Global Exponential Stability of Hybrid Non-autonomous Neural Networks with Markovian Switching

Neural Processing Letters - This paper discusses the global exponential stability for a class of hybrid non-autonomous neural networks (HNNNs) with Markovian switching, which includes the factors...     

ICFR: An effective incremental collaborative filtering based recommendation architecture for personalized websites

World Wide Web - To solve the problem that users’ retrieval intentions are seldom considered by personalized websites, we propose an improved incremental collaborative filtering (CF)-based...     

基于传统清管球接收器的滤杂防堵工艺设计

清管球回收操作过程中,清管球接收器的泄压、排液和惰化导致泥、砂、垢等杂质积聚在清管球接收器中,并随油气物流进入闭排系统管线,造成杂质流失、闭排系统管线堵塞和压力无法完全释放,影响对海底油气管道腐蚀、析蜡、结垢及地层出砂等情况的判断,存在很大的安全隐患。通过对清管球接收器实施工艺改造,使清管球接收器具备滤杂防堵功能和自动取样功能,有效解决了闭排管线堵塞、杂质流失和安全隐患问题。该工艺研究对于海上油气田海底管线的运营和维护具有较高的借鉴意义。     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

短寿命核素气溶胶监测相关问题探讨

目前的放射性气溶胶连续监测仪或连续空气监测仪,都是针对长寿命的α放射性核素(如U,Pu)或β放射性核素(如¹³⁷Cs,⁹⁰Sr),因而在采样测量过程中都不考虑被监测核素的衰变修正。但是,包括核电站在内的具有反应堆运行的核设施,对某些短寿命放射性核素(如⁸⁸Rb,¹³⁸Cs 以及¹⁸F等)的气溶胶监测也是重要的。本文针对短寿命核素气溶胶监测中的有关问题进行讨论,提出了相关的可供监测仪器报告监测结果的实际可行的数据处理方法。     

PWR堆芯燃料组件非线性梁模型研究

为描述燃料组件的非线性特性，采用有限元方法建立燃料组件横向梁模型，并引入迟滞模型，用于模拟燃料组件横向变形时的非线性效应。计算结果表明:该非线性梁模型能够更准确地获得组件的弯曲变形和受力，有助于开展燃料组件事故分析。      

Low-complexity transmit antenna selection algorithm formassive MIMO

Massive multiple input multiple output (MIMO) systems can increase capacity and reliability greatly. However,extremely high hardware costs and computational complexity lead to the demand for reasonable antenna selection.Aiming at the problem that the traditional antenna selection algorithm based on maximizing sum capacity has largecomplexity and worse bit error rate (BER) performance, a two-step selection algorithm is proposed, which selectsa part of the antennas based on the norm-based antenna selection (NBS) firstly, and then selects the antenna basedon maximizing capacity via convex optimization. The simulation results show that the improved algorithm has betterBER performance than the traditional algorithms. At the same time, it reduces computational complexity greatly.