深度学习在仿生眼监控系统中的应用

在视频监控系统中,由于受到复杂的背景、环境光线变化以及设备本身性能的限制,导致目标检测算法设计难度的加大,而传统的目标检测算法通常依赖于人工选择特征,难以从海量的数据中自动学习得到一个有效的分类器.基于深度学习算法,构建了一个卷积神经网络,并利用仿生眼视频监控系统中采集的人、车图像进行训练,在此基础上设计若干实验对深度学习网络特性进行分析,证明了训练集中各个类别样本的分布以及小样本训练的情况下对深度学习的训练结果会造成较大的影响.     

TMvis:基于LDA的主题建模可视分析系统

主题建模是非常重要的一类文本挖掘方法,被广泛用于构建文本语料库的主题,但其存在难以解释和调整的问题.为了协助用户构建字典以及帮助用户理解主题模型并调节模型,设计并实现了渐进式可视化分析框架,包含2个可视化工作区:语料库优化可视化工作区,协助用户高效构建字典;主题模型可视化工作区,提供多尺度信息可视化以辅助用户理解主题模型并交互地改进主题建模.实现了Web环境下的交互式可视主题模型系统TMvis,并采用20newsgroups新闻数据设计了对照实验,证明了方法的有效性.此外,实现了针对豆瓣电影数据的案例分析,验证了系统的实用性.     

面向用户的支持用户掉线的联邦学习数据隐私保护方法

联邦学习是解决多组织协同训练问题的一种有效手段,但是现有的联邦学习存在不支持用户掉线、模型API泄露敏感信息等问题。文章提出一种面向用户的支持用户掉线的联邦学习数据隐私保护方法,可以在用户掉线和保护的模型参数下训练出一个差分隐私扰动模型。该方法利用联邦学习框架设计了基于深度学习的数据隐私保护模型,主要包含两个执行协议:服务器和用户执行协议。用户在本地训练一个深度模型,在本地模型参数上添加差分隐私扰动,在聚合的参数上添加掉线用户的噪声和,使得联邦学习过程满足(ε,δ)-差分隐私。实验表明,当用户数为50、ε=1时,可以在模型隐私性与可用性之间达到平衡。     

C-V2X边缘缓存中文件请求预测机制

在基于蜂窝通信演进形成的车用无线通信技术(Cellular-Vehicle to everything, C-V2X)场景下, 基站作为多接入边缘计算(Multi-access Edge Computing, MEC)边缘缓存节点可提高用户获取数据的效率, 但其缓存容量有限. 因此, C-V2X中如何准确预测缓存请求内容成为待解决的重要问题. 本文从文件请求的时变性出发, 针对实际的城市场景, 采用Simulation of Urban MObility (SUMO)对交通流进行建模; 其次, 通过采集实际网站分时分类的点击量数据, 并根据各路段交通流规律进行预处理, 构建用户请求模型; 最后, 利用Long Short-Term Memory (LSTM)深度学习模型进行训练, 预测各基站的文件请求. 仿真结果表明, 在网易新闻流行度分布和请求间隔分布形成的文件请求下, vanillaLSTM模型对娱乐类型数据集预测时的均方根误差在1.3左右.     

基于Nu-支持向量回归的网格资源监控与预测系统

为实现智能任务调度与提供可接受的服务质量, 需要建立分布式系统对计算网格资源及网络环境进行监控与预测. 本文设计并实现了网格资源监控与预测系统, 其可用性来源于它的鲁棒性, 可扩放性, 可扩展性与用户友好性. 引入Nu-支持向量回归作为未来多步预测的建模方法, 提出一个混合优化算法以联合优化预测模型的特征选择过程与参数选择过程. 使用基准数据对预测方法进行性能评估, 对比实验结果表明Nu-支持向量回归模型具有较高预测精度, 且组合优化算法能够有效提高预测性能, 这两种方法适用于在线监控与预测系统.     

MM:面向最终用户的Mashup移动应用开发环境

MM是一款面向最终用户的数据整合应用开发平台,它能够使没有计算机背景的普通用户利用网络上的各种资源,通过简单的可视化操作,快速地构建个性化的数据整合应用,并且可以通过手机随时随地方便地使用这些应用。重点描述了平台的框架,对非专业用户建模的支持,以及数据整合引擎的设计;提出了通过个人电脑开发、手机订制使用的Mashup应用模式;基于原型系统的案例分析验证了平台的可用性。     

多用户协同虚拟现实的技能训练系统

针对传统CBT(计算机支持的教育培训)系统用户单一、沉浸感不强、不支持协同学习等问题,提出协同虚拟环境支持下技能训练系统的实现方案.采用分层结构思想,设计系统的框架结构和工作流程;提出基于模型复杂度的快速建模策略,构建协同虚拟训练场景;利用并发服务器通信技术,构建多用户协同工作环境;采用定时采集和发送数据的方法,降低协同感知过程中服务器的负担;结合矢量化电子图板和文字消息传递机制,满足教师实时评注和多用户讨论的需求.结合应用实例,验证了本方案的可行性和相比传统CBT的优越性.     

实时在线监控系统的三维可视化方案

为解决核反应堆辐射及不可接近环境下工人运维的技术难题,融合新一代信息技术,将数字孪生技术与工业互联技术相结合,提出了一套三维数据可视化实现方案,解决了数字孪生应用中三维模型呈现、实时数据对接、模型算法软件对接,以及数据可视化等关键问题。首先,利用3D Studio Max、SolidWorks等建模软件构建三维模型,并结合前端设计、虚拟场景渲染等技术,实现数字孪生可视化场景构建;其次,基于Node. js运行环境搭建WebSocket服务器,并通过Node-EPICS事件驱动读取实验物理和工业控制系统（EPICS）的过程变量,实现对设备支持层数据更新事件的监听;最后,利用Socket. io套接字创建双向数据通道实现服务器到Unity客户端的实时数据传输。使用该方案构建的反应堆三维监控系统现已应用于中国科学院（CAS）钍基熔盐堆（TMSR）核能项目,该系统实现了核反应设备结构及物理特性在虚拟环境中的数字映射,具备网络通信、数据显示等功能,且数据更新周期达到100 ms,有助于监控人员掌握现场实际情况与指导运维检修。     

基于手绘轮廓图的移动端图像检索

针对传统利用图像特征信息进行图像检索中难以从语义层次上理解图像相似性的问题,基于深度学习框架,提出一种结合类别分类和精确特征匹配的基于手绘轮廓图的移动端图像检索方法.首先在预处理阶段建立具有输入层、隐藏层以及Softmax输出层的神经网络分类模型,并利用训练数据集对模型进行训练,使其不断优化网络结构权值,实现输入图像的分类预测并提取分类图像标签;然后利用VGG16模型与ResNet50模型分别提取各个分类图像集下的精确特征,得到精确特征向量;最后将归一化并经组合后的特征向量与各个分类图像标签建立映射关系,实现移动端图像检索.采用移动端-服务器架构,用户在移动端输入手绘轮廓图后,系统进行自动预处理并与图像服务器实现交互,图像服务器进行分类预测和精确特征匹配得到检索结果,移动端展示最终检索结果.基于Keras深度学习开发框架,结合VGG16模型与ResNet50模型,实验结果表明,该方法能够根据手绘轮廓图高效、便捷地检索得到目标图像.     

面向系统辨识的火电控制时序数据可视分析

对火电控制历史数据进行分析和建模,能有效地帮助用户实现更优的机组运行控制.由于这类控制数据的复杂性,传统系统辨识过程非常烦琐,甚至难以得到有效结果.为此,将可视分析技术引入系统辨识中,与自动建模算法集成,设计了面向系统辨识的可视分析系统imDCS,在时序数据特征分析、模型建立和筛选评估以及模型迭代优化等各阶段支持控制系统建模的全过程.通过多种可视化映射技术和交互联动视图支持多层次模型筛选过程;通过分组视图与堆叠视图展示高维多元模型结构;通过精度评估组合视图支持用户从不同侧面评估模型性能.与领域专家合作,基于电厂真实控制数据和运行优化需求进行了案例分析和评估,结果表明,该系统在工业控制数据分析和建模中具有更高的有效性和可用性.