建出的总体纤维长度比较接近的情况下,颅内绝大部分体素对应特征值的ICC在0.4以上。此外,同一种纤维跟踪算法下不同的脑白质纤维根数对特征的影响甚微,颅内体素对应特征值的ICC集中在0.8以上。性别对脑白质纤维长度影响的分析结果发现,相比于男性,女性在丘脑、穹窿、小脑中脚和苍白球区域的脑白质纤维长度特征值显著偏高;男性在右侧直回和右侧苍白球区域特征值显著高于女性。所提出的脑白质纤维长度特征丰富了脑白质纤维形态分析方法,可用于研究脑发育和脑相关的疾病。

关键词：脑白质纤维长度特征稳定性性别差异

在线全文

学校读者我要写书评

暂无评论

基于CNN与BLS的滚动轴承故障诊断方法

振动．测试与诊断 2024年第5期44卷 1017-1022,1044页

作者：官源林刘贵林于春雨杨熙鑫井陆阳青岛理工大学机械与汽车工程学院青岛266520 青岛大学计算机科学技术学院青岛266071

针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立... 详细信息

针对传统滚动轴承故障诊断方法训练时间长和效率低的问题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和宽度学习系统(broad learning system,简称BLS)的故障诊断方法,实现了端到端的快速准确模式识别。首先,建立CNN与BLS结合的宽度卷积学习系统(broad convolutional learning system,简称BCLS),利用CNN提取信号特征和BLS进行分类,获得系统输出;其次,通过残差学习增加BLS层数,形成堆叠宽度卷积学习系统(stacked broad convolutional learning system,简称SBCLS),优化预测输出与真实标签的误差,对轴承故障模式进行识别;最后,通过试验将所提方法与3种BLS方法的预测结果进行了比较验证。结果表明,与几种常见故障诊断方法相比,所提方法诊断效果更佳,具有更高的准确率和训练效率,在边缘端的智能故障诊断中具有较好的应用前景。

关键词：堆叠宽度卷积学习系统卷积神经网络故障诊断滚动轴承

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

混合特征平衡图注意力网络日志异常检测模型

计算机工程与应用 2024年

作者：陈旭张硕景永俊王叔洋北方民族大学电气信息工程学院北方民族大学计算机科学与工程学院

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性，导致异常检测准确率低的问题。本文提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。首先，构建混合日志图构建模块，通过混合特征提取模块提取日志数... 详细信息

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性，导致异常检测准确率低的问题。本文提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。首先，构建混合日志图构建模块，通过混合特征提取模块提取日志数据的语义信息、日志序列和时间结构，增强日志特征间的关联性，并采用日志图构建模块构建日志图，有效保留空间结构特征。其次，设计平衡日志图生成模块，解决不平衡的日志数据导致检测结果偏向多数类问题。然后，采用图日志异常检测模块进行异常检测。最后，使用BGL、Thunderbird和HDFS三个公共数据集对HBGATLog进行验证，实验结果表明，F1 Score分别达到了99.0%、98.7%和98.1%。证明HBGATLog不但能够解决日志数据不平衡问题，充分考虑日志数据特征的关联性，而且有效降低了漏检率。

关键词：日志异常检测日志分析图神经网络混合特征提取数据不平衡