面向融合网络的广电双向接入网入侵检测系统

针对广电接入网边界缺乏安全防护措施的现状,提出一种面向融合网络的广电接入网入侵检测系统,并实例化为SunGnet703,可检测并实时阻断进出接入网边界的各类网络攻击.系统具有“非配合”部署、高可靠性运行、“隐形”确保自身安全、全维数据分析4个特点,可为广电接入网边界提供一种简便易行的安全防护方法和实际系统.     

人工智能对汽车专业就业影响及对策研究

随着科技革命快速发展,人工智能已经渗入到我们生活的各个领域。交通工具革新,自动驾驶技术,智能网联汽车投入运用,人工智能将对于现时代下高校毕业生就业也产生了很大的影响。本文研究探讨人工智能对汽车专业就业的影响及对策研究,分析了当前汽车专业中存在的问题及不足,据此提出针对性的应对策略,协同推动人工智能技术进步与经济增长和高校毕业生就业质量提升。     

基于激光雷达的火箭推进剂加注机器人姿态估计研究

针对运载火箭发射中燃料推进剂加注环节中的自动对接需求,提出了一种基于单线激光雷达识别人工信标的姿态估计算法。通过电机带动二维激光雷达旋转,采集环境三维点云信息,通过所提算法从中识别出具有特殊几何形状的目标板来确定加注机器人与箭体活门之间的相对姿态,并实现机器人基于人工信标的姿态估计。最后通过实验验证了所提算法的可靠性与准确性。     

基于人工蜂群支持向量机的电动汽车制动意图识别方法

在电动汽车再生制动系统中,根据驾驶员不同的制动意图制定对应的再生制动控制策略可以有效地提高汽车的制动安全性、舒适性和经济性,而准确并快速识别驾驶员制动意图是制定控制策略的基础。以准确并快速识别驾驶员的制动意图为主要目标,以搭载线控制动系统的电动汽车为研究对象,设计并实现了一种基于人工蜂群支持向量机（ABC-SVM）的驾驶员制动意图在线识别方法。首先对制动数据进行预处理,用近邻成分分析（NCA）特征选择算法选取有效特征,再用ABC-SVM算法建立制动意图识别模型,最后进行在线识别。离线验证和在线试验结果表明,NCA算法能有效筛选掉信号噪声导致的不相关特征;相比于模糊推理、反向传播（BP）算法、粒子群优化支持向量机（PSO-SVM）和遗传算法支持向量机（GA-SVM）识别算法,ABC-SVM算法能够更加准确、快速地识别驾驶员的制动意图。     

面向云服务平台的产品感性评价及标注模型

为消除产品设计方案评价过程中个体评价标准的差异,同时进一步提升产品设计方案的评价效率和精度,提出一种基于YOLOv3和DFL-CNN的设计方案智能评价模型。该模型面向工业设计云服务平台,通过基于Darknet-53的YOLOv3算法实现对产品类别的自动标注。以吹风机产品为例,构建了感性语义评价数据集,并通过基于VGG-16的DFL-CNN算法对其造型语义进行细粒度分类,实现了产品类别及其造型感性语义的自动标注。该模型将设计评价问题转换为识别及分类问题,能够实现毫秒级的设计方案评价效率及95%以上的评价精度。最后,通过与不经过YOLOv3的DFL-CNN以及DFL-CNN的基础网络VGG-16进行对比实验,证明了所提模型的有效性及优越性。     

Neural approach for temperature‐dependent modeling of GaN HEMTs

Gallium nitride high electron‐mobility transistors have gained much interest for high‐power and high‐temperature applications at high frequencies. Therefore, there is a need to have the dependence on the temperature included in their models. To meet this challenge, the present study presents a neural approach for extracting a multi‐bias model of a gallium nitride high electron‐mobility transistors including the dependence on the ambient temperature. Accuracy of the developed model is verified by comparing modeling results with measurements. Copyright © 2014 John Wiley & Sons, Ltd.     

人工神经网络模型在应对城市内涝中的应用

现在城市排水系统的规划和运营管理一般不考虑城市下游受纳水体变化的影响,这也是国内城市内涝频发的原因之一。目前,越来越多的城市应用模型来应对城市内涝,模型中受纳水体的水位一直以来都是利用经验设定一个恒定值。本文利用ANN(人工神经网络)技术,以城市上游观测站的实测水位为输入,以城市未来某时段的水位为目标选择合理的参数,建立了预测河流水位模型。利用更准确的动态预测值代替恒定值,可以提高城市排水系统水力模型的精度。选择某地区水位站的资料,对预报模型进行了检验,结果表明,在合理选择输入层数据和预测时间段的条件下,可以取得很好的预报结果。     

An artificial neural network model for the prediction of critical submergence for intake in a stratified fluid medium

Density differences may occur because of temperature differentials, suspended sediments, dissolved salts or other chemicals. Most of the large surface reservoirs are stably stratified throughout most, or all, of the year. One of the means of assisting the management is to allow a selective withdrawal from the reservoir. And while an intake is used for withdrawal (from the lower layer), a maximum discharge is required not allowing the uptake of the upper layer fluids. The value of the intake's vertical distance from the upper layer elevation (submergence) when the upper layer fluids begin to be drawn into the intake is known as ‘critical submergence’. In this study, the critical submergence for a circular intake pipe in a stratified body (which has different layer thickness) is investigated. Experiments were conducted on a vertically flowing downward intake pipe in a still-water reservoir. Artificial neural network (ANN) models and formulas, which are found by the theoretical analysis of critical spherical sink surface (CSSS), are used for the analysis of experimental results. The CSSS has the same centre and discharge as the intake. The ANN model and CSSS results are compared with the experimental results.