改进编码-解码框架下的跨站脚本检测

为解决传统机器学习方法特征提取工作艰难导致对跨站脚本检测性能有限的问题,提出应用注意力机制改进编码-解码框架的方法并以此建立模型检测跨站脚本。由卷积神经网络和双向门控循环单元网络并行构成编码器,既考虑输入数据上下文信息,又充分提取有效特征;使用注意力机制解决传统编码-解码框架的“分心问题”;使用门控循环单元网络构成解码器,使用分类器进行分类检测。在收集到的数据集上进行仿真实验,验证了模型的有效性和性能优势。     

基于图注意力网络和简单循环单元的化合物-蛋白质交互预测

现有基于深度学习的化合物-蛋白质交互预测方法未考虑数据的内部协变量偏移及序列数据的长距离依赖.针对此问题,文中提出基于图注意力网络和简单循环单元的化合物-蛋白质交互预测方法.利用图注意力网络-门控循环单元学习化合物分子的图级表示,利用多层简单循环单元学习氨基酸子序列的特征向量表示,结合多层前馈网络预测化合物-蛋白质的交互作用.实验表明,文中方法在2个公开数据集上的各项评估指标都有所提升,由此验证方法的有效性.     

时序行为提名的上下文信息融合方法

在针对视频的人体活动定位和识别领域中,现有的时序行为提名方法无法很好地解决行为特征长期依赖性而导致提名召回率较低。针对此问题,提出了一种上下文信息融合的时序行为提名方法。该方法首先采用三维卷积网络提取视频单元的时空特征,然后采用双向门控循环网络构建上下文关系预测出时序行为区间。针对门控循环单元(GRU)存在参数较多和梯度消失的问题,通过输入特征控制门结构增强并行计算能力,通过引入加权平均增强历史和当前时刻信息融合能力,提出了一个简化的门控循环单元(S-GRU)。最后在数据集Thumos14上进行实验验证和比较,结果表明基于双向S-GRU循环网络的时序行为提名方法提高了提名召回率。     

基于颜色差异特征与边缘复杂度的输电铁塔螺栓螺帽目标检测算法

螺栓作为输电铁塔上的重要部件,其安装状态正确与否对于铁塔的安全质量至关重要,但目前针对刚搭建完成仍未投入使用的铁塔螺栓安装状态的计算机自动检测方法的研究相对空白,工程实践中仍采用人工检测的方式。因此,针对此类铁塔提出了一种新的螺栓安装状态自动检测算法,该算法将深度学习与数字图像处理方法相结合,在Faster-RCNN网...     

基于残差的门控循环单元EI北大核心CSCD

传统循环神经网络易发生梯度消失和网络退化问题.利用非饱和激活函数可以有效克服梯度消失的性质,同时借鉴卷积神经网络中的残差结构能够有效缓解网络退化的特性,在门控循环神经网络(Gated recurrent unit,GRU)的基础上提出了基于残差的门控循环单元(Residual-GRU,Re-GRU)来缓解梯度消失和网络退化问题.Re-GRU的改进主要包括两个方面:1)将原有GRU的候选隐状态的激活函数改为非饱和激活函数;2)在GRU的候选隐状态表示中引入残差信息.对候选隐状态激活函数的改动不仅可以有效避免由饱和激活函数带来的梯度消失问题,同时也能够更好地引入残差信息,使网络对梯度变化更敏感,从而达到缓解网络退化的目的.进行了图像识别、构建语言模型和语音识别3类不同的测试实验,实验结果均表明,Re-GRU拥有比对比方法更高的检测性能,同时在运行速度方面优于Highway-GRU和长短期记忆单元.其中,在语言模型预测任务中的Penn Treebank数据集上取得了23.88的困惑度,相比有记录的最低困惑度,该方法的困惑度降低了一半.     

一种输电杆塔总体倾斜角度检测装置的设计与实现

高压输电杆塔的倾斜、倒塌会对电网的稳定运行产生巨大的影响.针对目前传统测量技术无法对输电杆塔总体倾斜角度进行测量,本文结合新型传感技术和无线通信技术,提出了基于罗德里格矩阵的输电杆塔总体倾角的测量方法,设计了一种便携式、自动化式输电杆塔倾角检测装置.该装置通过搭建硬件数据采集电路,主控芯片控制激光测距模块和姿态传感模块,获取距离和姿态角数据,建立输电杆塔基座三维坐标模型和基于罗德里格矩阵的杆塔倾斜模型,解算出输电杆塔的整体倾斜角度.实际测量结果表明,该方法可以精确的对输电杆塔倾斜角度进行测量.     

基于门控循环单元的移动社会网络链路预测方法

链路预测是指通过已知的网络拓扑和节点信息来预测未来时刻节点之间的潜在关系，链路预测能够帮助在各种存在链路的应用领域更加合理地分配资源、降低资源开销.移动社会网络属于动态网络的一种，其网络结构总是随着节点和链路的出现、消失以及时间推移而不断演变.针对移动社会网络的特点，当前已有的研究使用愈加复杂的模型来分析链路之间的联系，然而复杂的模型不但空间复杂度大而且容易造成过拟合问题.为了解决以上问题，提出一种基于门控循环单元的移动社会网络链路预测方法.首先对输入数据集进行排序筛选，将目标网络划分为快照图，并按一定的规则转化为邻接矩阵形成样本集，然后基于自动编码器和门控循环单元构建预测模型，提取出移动社会网络的时间变化特征.在KONECT数据集上，与其他模型的对比实验结果表明，该方法能够保持预测性能几乎不变的情况下，使模型训练效率提升49.81%.     

网络攻击检测的门控记忆网络方法

针对互联网大规模网络攻击检测难题,结合词向量特征表示与循环神经网络,提出了一种门控记忆网络检测方法。该方法首先将网络请求数据转化为低维实值向量序列表示,然后利用门控循环神经网络的长时记忆能力提取请求数据的特征,最后采用逻辑斯特回归分类器实现了对网络攻击的自动检测。在CSIC2010公开数据集上,达到了98.5%的10折交叉验证F1分数,与传统方法相比,较大幅度地提高了网络攻击检测的准确率和召回率。所提方法可自动检测网络攻击,具有良好的检测效果。     

基于互相关能比熵和BiGRU-GRU的轧机关键零部件早期故障诊断

轧机作为机械制造行业的重要设备,工况环境复杂,其关键零部件极易发生故障,对其进行早期故障诊断,趋势预测存在困难;对此文章以轴承为例,提出了一种新型性能退化指标用于检测出现早期故障的时刻;对于防止轧机工作环境复杂的问题,首先要对采集到的样本信号进行降噪,实现对噪声信号的去除,之后利用互相关函数对样本前后数据进行互相关分析,然后求分析所得数据的所有极值点能量与总能量得比值,最后将做的比值带入信息熵公式,即为最终得性能退化指标,即互相关能比熵,并通过包络谱分析验证指标的有效性;针对轴承性能退化趋势预测的问题,利用门控循环单元网络(GRU)和双向门控循环单元网络(BiGRU)各自的优点建立了BiGRU-GRU网络。将采集到的数据分为训练数据和测试数据,在训练数据中训练之后,对测试数据进行预测,实现了对轴承性能退化趋势的预测。并通过对比实验证明了所提性能评估指标和网络比一般指标和网络具有更好的效果。     

基于通道注意力和门控循环单元的图像去雨算法

在计算机视觉领域,雨线或者雨滴会使雨天拍摄的图像变得模糊,降低图像的质量.针对雨天图像质量低下的问题,提出了一种基于通道注意力和门控循环单元的图像去雨算法.该算法基本思路如下:首先将训练图像通过残差记忆模块提取特征;其次将提取的特征通过特征增强模块增加感受野,识别不同等级的雨线特征并将其增强,传递给后续的循环网络;最后网络循环过程中,通过门控循环单元块实现不同循环阶段之间的参数共享.实验结果利用客观评价指标和主观视觉效果进行评估,验证了该算法在较为复杂数据集上的有效性.     

无线传感器网络疑误数据节点自动诊断方法

为了提高无线传感器网络疑误数据检测能力,提出基于轮换调度的无线传感器网络疑误数据节点自动诊断方法。通过采用分块区域特征匹配的方法,得到无线传感器网络疑误数据传输的梯度模型,采用资源优化分配方案,进行数据传输信道的均衡调度,得到节点部署分布模型。通过传感信息跟踪采样方法,得到采样信息分布,建立无线传感器网络疑误数据信息特征分析,通过分组特征检测方法进行无线传感器网络疑误数据的信息融合和空间融合调度,提取无线传感器网络疑误数据的关联规则特征集,通过统计信息分析和融合调度的方法,进行无线传感器网络疑误数据的聚类挖掘,采用预算估计算法,得到疑误数据节点定位优化,结合自主学习算法,实现无线传感器网络疑误数据节点的优化定位和诊断检测。仿真结果表明,采用该方法进行无线传感器网络疑误数据节点检测的自适应性较好,特征辨识能力较强。     

无线传感网络中的目标分类融合

In wireless sensor networks, target classification differs from that in centralized sensing systems because of the distributed detection, wireless communication and limited resources. We study the classification problem of moving vehicles in wireless sensor networks using acoustic signals emitted from vehicles. Three algorithms including wavelet decomposition, weighted k-nearest-neighbor andDempster-Shafer theory are combined in this paper. Finally, we use real world experimental data to validate the classification methods. The result shows that wavelet based feature extraction method can extract stable features from acoustic signals. By fusion with Dempster's rule, the classification performance is improved.     

适用于水声传感网络的多链路传输MAC协议

针对水声传感网络存在的高时延、低信道利用率等问题,提出一种新的多链路传输介质访问控制协议。该协议节点通过RTS/CTS握手协议交互时延信息和传输计划,实现多条链路传输数据。在汇聚节点接收多个节点的数据时,汇聚节点根据节点的时延和接收的数据帧大小规划节点之间的发送顺序,避免传输冲突造成的能量损失和低信道利用率,同时为得到最大网络吞吐量,给出最优退避窗口值的理论表达式。仿真结果表明,与RC-FAMA、S-FAMA等协议相比,该协议能有效提高水声传感网络的吞吐量,降低传输冲突,从而延长水下节点的工作时间。     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

基于无线传感器网络的土壤墒情监测系统

目前农田监测智能化水平低,管理实时性差,远距离信息传输能力弱、可扩展性不强,且市场上普遍的土壤墒情机一般基于有线连接方式,对于农田监测有一定的局限性,价格昂贵,不适合一般农田的智能化管理。设计了一种土壤监测无线传感网络节点及其远程传输装置,该系统通过PICl8F4520单片机将ARN-100土壤水分传感器、ARN—Tw土壤温度传感器及H311-AS002-T土壤酸碱度传感器采集到的土壤参数处理后,通过ZigBee近距离无线通讯网络以及3G远程无线网络,将数据实时传输给监测终端。测试结果验证了该系统的合理性与实用性,符合现代农业发展方向。     

基于CS和神经网络的传感器网络模式识别研究

当前,传感器网络快速地发展,其节点不断增多,需要传输和储存的数据量也就不断增大,同时现有传感器节点尺寸与复杂度限制了传感器网络的数据存储、数据的计算速度及频宽.针对此类问题,将压缩感知技术应用于传感器网络,对传感器网络中传输的数据进行压缩,降低传输数据量,然后在接收端重构数据,将该数据样本作为BP网络的输入进行识别.实...     

基于残差网络和GRU的XSS攻击检测方法

传统的XSS攻击及其漏洞检测方法在面对多样化的攻击payload时其效果难以令人满意,需要大量人工参与,具有较大的主观性;而如CNN、RNN等深度学习方法只能单一地学习数据样本的空间特征或时序特征。提出一种基于残差网络和GRU的XSS攻击检测方法,在CNN基础上引入残差框架并与GRU相结合来学习数据的时空特征,且通过利用dropout来提高模型的泛化能力。面对日益复杂多变的XSS payload,参考字符级卷积建立一个字典对数据样本进行编码,从而保留了原始数据的特征并提高了整体的效率,再转化为二维空间矩阵,使得其满足CNN的输入要求。在Github数据集上的实验结果表明,该方法的准确率为99.92%,误报率为0.02%,相比于DNN方法的准确率提高11.09个百分点、误报率降低3.95个百分点,且其他评价指标均优于GRU、CNN等对比方法。     

基于SAW表面气液相效应和GC分离柱的气敏传感器的研究

限于传统涂敷敏感膜的声表面波（SAW）气敏传感器存在成膜困难和选择性差、重复性差以及再生性差等问题，本研究提出一种基于压电基底表面气体气液相转换效应机理的瑞利波传感器。首先建立了挥发性有机气体(VOCs)液相凝聚体薄层负载下的SAW波传模型，并仿真计算了其波传频散和波传衰减。然后在此基础上开发了一种基于瑞利声表面波传感器和气相色谱（GC）分离柱的便携式气体检测系统。最后实验论证了方案的可行性，初步的实验结果表明该系统具有分析时间短、选择性好、灵敏度高（可检测ppb浓度的混合VOCs）以及成本低等优势，因此其在痕量挥发性有机气体检测和分析应用上有良好的潜力和前景。     

基于改进LMD与GRU网络的短期燃气负荷预测

针对燃气负荷数据非线性、非平稳性的特点,本文提出一种基于改进的LMD算法与GRU神经网络的组合预测模型.模型首先利用改进后的LMD算法对燃气负荷数据进行序列分解,改进的LMD方法采用分段牛顿插值法代替传统的滑动平均值法来获得局部均值函数和包络估计函数,改善了传统LMD方法存在的过平滑问题.之后,再将得到的若干PF分量进行小波阈值去噪处理,获得有效的分量数据.最后,利用GRU神经网络分别预测各分量值,将它们相加得到最终的负荷预测值.仿真实验表明,提出的方法与单个GRU神经网络以及结合传统LMD算法的GRU网络相比,预测精度更高.     

LPG-based optical fibre sensor for acoustic wave detection

In this work, a long period grating (LPG)-based optical fibre sensor system has been designed and set up, following which it has been evaluated and optimized for acoustic wave detection. The device relies upon the interaction of the acoustic wave with a LPG placed between two pillars (with one being movable) and exposed to a range of representative acoustic waves generated by a loudspeaker placed at a known distance from the sensor thus created. Through determining the response both to the variation of the magnitude and the frequency of the acoustic signals generated by the loudspeaker, the long period grating-based sensor system created has been successfully characterized, showing clear sensitivities to specific acoustic frequencies, irrespective of the signal intensity variations. In addition, these frequencies are found to be closely related to the configuration of the LPG, i.e. the LPG bending curvature created which can be varied, in this laboratory set-up, by changing the distance between the pillars. The experimental results obtained are in good agreement with those obtained from a modified elastic string theory approach, and thus show potential for the use of LPG-based technique for acoustic wave detection in various media, to create a compact and easy to use sensor system.