公众号
网站访问量
数字经济发展对黄河流域城市能级影响机制研究
魏伟;金成功;张伟;为量化数字经济对黄河流域城市能级的影响，构建了数字经济和城市能级水平的综合评价体系，采用熵权法分别测度2012—2022年黄河流域数字经济和城市能级发展水平；运用固定效应模型和中介效应模型分析了黄河流域数字经济影响城市能级的传导路径，并进一步使用门槛效应模型研究数字经济对城市能级的作用机制。结果表明：1)黄河流域数字经济和城市能级发展水平整体呈增长趋势，数字经济赋能城市能级提升；2)数字经济可增加城市人均科研经费投入，进而促进城市能级提升；3)数字经济对城市能级提升的影响呈非线性。
基于深度抑郁特征编码网络的语音抑郁检测
李奇;姬生文;赵迪;武岩;奚洋;孟天宇;针对语音抑郁数据集存在的特征冗余问题，提出基于深度抑郁特征编码网络(deep depression feature encoding network, D-DFENet)的语音抑郁检测方法。首先，利用Wav2vec2.0预训练模型提取语音潜在表征。其次，设计一种卷积变分自编码器模块，通过引入变分自编码器机制以实现特征空间降维，并在编码器的多层结构中逐层嵌入卷积神经网络，旨在有效滤除语音潜在表征中与抑郁状态无关的冗余或干扰信息。最后，在DAIC-WOZ数据集上进行模型性能评估。实验结果表明，当D-DFENet的特征维度降至128时，检测精度可达到90%,在分类准确率上优于现有方法。
基于贝叶斯优化WGAN-GP的fNIRS数据增强与情绪识别
李修军;葛雄心;杨菁菁;因收集大量功能性近红外光谱(functional near-infrared spectroscopy, fNIRS)情绪数据的过程漫长且烦琐，导致数据量有限，从而影响深度学习分类模型的训练和准确性，提出一种基于贝叶斯优化梯度惩罚的Wasserstein生成对抗网络(Bayesian optimization with gradient penalty for Wasserstein generative adversarial network, BO-WGAN-GP)进行数据增强的方法。在不同分类模型上，对原始数据与生成数据混合后的数据进行大量情绪分类实验，并与其他生成对抗网络模型进行比较。实验结果表明，BO-WGAN-GP模型生成的数据在fNIRS情绪识别方面表现最佳，氧合血红蛋白(oxyhemoglobin, HbO2)和脱氧血红蛋白(deoxyhemoglobin, HbR)指标的平均分类准确率分别达到了97.92%和99.31%。
具有可解释性的DRWT-Trans轴承故障诊断方法
刘晶;王梓玄;牛巍;季海鹏;武优西;基于深度学习的轴承故障诊断方法面对复杂噪声工况数据时，存在特征充分提取难以实现、决策过程缺乏可解释性的问题。针对上述问题，提出一种具有可解释性的轴承故障诊断方法。首先，提出自适应小波去噪特征融合网络模块，通过离散小波分解并引入软阈值机制，在实现滤波去噪的同时结合网络结构优势充分提取故障数据的局部和全局特征信息；其次，设计特征信息可解释模块，通过对模型的特征提取，决策过程进行可解释分析，提高了模型内部决策机制的透明性；最后，在凯斯西储大学数据集和某工厂减速机实际工况数据集上进行了验证。
融合多策略的哈里斯鹰优化算法求解Steiner树问题
王晓峰;王军霞;彭庆媛;华盈盈;何飞;唐傲;针对传统哈里斯鹰优化算法在解决图的Steiner树问题(Steiner tree problem of graph, GSTP)时存在种群分布不均匀、探索与开发阶段难以平衡以及易陷入局部最优的情况，提出一种融合多策略的哈里斯鹰优化算法。首先，通过S型函数对算法进行离散化处理，并引入Logistic-Sine混合混沌映射，以优化种群初始化过程。其次，设计了动态自适应权重策略，增强猎物逃逸能量的非线性表达，从而进一步平衡探索与开发行为。最后，在迭代后期对最优个体进行自适应高斯—柯西混合变异扰动，以防止种群过早收敛于局部最优。在多个GSTP实例上进行实验，结果表明，所提算法求解精度更高，收敛速度更快。
基于GCN的IOTA寄生链检测
刘韦淇;侯永超;木又青;丁智颖;刘明灏;赵金东;随着物联网技术的不断发展，确保物联网环境中的交易安全至关重要。Internet of Things application(IOTA)网络作为一种专为物联网设计的分布式账本技术，在处理海量设备间交易时尤为重要。寄生链攻击作为一种常见的攻击方式，通过在IOTA主缠结(Tangle)中认证非法交易，严重威胁了网络的安全性能。为应对这一问题，提出一种基于图卷积神经网络(graph convolutional network, GCN)的方法来检测IOTA网络中的寄生链交易。通过分析正常交易与寄生链交易的行为差异，提出四个属性为交易的特征值，以反映两者之间的差异。根据寄生链攻击规则，构建多个包含寄生链的模拟IOTA网络并生成数据集，通过训练后的模型对交易节点进行分类，从而识别恶意节点。实验结果表明，模型在检测恶意交易方面的准确率超过80%,可以有效检测网络中存在的寄生链交易。
