别揉我奶头~嗯~啊~免费网站,911人妻人人澡人人爽

基于FTM和CSI的單站目標跟蹤研究[通信與網絡][通信網絡]

WiFi技術在定位跟蹤領域得到了迅速發(fā)展和應用，不僅可以通過精細時間測量(FTM)協(xié)議獲得到達時間，還能利用信道狀態(tài)信息(CSI)估計到達角，為單站目標跟蹤提供了十分有利的條件。針對單站情況下到達時間和到達角的非線性跟蹤問題，提出了一種簡單有效的偏差補償卡爾曼濾波算法(BCKF)。該算法對非線性觀測方程進行偽線性化，然后補償由偽線性化引起的估計偏差，實現(xiàn)更準確的狀態(tài)估計。搭建WiFi測量平臺，并在室內外兩種典型環(huán)境下進行單站目標跟蹤。實驗結果表明，相較于其他非線性濾波算法，BCKF能以較低計算開銷實現(xiàn)更準確的目標跟蹤，在室內外的80%跟蹤誤差分別不超過3.7 m和1.5 m。

發(fā)表于：12/16/2020

飛機舵機電液伺服系統(tǒng)智能PID控制方法研究[人工智能][智能交通]

針對飛機舵機電液伺服系統(tǒng)中PID控制器參數(shù)難以整定的問題，引入一種智能PID控制方法。該方法結合了粒子群算法和PID控制器的優(yōu)點，并利用蜂群算法的選擇策略對粒子群算法進行優(yōu)化，適應了飛機舵機電液伺服系統(tǒng)非線性動態(tài)控制環(huán)境的要求。實驗結果表明，飛機舵機電液伺服系統(tǒng)智能PID控制方法能夠達到系統(tǒng)控制性能指標要求，相較于傳統(tǒng)PID控制器具有更良好的跟蹤效果。

發(fā)表于：12/16/2020

基于卷積神經網絡的織物瑕疵檢測方法研究[人工智能][其他]

織物瑕疵檢測是控制織物產品質量的重要步驟，傳統(tǒng)的織物瑕疵檢測方法檢測效率低，勞動強度大。因此，針對傳統(tǒng)檢測方法存在的問題，提出一種基于卷積神經網絡(CNN)的分類算法用于實現(xiàn)織物瑕疵檢測。網絡是在VGG16的基礎上進行減枝，通過優(yōu)化網絡參數(shù)實現(xiàn)最優(yōu)結果。首先，由于織物瑕疵大小差別較大，提出將瑕疵邊緣作為檢測的目標，這樣就可以將大尺度圖片分割為64×64的小尺度圖片用于網絡訓練，既提高了網絡的分類準確率，又解決了織物瑕疵圖像搜集困難的問題。其次，在測試過程中，提出對大尺度圖片進行有重疊的分割，然后對分割后的圖片進行分類，根據每張圖片的輸出標簽和位置來實現(xiàn)大尺度圖片的瑕疵檢測。實驗結果表明，本文所提出的網絡結構相比于傳統(tǒng)的VGG16和LeNet網絡結構, 具有檢測速度快、檢測精度高等優(yōu)勢。

發(fā)表于：12/16/2020

人工智能基礎軟硬件架構的關鍵技術研究[人工智能][通信網絡]

針對當前人工智能技術在軍用領域的應用問題和難點，研究基于深度學習技術的軍用軟硬件架構設計方法，并且結合業(yè)內主流的軟硬件基礎架構，分析在軍事應用中涉及的關鍵技術和解決思路。通過對深度學習模型壓縮轉化、數(shù)據增強和分布式訓練等軟硬件架構的關鍵技術研究，設計構建了一站式人工智能開發(fā)平臺、嵌入式邊緣智能計算平臺，對軍用人工智能提供端到端的訓練、部署和測試支撐。該研究可為未來智能無人作戰(zhàn)系統(tǒng)提供軟硬協(xié)同的智能計算解決方案。

發(fā)表于：12/16/2020

基于改進P-Unet模型的巖屑顆粒識別[人工智能][其他]

提出了一種基于改進P-Unet模型的巖屑顆粒識別方法。該方法基于Unet模型結構，運用金字塔池化模塊聚合不同區(qū)域的上下文特征信息，以充分利用全局信息。改進P-Unet模型采用了殘差網絡ResNeXt101，在提高巖屑顆粒識別準確率前提下，減少了超參數(shù)數(shù)量。該模型采用了焦點損失函數(shù)，在一定程度上解決巖屑顆粒類別不平衡的問題，同時運用深度可分離卷積代替?zhèn)鹘y(tǒng)卷積，較大程度減少了網絡的參數(shù)以及預測的時間。實驗結果表明，改進P-Unet模型得到的識別準確率對比同類先進算法有一定的提升，對巖屑顆粒識別的結果更加準確。

發(fā)表于：12/16/2020

基于GANs無監(jiān)督回歸三維參數(shù)化人臉模型[人工智能][其他]

針對神經網絡回歸訓練過程中三維人臉數(shù)據稀缺的問題，提出了基于生成對抗網絡(GANs)回歸三維參數(shù)化人臉模型(3DMM)的無監(jiān)督學習方式。首先利用GANs的對抗生成訓練使生成器回歸的3DMM參數(shù)符合真實感人臉形狀的參數(shù)分布。隨后將生成的三維人臉網格渲染成二維圖片，利用身份編碼器對輸入人臉及渲染人臉分別提取身份特征向量，通過不斷縮小向量之間的距離使得生成的三維人臉網格靠近輸入人臉的身份特征。實驗結果表明，該方法在重建結果頂點位置準確性上相對于現(xiàn)有的方法有明顯的提升，且擁有較好的RMSE值，能夠較好應用于三維人臉重建任務。

發(fā)表于：12/16/2020

基于二倍體顯性機制的透視變換矩陣參數(shù)優(yōu)化[其他][其他]

圖像拼接的基礎是將所有待拼接的圖像轉換到同一平面上，而透視變換矩陣描述的就是一個平面到另一個平面的投影變換，反映了圖像坐標點之間的一一對應關系。但當透視變換矩陣中參數(shù)精度較低時會導致圖像拼接效果不佳，拼接過程中會出現(xiàn)公共區(qū)域無法對接、有鬼影等現(xiàn)象。提出了一種基于二倍體顯性機制的DNA遺傳算法(AO方法)的矩陣參數(shù)優(yōu)化方案，AO方法在優(yōu)化效率上能以較快的速度和較高的精度搜索到問題的全局最優(yōu)解，從而提高透視變換矩陣參數(shù)的精度。實驗結果顯示，所提出的方法能夠較好地優(yōu)化矩陣參數(shù)，符合期望目標。

發(fā)表于：12/16/2020

智能化武器裝備標準體系框架研究[人工智能][安防電子]

近年來，隨著邊緣計算、深度學習等人工智能技術的迅速發(fā)展，基于人工智能技術的智能化武器裝備應用日趨廣泛，這對智能化武器裝備的標準化工作提出了更高的要求。針對智能化武器裝備發(fā)展現(xiàn)狀進行分析與研究，基于智能化武器裝備標準現(xiàn)狀及發(fā)展需求建立了智能化武器裝備標準體系框架。同時，根據智能化武器裝備特點和智能化戰(zhàn)爭需求對未來的標準研制工作提出了建議。

發(fā)表于：12/16/2020

基于機器學習的RTS游戲實時勝率預測[其他][其他]

游戲勝負預測可用于自適應游戲AI的設計，策略層面強化學習的反饋參數(shù)等。使用SC2LE公開的數(shù)據集，首先通過游戲時間、MMR和AMP指標進行數(shù)據預處理，得到質量較高的數(shù)據集；然后使用pysc2解析，提取游戲數(shù)據；最后進行特征分析，得到基礎特征和統(tǒng)計特征，完成游戲特征數(shù)據集的構建。最終采用機器學習方法XGB分類模型,利用10次十折交叉驗證法進行模型評估與優(yōu)選。結果表明使用基礎特性與統(tǒng)計特性的組合，可以使得實時勝率預測準確率在不同匹配對局情況下均超過80%。

發(fā)表于：12/16/2020

基于機器學習的惡意軟件檢測研究進展及挑戰(zhàn)[人工智能][其他]

由于惡意軟件的數(shù)量日漸龐大，攻擊手段不斷更新，結合機器學習技術是惡意軟件檢測發(fā)展的一個新方向。先簡要介紹惡意軟件檢測中的靜態(tài)檢測方法以及動態(tài)檢測方法，總結基于機器學習的惡意軟件檢測一般流程，回顧了研究進展。通過使用Ember 2017和Ember 2018數(shù)據集，分析驗證了結構化特征相關方法，包括隨機森林(Random Forest，RF)、LightGBM、支持向量機(Support Vector Machine，SVM)、K-means以及卷積神經網絡(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年樣本集分析驗證了序列化特征相關方法，包括幾種常見的深度學習算法模型。計算模型以在不同測試集上的準確率、精確率、召回率以及F1-值作為評估指標。根據實驗結果分析討論了各類方法的優(yōu)缺點，著重驗證分析了樹模型的泛化能力，表明隨著樣本的不斷演變，模型普遍存在退化問題，并指出進一步研究方向。

發(fā)表于：12/16/2020

基于量子遺傳優(yōu)化的改進極限學習機及應用[其他][其他]

主要研究的是神經網絡的一種新型訓練方式——極限學習機算法的優(yōu)化和改進。首先通過與傳統(tǒng)的神經網絡算法的對比，介紹極限學習機算法的主要思想和流程，展現(xiàn)其特點及優(yōu)勢；其次，由于常規(guī)極限學習機在預測的精度上及運用的穩(wěn)定上存在不小的缺陷，通過闡述幾個智能尋優(yōu)算法及優(yōu)缺點比較，引出該文的重點量子遺傳算法，并利用此算法去優(yōu)化極限學習機的連接權值和閾值，選取最優(yōu)的權值和閾值賦予測試網絡，達到良好的使用效果；最后，介紹了改進極限學習機算法在MATLAB上進行實驗仿真及結果分析的步驟與流程，實驗結果說明改進后的算法相比于經典算法在回歸問題的預測上有優(yōu)勢，預測精度更高，且結果更穩(wěn)定；在分類問題的處理上，準確性也具有壓倒性優(yōu)勢。

發(fā)表于：12/16/2020

基于稀疏編碼和各向異性濾波的超分辨率重建[其他][其他]

針對基于非局部稀疏自相似性的超分辨率重建方法存在的圖像邊緣保持性能不佳的問題，提出了一種基于稀疏編碼和各向異性濾波的超分辨率重建算法。該算法利用卷積神經網絡和各向異性引導濾波訓練了一個各向異性特征模型，然后利用該特征模型構建一個局部的結構先驗，以和非局部稀疏先驗形成互補，從而提高算法的邊緣保持能力。該算法訓練后的模式使用通用測試集進行測試，測試結果表明算法SR性能較好，能很好地保持邊緣細節(jié)，提供視覺效果更好的圖像。

發(fā)表于：12/16/2020

火電工控系統(tǒng)網絡安全防護方案設計[通信與網絡][通信網絡]

針對火電工控系統(tǒng)的網絡安全問題進行了研究，對當前火電工控系統(tǒng)的網絡架構、安全挑戰(zhàn)、防護現(xiàn)狀、風險來源等網絡安全問題進行了分析總結，按照電力系統(tǒng)的安全防護總體原則及相關標準規(guī)范，針對電力生產網絡的特點及安全要求，提出了以數(shù)據探針為組成單元的能夠覆蓋電廠工控網絡各個層級并配置監(jiān)測中心的安全防護架構，能夠對多種工控協(xié)議進行深度解析，對已知和未知危險流量進行識別和學習，并將宏觀網絡態(tài)勢以可視化的方式展示出來，實現(xiàn)了對電廠工控系統(tǒng)多層次、立體化、智能化的安全防護，能夠深度有效的保護電廠生產網絡系統(tǒng)。

發(fā)表于：12/16/2020

一種用于微電網經濟調度的分布式粒子群算法[模擬設計][智能電網]

隨著微電網技術在電力系統(tǒng)中的應用愈加廣泛，協(xié)調微電網內部分布式電源的出力分配以提高經濟性成為了研究的重要課題。目前主流的經濟調度方法是微電網調度中心利用全網微電源及負荷的信息進行調度，但這種集中式的方法依賴調度中心的計算能力，對微電源與調度中心之間通信要求較高，且與微電網的分布式特性相違背。提出一種完全分布式的并行調度方法，各分布式電源作為獨立的智能體，平等地參與調度工作，利用自身與鄰居節(jié)點之間的勢能博弈，基于粒子群算法優(yōu)化自身的出力，進而實現(xiàn)全網經濟性最優(yōu)的目標。在MATLAB平臺上搭建了獨立微電網優(yōu)化調度模型，驗證了所提出方法的可行性，并討論了相關參數(shù)的變化對于調度結果的影響。

發(fā)表于：12/16/2020

基于IBE策略的物聯(lián)網終端設備間的身份認證方案[模擬設計][物聯(lián)網]

隨著物聯(lián)網終端設備間直接通信的需求不斷增大，為解決物聯(lián)網終端設備間安全通信和隱私保護問題，終端設備間認證技術成為人們關注的一個熱點，業(yè)界諸多學者已經對此展開相關研究并提出多種物聯(lián)網終端設備間的認證機制。但是，上述機制在安全強度及抵抗攻擊效果方面尚存在不足。為解決此問題，該文提出一種基于IBE策略的物聯(lián)網終端設備身份認證方案，實現(xiàn)終端設備之間匿名雙向認證，同時使用橢圓曲線加密算法保證認證過程中信息傳輸?shù)陌踩?。通過安全性理論分析和性能分析表明，該方案可很好地抵抗重放攻擊、中間人攻擊和篡改攻擊等已知攻擊且具有較低的計算開銷。

發(fā)表于：12/16/2020