JK制服白丝无码自慰无码网站,老色鬼久久亚洲av综合

基于多智能體深度強(qiáng)化學(xué)習(xí)的無(wú)人機(jī)集群自主決策[其他][其他]

由于傳統(tǒng)的無(wú)人機(jī)由人工進(jìn)行操控，無(wú)人機(jī)群在強(qiáng)電磁干擾和復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境中表現(xiàn)較為呆板。在這項(xiàng)研究中，開(kāi)發(fā)了一種靈活智能的無(wú)人機(jī)控制器。通過(guò)使用一個(gè)經(jīng)過(guò)多智能體深度強(qiáng)化學(xué)習(xí)技術(shù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，無(wú)人機(jī)可以在飛行中控制自己的行為，從戰(zhàn)場(chǎng)環(huán)境中獲取狀態(tài)信息，自主決策，并且和其他無(wú)人機(jī)形成有效戰(zhàn)斗隊(duì)形，靈活協(xié)調(diào)和配合，并產(chǎn)生了最優(yōu)的動(dòng)作。

發(fā)表于：2022/5/24 18:07:50

結(jié)合注意力機(jī)制的CNN-LSTM的視頻中雙相抑郁癥檢測(cè)方法[其他][其他]

雙相抑郁癥(Bipolar Disorder)會(huì)使人們因?yàn)閲?yán)重的情緒問(wèn)題無(wú)法參與正常的社會(huì)生活，甚至導(dǎo)致自殘和自殺行為。為了準(zhǔn)確檢測(cè)患者當(dāng)下心理狀態(tài)以協(xié)助醫(yī)生進(jìn)行更精準(zhǔn)的治療，提出了一種結(jié)合注意力機(jī)制的CNN-LSTM網(wǎng)絡(luò)的混合模型的雙相抑郁癥檢測(cè)方法。該方法首先使用在人臉表情數(shù)據(jù)集上微調(diào)的Resnet50模型提取視頻幀的空間特征，其次通過(guò)結(jié)合注意力機(jī)制的LSTM網(wǎng)絡(luò)提取幀之間的時(shí)序信息去檢測(cè)雙相抑郁癥。在AVEC2018雙相抑郁癥數(shù)據(jù)庫(kù)開(kāi)發(fā)集上，驗(yàn)證了該方法的有效性。

發(fā)表于：2022/5/24 18:03:05

應(yīng)用于視覺(jué)測(cè)量的圖像超分辨率重建算法[其他][其他]

惡劣環(huán)境下的低質(zhì)圖像會(huì)嚴(yán)重影響基于視覺(jué)的位移測(cè)量效果。圖像超分辨率重建有望能改善圖像質(zhì)量、突出目標(biāo)特征以提高測(cè)量精度和可靠性，進(jìn)而應(yīng)用于視覺(jué)測(cè)量場(chǎng)景。故提出了一種關(guān)注細(xì)節(jié)特征的圖像超分辨率重建算法，該算法設(shè)計(jì)了一個(gè)角點(diǎn)增強(qiáng)支路，并通過(guò)角點(diǎn)損失函數(shù)進(jìn)行約束實(shí)現(xiàn)對(duì)角點(diǎn)信息的增強(qiáng)，此外增加邊緣損失函數(shù)提升邊緣的重建效果。實(shí)驗(yàn)結(jié)果表明，該算法在客觀評(píng)價(jià)指標(biāo)上表現(xiàn)優(yōu)異，視覺(jué)效果上取得了更加清晰的紋理細(xì)節(jié)，設(shè)計(jì)的驗(yàn)證實(shí)驗(yàn)證明，該算法重建的邊緣與角點(diǎn)更加準(zhǔn)確，對(duì)目標(biāo)定位有一定幫助，適用于視覺(jué)測(cè)量應(yīng)用場(chǎng)景。

發(fā)表于：2022/5/24 17:58:24

從頻域角度重新分析對(duì)抗樣本[其他][其他]

目前在空間域上關(guān)于對(duì)抗樣本的研究成果已經(jīng)相當(dāng)成熟，但是在頻域上的相關(guān)工作卻是十分缺乏。從頻域的角度對(duì)對(duì)抗樣本進(jìn)行深入的研究，發(fā)現(xiàn)對(duì)抗樣本在DCT域上表現(xiàn)出了高度可識(shí)別的偽影，并利用這些偽影信息訓(xùn)練了一個(gè)基于頻域的對(duì)抗樣本檢測(cè)器CNN-DCT，結(jié)果表明，對(duì)于常見(jiàn)的對(duì)抗樣本在數(shù)據(jù)集CIFAR-10和SVHN上都能達(dá)到98%的檢測(cè)準(zhǔn)確率。此外，針對(duì)對(duì)抗樣本在頻域上存在的偽影，也提出一種通用的改進(jìn)算法IAA-DCT來(lái)解決。簡(jiǎn)而言之，本文不僅填充了對(duì)抗樣本在頻域上工作的缺少，也改進(jìn)了對(duì)抗攻擊算法在頻域上存在偽影的弊端。

發(fā)表于：2022/5/24 17:52:33

基于多Transformer網(wǎng)絡(luò)協(xié)同生成的自動(dòng)作曲[其他][其他]

多音軌的自動(dòng)作曲算法需要同時(shí)兼顧單條序列的連貫性與多個(gè)序列之間的和諧程度。以往工作通常選擇合并序列或并行多生成器兩種方案，它們都無(wú)法同時(shí)完全捕獲音符之間的依賴關(guān)系以及做到單條序列的連續(xù)性。提出了MuseTransformer框架，其包括由多個(gè)Transformer組成的生成器池模塊，并設(shè)計(jì)了多生成器的異步執(zhí)行策略與同步機(jī)制，以確保細(xì)粒度依賴關(guān)系的捕獲。在樂(lè)譜的序列表示方面，提出了關(guān)鍵位置符號(hào)(Key Position Symbol，KPS)以提高表示效率。多種音樂(lè)領(lǐng)域評(píng)價(jià)指標(biāo)的實(shí)驗(yàn)結(jié)果表明，所提模型生成的多軌序列之間在和諧程度、連貫性以及序列表示空間效率上，均等同或優(yōu)于其他先進(jìn)方法。

發(fā)表于：2022/5/24 17:48:08

基于改進(jìn)匈牙利算法對(duì)多人人體關(guān)鍵點(diǎn)匹配的研究[其他][其他]

在復(fù)雜場(chǎng)景下，針對(duì)傳統(tǒng)人體姿態(tài)估計(jì)模型中關(guān)鍵點(diǎn)分配算法存在正確率低、資源分配不均等優(yōu)化問(wèn)題，在OpenPose模型的基礎(chǔ)上提出了一種改進(jìn)的匈牙利算法，該算法在傳統(tǒng)數(shù)學(xué)模型的基礎(chǔ)上采用親和度向量場(chǎng)與鄰接矩陣結(jié)合的方式，通過(guò)對(duì)矩陣內(nèi)的數(shù)值處理，來(lái)獲取關(guān)鍵點(diǎn)的最佳匹配。實(shí)驗(yàn)表明，改進(jìn)算法的運(yùn)行時(shí)間有一定的減短，同時(shí)保證在100×100以內(nèi)的矩陣中運(yùn)算的精確度誤差率不高于0.014，且在使用本地圖像測(cè)試的實(shí)驗(yàn)中證明了模型的可行性和性能的提升。

發(fā)表于：2022/5/24 17:43:39

基于多層次特征提取的輕量級(jí)超分辨率重建算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)目前基于深度學(xué)習(xí)的超分辨率算法特征提取較為單一、結(jié)構(gòu)復(fù)雜且參數(shù)龐大的問(wèn)題，提出了一種基于多層次特征提取的輕量級(jí)超分辨率重建算法。該算法采用了多層次特征提取的方式，首先提取圖像的淺層特征；其次，使用包含多個(gè)并行卷積的深層特征提取模塊提取圖像的深層特征。設(shè)計(jì)了一種帶學(xué)習(xí)權(quán)重的多尺度特征融合重建模塊，以充分利用提取出的多層次信息重建圖像。實(shí)驗(yàn)結(jié)果表明，其重建圖像的峰值信噪比和結(jié)構(gòu)相似性在多數(shù)情況下領(lǐng)先于目前主流算法；與對(duì)比算法相比，在參數(shù)量和運(yùn)算時(shí)間上均保持領(lǐng)先，證明了網(wǎng)絡(luò)的輕量化特性。

發(fā)表于：2022/5/24 17:39:39

基于改進(jìn)VIKOR的攻擊效果評(píng)估算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著計(jì)算機(jī)網(wǎng)絡(luò)的不斷發(fā)展，安全問(wèn)題也日益凸顯，文章從網(wǎng)絡(luò)攻擊效果評(píng)估入手，提出了DEMATEL-ANP指標(biāo)權(quán)重計(jì)算模型，克服了傳統(tǒng)基于層次分析法的評(píng)估中不考慮指標(biāo)間相互關(guān)聯(lián)關(guān)系的問(wèn)題，并提出了VIKOR-灰色關(guān)聯(lián)度法，既彌補(bǔ)了灰色關(guān)聯(lián)度從單一角度評(píng)估的問(wèn)題，又彌補(bǔ)了TOPSIS方法不考慮自身權(quán)重、容易產(chǎn)生逆序的問(wèn)題。通過(guò)仿真實(shí)驗(yàn)，證明了該算法在網(wǎng)絡(luò)攻擊效果評(píng)估中的可行性和有效性，并且相較于傳統(tǒng)算法對(duì)相似度較大的攻擊具有更強(qiáng)的區(qū)分性。

發(fā)表于：2022/5/24 17:33:43

基于實(shí)戰(zhàn)化的集團(tuán)企業(yè)網(wǎng)絡(luò)安全主動(dòng)防御技術(shù)研究與實(shí)踐[通信與網(wǎng)絡(luò)][信息安全]

面對(duì)復(fù)雜多變的國(guó)際網(wǎng)絡(luò)空間安全形勢(shì)以及日益嚴(yán)峻的惡性網(wǎng)絡(luò)攻擊態(tài)勢(shì)，針對(duì)集團(tuán)化企業(yè)面臨的主機(jī)安全、設(shè)備安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全、業(yè)務(wù)安全等安全威脅，論述了基于實(shí)戰(zhàn)化的防范網(wǎng)絡(luò)對(duì)抗的關(guān)鍵技術(shù)與策略，包括基于網(wǎng)絡(luò)對(duì)抗的主動(dòng)誘捕系統(tǒng)設(shè)計(jì)、基于分級(jí)分類的安全自動(dòng)編排技術(shù)(SOAR)、基于輕量級(jí)零信任策略的設(shè)備監(jiān)控技術(shù)、數(shù)據(jù)和供應(yīng)鏈的安全防護(hù)與管控技術(shù)等，并詳細(xì)討論了攻擊暴露面的全面收斂和平戰(zhàn)結(jié)合的對(duì)抗性網(wǎng)絡(luò)應(yīng)急實(shí)訓(xùn)、不同安保時(shí)期的網(wǎng)絡(luò)應(yīng)急措施、應(yīng)對(duì)惡意攻擊的平臺(tái)聯(lián)動(dòng)與安全運(yùn)營(yíng)等實(shí)戰(zhàn)化網(wǎng)絡(luò)安全運(yùn)營(yíng)實(shí)踐與措施。

發(fā)表于：2022/5/24 17:28:52

基于知識(shí)圖譜的軟件配置漏洞分析技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

隨著科技發(fā)展，軟件也在日益更新，其功能和結(jié)構(gòu)愈發(fā)復(fù)雜多變，從而伴生的軟件配置漏洞導(dǎo)致的安全問(wèn)題也日益增多。傳統(tǒng)的人工對(duì)配置進(jìn)行核查不僅耗費(fèi)時(shí)間和精力，而且效率低下，無(wú)法滿足及時(shí)高效確保軟件配置安全的需求。知識(shí)圖譜的發(fā)展在各個(gè)領(lǐng)域逐顯成效，它具有能處理海量數(shù)據(jù)、建立知識(shí)間關(guān)聯(lián)關(guān)系等優(yōu)勢(shì)，因此通過(guò)構(gòu)建軟件配置漏洞知識(shí)圖譜，來(lái)整合存儲(chǔ)軟件配置漏洞數(shù)據(jù)，并達(dá)到可視化推理分析、關(guān)聯(lián)查詢等功能，以實(shí)現(xiàn)軟件配置漏洞分析更加智能化的目標(biāo)。

發(fā)表于：2022/5/24 17:23:35