为提高无线传感网络的数据传输效率和整体性能,需要对发生拥塞的网络路径展开疏导。因此,提出了分级多层无线传感网络共享数据通路疏导方法。建立分级多层无线传感网络拓扑结构和能耗模型,计算无线传感网络总能耗,获取网络的运行状态;...为提高无线传感网络的数据传输效率和整体性能,需要对发生拥塞的网络路径展开疏导。因此,提出了分级多层无线传感网络共享数据通路疏导方法。建立分级多层无线传感网络拓扑结构和能耗模型,计算无线传感网络总能耗,获取网络的运行状态;对网络节点的拥塞指数展开计算,确定拥塞节点;在拥塞节点位置展开分流调节,根据节点拥塞指数、传输时延、吞吐量和剩余能耗确定理想最优和最差分流节点,并基于逼近理想解排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)计算网络中节点与理想分流节点的综合贴近度,将贴近度最大的节点作为下一跳节点,以此完成通路的疏导。仿真结果表明,所提方法的传输时延整体低于0.35 ms,吞吐量保持在3500 kbit,且节点平均拥塞值低于0.2。展开更多
在资源受限的水声网络中,使用软频率复用技术和自适应资源分配技术可以提高网络容量和能量效率。然而,水声信道的长传播时延和时变特性导致用于自适应技术的反馈信道状态信息(Channel State Information, CSI)是时变且过时的。非理想的...在资源受限的水声网络中,使用软频率复用技术和自适应资源分配技术可以提高网络容量和能量效率。然而,水声信道的长传播时延和时变特性导致用于自适应技术的反馈信道状态信息(Channel State Information, CSI)是时变且过时的。非理想的反馈CSI会降低自适应系统的性能。针对该问题,提出了一种基于多智能体深度Q网络的资源分配(Multi-agent Deep Q Network Based Resource Allocation, MADQN-RA)方法。该方法将水声软频率复用网络视为多智能体系统,并使用过时的反馈CSI序列作为系统状态。通过建立有效的奖励表达式,智能体可以跟踪时变时延水声信道的变化特性并做出相应的资源分配决策。为了进一步提高智能体的决策准确度,同时避免状态空间维度增大时的部分学习成本,结合动态状态长度方法改进了MADQN-RA。仿真结果表明,所提方法实现的系统性能优于基于其他学习的方法和基于信道预测的方法,且更接近理论最优值。展开更多
黏土矿物是广泛存在于沉积盆地中的含水铝硅酸盐矿物,通过扫描电子显微镜(scanning electron microscopy,SEM)获取黏土矿物在此基础上进行识别,需要获取黏土矿物的多样性和易于分辨的特征信息,然而卷积神经网络其特征提取能力仍存在不足...黏土矿物是广泛存在于沉积盆地中的含水铝硅酸盐矿物,通过扫描电子显微镜(scanning electron microscopy,SEM)获取黏土矿物在此基础上进行识别,需要获取黏土矿物的多样性和易于分辨的特征信息,然而卷积神经网络其特征提取能力仍存在不足,特征表达能力亟须增强。底层特征通常包含了图像的基本信息和细节,高层次的特征图抽象程度较高,包含了更为抽象化的信息。因此提出了一种以Res2Net50为主干网络,引入高效通道注意力(efficient channel attention,ECA)模块使模型更关注底层特征,从而提升模型性能,最后一层采用多头注意力(multi-head self-attention,MHSA)模块学习到不同层次的特征表示。采用混合方式同时利用了CNN的特征提取能力、Transformer的内容自注意力机制提升模型的特征表达能力,取得了优于Res2Net50的性能。结果表明:提出的EM-Res2Net(ECA-MHSA-Res2Net50)对128×128像素输入的矿物识别效果更为理想,经测试识别准确率为92.85%,通过与其他模型对比分析,该研究结果证明引入ECA模块和MHSA模块后的模型能够充分提取图像的特征,具有更高的准确率和时效性。展开更多
目前的脑电(EEG)情感识别模型忽略了不同时段情感状态的差异性,未能强化关键的情感信息。针对上述问题,提出一种多上下文向量优化的卷积递归神经网络(CR-MCV)。首先构造脑电信号的特征矩阵序列,通过卷积神经网络(CNN)学习多通道脑电的...目前的脑电(EEG)情感识别模型忽略了不同时段情感状态的差异性,未能强化关键的情感信息。针对上述问题,提出一种多上下文向量优化的卷积递归神经网络(CR-MCV)。首先构造脑电信号的特征矩阵序列,通过卷积神经网络(CNN)学习多通道脑电的空间特征;然后利用基于多头注意力的递归神经网络生成多上下文向量进行高层抽象特征提取;最后利用全连接层进行情感分类。在DEAP(Database for Emotion Analysis using Physiological signals)数据集上进行实验,CR-MCV在唤醒和效价维度上分类准确率分别为88.09%和89.30%。实验结果表明,CR-MCV在利用电极空间位置信息和不同时段情感状态显著性特征基础上,能够自适应地分配特征的注意力并强化情感状态显著性信息。展开更多
文摘为提高无线传感网络的数据传输效率和整体性能,需要对发生拥塞的网络路径展开疏导。因此,提出了分级多层无线传感网络共享数据通路疏导方法。建立分级多层无线传感网络拓扑结构和能耗模型,计算无线传感网络总能耗,获取网络的运行状态;对网络节点的拥塞指数展开计算,确定拥塞节点;在拥塞节点位置展开分流调节,根据节点拥塞指数、传输时延、吞吐量和剩余能耗确定理想最优和最差分流节点,并基于逼近理想解排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)计算网络中节点与理想分流节点的综合贴近度,将贴近度最大的节点作为下一跳节点,以此完成通路的疏导。仿真结果表明,所提方法的传输时延整体低于0.35 ms,吞吐量保持在3500 kbit,且节点平均拥塞值低于0.2。
文摘在资源受限的水声网络中,使用软频率复用技术和自适应资源分配技术可以提高网络容量和能量效率。然而,水声信道的长传播时延和时变特性导致用于自适应技术的反馈信道状态信息(Channel State Information, CSI)是时变且过时的。非理想的反馈CSI会降低自适应系统的性能。针对该问题,提出了一种基于多智能体深度Q网络的资源分配(Multi-agent Deep Q Network Based Resource Allocation, MADQN-RA)方法。该方法将水声软频率复用网络视为多智能体系统,并使用过时的反馈CSI序列作为系统状态。通过建立有效的奖励表达式,智能体可以跟踪时变时延水声信道的变化特性并做出相应的资源分配决策。为了进一步提高智能体的决策准确度,同时避免状态空间维度增大时的部分学习成本,结合动态状态长度方法改进了MADQN-RA。仿真结果表明,所提方法实现的系统性能优于基于其他学习的方法和基于信道预测的方法,且更接近理论最优值。
文摘目前的脑电(EEG)情感识别模型忽略了不同时段情感状态的差异性,未能强化关键的情感信息。针对上述问题,提出一种多上下文向量优化的卷积递归神经网络(CR-MCV)。首先构造脑电信号的特征矩阵序列,通过卷积神经网络(CNN)学习多通道脑电的空间特征;然后利用基于多头注意力的递归神经网络生成多上下文向量进行高层抽象特征提取;最后利用全连接层进行情感分类。在DEAP(Database for Emotion Analysis using Physiological signals)数据集上进行实验,CR-MCV在唤醒和效价维度上分类准确率分别为88.09%和89.30%。实验结果表明,CR-MCV在利用电极空间位置信息和不同时段情感状态显著性特征基础上,能够自适应地分配特征的注意力并强化情感状态显著性信息。
