久久夜色精品-久久亚洲最大成人网4438-久久亚洲综合伊人-久久亚洲综合-欧美日韩成人在线-欧美日韩成人高清在线播放

為有效降低城市交通干線的車均延誤與停車次數，將深度Q網絡引入干線協調控制，給出了一種干線動態協調控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結合雙重深度Q網絡與基于競爭架構深度Q網絡，并將干線作為整體處理，通過深度神經網絡挖掘干線各交叉口協調控制的相關性，基于Q學習進行交通信號控制決策。通過仿真實驗，在近飽和流量和干線存在初始排隊的情況下，將DDDQN方法與現有綠波方法，以及經典深度Q網絡、雙重深度Q網絡、基于競爭架構深度Q網絡的干線協調控制算法進行對比，實驗結果表明基于DDDQN的干線動態協調控制算法性能優于其他四種方法。

近年來，針對行人重識別問題的深度學習技術研究取得了很大的進展。然而，在解決實際數據的特征樣本不平衡問題時，效果仍然不理想。為了解決這一問題，設計了一個更有效的模型，該模型很好地解決了目標的不同姿態的干擾以及數據集中的圖片數量不足的問題。首先，通過遷移姿態生成對抗網絡生成行人不同姿勢的圖片，解決姿態干擾及圖片數量不足的問題。然后利用兩種不同的獨立卷積神經網絡提取圖像特征，并將其結合得到綜合特征。最后，利用提取的特征完成行人重識別。采用姿勢轉換方法對數據集進行擴展，有效地克服了由目標不同姿勢引起的識別誤差，識別錯誤率降低了6%。實驗結果表明，該模型在Market-1501和DukeMTMC-Reid上達到了更好的識別準確度。在DukeMTMC-Reid數據集上測試時，Rank-1準確度增加到92.10%，mAP 達到84.60%。

為了解決步態信息冗余多、特征重要性分布不均勻以及步態的時空特征難以學習的問題，提出了基于頻域注意力的時空卷積網絡進行步態識別。該方法改進了三維卷積網絡(C3D)學習時空特征，同時提出了一種頻域注意力卷積操作，既減少了冗余計算，注意力的調整又提高了學習效果。網絡首先將步態信息劃分為五組，然后通過改進的卷積進行時空特征抽取，最后通過Softmax層進行分類。在中科大數據集CASIA dataset B中進行測試，在Bag狀態與Coat狀態下準確率分別為88.5%、92.8%，分別較傳統深度卷積網絡(Deep CNN)提升3%左右，同時注意力在網絡學習中重新分布，各個角度下的準確率也平均提升2%左右。

人眼定位是疲勞駕駛的研究關鍵。由粗到精，先后進行了人臉檢測、瞳孔定位。針對現有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權的HOG特征提取算法，該算法將待分類的人臉特征進行信息熵閾值加權，形成新的HOG特征，然后通過支持向量機進行分類；針對現有瞳孔定位算法準確率不高的問題，提出了多算法協同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點，實現了眼部區域光照不變性，以灰度積分投影為依據實現了瞳孔精確定位。實驗結果表明，該文提出的人臉檢測算法在CelebA驗證數據集準確率可達到98.26%，較傳統識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度，提高了瞳孔定位的準確性。

基于深度學習的方面級情感分析，結合注意力機制的神經網絡模型取得較好的分類效果，但常用方法僅考慮單一層面注意力機制，且無法獲取句子間依賴關系。設計了一種層次化的雙注意力神經網絡模型用于方面級情感分析，針對特定方面引入方面目標的注意力機制以及文本上下文自注意力機制，獲取方面特征信息和句子的全局依賴信息；設計層次化GRU網絡，其中單詞層嵌入特定方面信息，獲取針對方面目標的句子內部特征信息，句子層網絡通過雙注意力機制和詞語層的輸入，獲取句子間的特征依賴信息，從而實現深層次的方面情感分類。在SemEval 2014兩個數據集和Twitter數據集上進行對比實驗，驗證了該方法的有效性，針對方面級情感，分類準確率均得到了有效提升。

針對深度學習在對外形類似物體的識別上存在著識別精度低、耗時長等問題，提出基于改進的LeNet-5的識別方法。在傳統LeNet-5網絡基礎上，將卷積層變為雙層非對稱卷積使網絡有更好的特征提取能力；通過批量歸一化提高網絡泛化能力；采用全局平均池化替代原Flatten層，用于克服傳統全連接層參數多、耗時長的缺點；通過對訓練集進行增廣增加訓練樣本。實驗結果表明，改進LeNet-5網絡的訓練精度達到91%，識別形狀類似物體的精度為87%，且能在較少迭代次數內收斂，這些指標均顯著優于原網絡。

如何維護網絡信息安全一直是IT行業重點關注的問題。滲透測試是一種常見的網絡安全評估方法，由于滲透測試所采用的安全工具過于繁雜，因此設計一個基于TrackRay的滲透測試平臺，內置有漏洞掃描器和Web服務接口，并集成和綜合多種安全工具的優點，功能強大，簡便易用。特別是支持Java、Python、JSON等方式編寫插件，調用各種類型插件來進行滲透測試，可移植性大大提高。經試驗結果表明，該滲透測試平臺搭建簡單方便，可運用于Windows和Linux等系統，并且可以進行靈活的編寫插件實現快速的Web安全漏洞檢測。

將可信計算技術應用于云計算環境中是保證云安全的有效途徑。針對國產可信計算的可信根可信密碼模塊(Trusted Cryptography Module，TCM)只適用于單機平臺，無法為多虛擬機的云平臺提供安全可信性保障的問題，對TCM的虛擬化方案進行研究，構建云可信根(Cloud TCM，C-TCM)架構。在C-TCM物理環境內部構造宿主可信根和虛擬可信根，分別為物理宿主機和虛擬機提供可信服務，同時在虛擬機監視器層部署虛擬可信根管理機制，實現虛擬可信根對C-TCM硬件資源的共享。該方案可有效保證云平臺的安全可信性。

基于國家安全和經濟發展的客觀需求，在安全產品中采用國密算法，確保網絡通信自主安全十分必要。通過將IPSec協議中的默認非對稱協商算法、哈希算法和對稱加密算法分別采用國密SM2、SM3、SM4算法替代，設計并實現基于Linux系統內核協議棧的IPSec VPN系統。實踐表明，采用國密算法能夠有效滿足IPSec VPN的需求。

隨著通信數據比特率不斷提升，PAM4(四階脈沖幅度調制)光發射機已經在超高速光纖通信系統中得到更廣泛的應用。設計了一種包含NRZ（非歸零）編碼-RZ（歸零）編碼轉換電路的PAM4光發射機，基于電流模邏輯增加了電路的工作速度和抗干擾能力。通過帶自偏置可控延時電路實現了NRZ編碼到RZ編碼的轉換，減小了長鏈路信號傳輸的色散效應。驅動器采用預驅動與主驅動級聯的方式增大電路驅動能力，并通過串聯電阻實現級間的共模電平匹配。電路設計采用0.13 μm SOI CMOS工藝，仿真結果表明在兩路輸入數據比特率為2.5 Gb/s，典型負載為25 Ω時，最大輸出電流為120 mA，電流脈沖寬度為125 ps，PAM4眼圖張開度良好。

對燃氣階梯計費的技術要求和技術條件進行分析和歸納，構建了一種階梯計費算法的技術模型。創新地提出了一種表內雙計費方案的設計方法，在燃氣表內設置兩套階梯計費方案，并根據方案的有效日期判別其中一套方案為當前運行方案，相比單方案設計，降低了計費方案修改、啟用、調價和實時時鐘校時等操作的復雜處理要求。最后，詳細分析了階梯計費燃氣表的功能需求、系統組成和計費測試方法，設計開發了一款具有實時階梯計費功能的CPU卡階梯計費燃氣表。

設計了一款應用于衛星導航系統的多頻圓極化天線。天線由微帶單元與螺旋單元構成，微帶單元采用疊層結構實現北斗一代收發L/S雙頻段覆蓋；螺旋單元采用四臂螺旋結構及多點饋電技術實現北斗B1和GPS L1頻段覆蓋。仿真結果表明，該天線各端口S11值低于-10 dB的帶寬為93 MHz(1 509～1 602 MHz)、12 MHz(1 610～1 622 MHz)和70 MHz(2 453～2 523 MHz)，天線在B1頻段、GPS L1頻段、北斗L頻段及北斗S頻段的增益分別為6.19 dB、6.13 dB、3.47 dB和5.64 dB。該天線具有方向圖波束寬度寬、相位中心穩定、低仰角增益高等特點，天線各項指標均滿足衛星導航系統對天線性能的要求。

針對飛機舵機電動伺服系統存在多余力矩干擾不易抑制的問題，根據系統結構組成及工作原理，建立了數學模型。設計了結合BP神經網絡的PID控制器參數整定、角速度前饋與力矩速度反饋的復合控制策略，提高了系統的穩定特性和加載精度。利用MATLAB仿真環境進行了系統動態特性實驗。仿真結果表明，該方法不僅能夠有效抑制多余力，而且使系統具有良好跟蹤效果，完全能夠達到控制性能指標的要求。

帶誤差約束的多智能體同步除了要求多智能體的狀態同步以外，同時還要求同步誤差受給定的界約束。針對期望實現誤差約束的未知非線性領航-追隨者多智能體系統，提出了一種分布式神經自適應同步控制方法。首先利用神經網絡近似智能體動力學方程中的未知非線性項，提出了一種新的分布式障礙Lyapunov函數來限制同步誤差，然后根據所提出的障礙Lyapunov函數，通過穩定性分析推導出分布式自適應控制律。最后給出了一個仿真實例，驗證了利用所提出的控制律可以實現同步誤差約束。