【摘 要】
:
物联网在现代社会得到了广泛的部署,比如消防预警、边境反恐和智慧农业等,这些应用要求物联网具有较低的数据延迟和较高的生命周期。无标度物联网模型可以抵抗节点由于能源耗尽和硬件故障发生的随机损耗,而在针对网络中关键节点的恶意攻击下却十分脆弱。因此,提升无标度物联网的鲁棒性,维持网络在恶意攻击下的连通性极其重要。神经网络模型对于序列建模任务具有极强的特征提取能力。将拓扑鲁棒性优化问题转化为序列预测任务可以
论文部分内容阅读
物联网在现代社会得到了广泛的部署,比如消防预警、边境反恐和智慧农业等,这些应用要求物联网具有较低的数据延迟和较高的生命周期。无标度物联网模型可以抵抗节点由于能源耗尽和硬件故障发生的随机损耗,而在针对网络中关键节点的恶意攻击下却十分脆弱。因此,提升无标度物联网的鲁棒性,维持网络在恶意攻击下的连通性极其重要。神经网络模型对于序列建模任务具有极强的特征提取能力。将拓扑鲁棒性优化问题转化为序列预测任务可以在不损失优化效果前提下,提升优化效率。因此,本文基于监督学习任务提出一种新的鲁棒性优化策略,该策略包含数据集生成和处理、模型训练和预测拓扑重构三个阶段。首先通过多种群遗传算法生成拓扑样本数据集,在数据集预处理中将网络连接关系转化为适合特征提取的序列模型。为提取脆弱的初始拓扑和高鲁棒性的目标优化拓扑间的映射关系,该策略采用卷积神经网络来学习数据集中鲁棒网络的结构特征。另外,结合网络连接关系设计模型的经验损失函数和优化效果衡量指标用于模型的训练和筛选。最终,充分考虑到物联网中节点的度数和通信能力约束,设计预测拓扑重构算法将得到的预测拓扑序列还原为物联网连接关系。该鲁棒性优化策略在提供高效的鲁棒性优化服务同时,不改变物联网拓扑的无标度分布特性。本文采用的神经网络模型在学习鲁棒拓扑结构特征时能以较少的迭代次数收敛,并且实现和目标算法近似的优化效果。通过对本策略预测拓扑分析,发现其和目标拓扑具有类似的极其鲁棒的类洋葱头结构。另外,同Hill-Climbing算法和Simulated-Annealing算法相比,本策略不仅在优化效果上有显著提升,而且极大的降低优化所需时间。因此,该策略可以实现以较少的时间开销优化无标度物联网对恶意攻击的抵抗能力。
其他文献
近年来,随着网络和传感器技术的快速发展,在金融、医疗和气象学等众多领域都产生了大量的数据。由于测量误差、网络传输延迟以及数据隐私性等问题的存在,在测量和收集数据的过程中一些数据无法得到准确的值,只能得到概率性的结果,这就形成了不确定数据。云计算技术为数据的存储和处理提供了便利,但其所导致的数据安全和隐私泄露问题不容忽视。考虑到数据的隐私和安全性问题,用户通常在外包数据前对其进行加密,但这使得云服务
《粤港澳大湾区发展规划纲要》明确指出:以深圳、东莞为核心,在珠江东岸打造具有全球影响力和竞争力的电子信息等世界级先进制造业产业群。研究粤港澳大湾区电子信息产业集群发展状况及未来发展策略有助于上述目标的实现。本文采用理论与实证相结合的方法,通过查阅文献、问卷调查等方式,探究粤港澳大湾区电子信息产业的发展现状以及优劣势。
跨模态图片生成网络可以根据文本描述直接生成相应的图片,极大地扩展了计算机视觉的应用范围,可用于跨模态检索、艺术创作、犯罪图像生成和数据集生成等领域。随着5G技术在人机交互、医疗保健、智慧城市等领域的兴起,各项人工智能技术在移动终端部署的需求也不断增长,但现有的跨模态图片生成模型架构复杂、参数量多,难以被部署在计算资源有限的移动端以发挥其应用价值。因此,本文基于Canonical Polyadic
雨是常见的恶劣天气现象,会严重降低采集到的视频图像质量,影响户外视觉系统对自然场景内容的有效提取。近年来对高质量视频的迫切需求,使视频去雨任务引起广泛的关注,并且成为当下研究的热点之一。目前针对视频去雨任务的方法大致能分为两类:基于传统物理模型驱动的算法和基于神经网络的算法。视频中所包含的信息繁多,传统模型的方法需要建立复杂的先验约束刻画该任务模型,所含参数量过于庞大。深度学习的方法虽然一定程度上
在软件的整个生命周期过程中,为了满足用户不断变化的产品需求,开发人员经常经常在时间压力下进行软件升级与维护,从而导致代码异味的产生。通常,这些异味会对软件造成极大的隐患,引起了学术界和工业界的高度关注。继承冗余是危害最严重的代码异味之一,并且在代码中出现的频率较高。然而,此种异味却很少被研究,主要因为存在两个挑战:(1)数据集的缺失(2)继承冗余代码异味的检测规则较难设计。针对上述问题,本文提出了
5G通信技术以低延迟的技术特性为物联网海量设备的连接和实时控制提供了强有力的支持。物联网已被应用到各生产过程中来提高经济效益,但通信负载的不均衡使部分节点快速消耗大量能量,严重制约着网络性能的进一步提升。因此,如何构建一个负载均衡的物联网异构拓扑结构已成为关键问题。多汇聚节点网络已被证明可以有效避免能量空洞问题。通过在网络中部署多个汇聚节点,可以有效减轻单汇聚网络中靠近汇聚节点的部分节点上的数据压
SQL语句的测试用例生成工作是软件工程领域中一项重要而又具有挑战性的任务。由于以数据库为中心的应用程序在生产生活中的重要性,SQL语句的测试用例生成已经引起了广泛的关注。其主要的目标是,构建一组测试数据库,用于满足指定的覆盖准则。然而,由于SQL语句本身的复杂性,为SQL语句生成测试用例将是一项非常困难和耗时的工作。现有的研究大都将该问题建模为单目标优化问题,并采用单目标方法进行求解。然而,由于对
图像融合是信息处理领域的重要课题,旨在从信息互补的两张或多张图像中提取出完整的视觉信息,融合生成一张信息丰富、边缘清晰的图像。融合图像更符合人眼视觉系统感知习惯,并能够为后续的计算机视觉感知提供易于辨别的特征。图像融合任务的挑战在于如何在融合图像中保留显著且完整的源图像信息。近年来,随着卷积神经网络技术的快速发展,图像融合技术取得了令人瞩目的进步,但是大部分的方法仅仅局限于处理单一的图像融合任务,
对于高校学生来说,除了学习以外还有其他的业余活动,有的学生有丰富的兴趣爱好,还有的学生兴趣爱好比较匮乏。在心理学中,兴趣作为人们内在的一种力量,对个人未来的发展起重大影响。通过调研发现,当前关于学生兴趣的研究大多基于社交网络或者单一维度特征,很少从多元特征出发对学生兴趣进行研究,本文基于教育数据从多元特征出发对学生兴趣进行了研究。本文首先对学生数据进行了分析,希望从海量数据集中挖掘有效的学生兴趣信
3D打印在不同领域得到了广泛应用。路径规划是3D打印过程中的一个重要环节,优化路径规划方法不仅可以提高成型质量,还可以提高打印效率。然而,传统路径规划方法在打印复杂薄壁结构时效果不理想。本文首先利用强化学习的智能性,提出了一种基于Q-learning的适用于复杂薄壁结构的路径规划方法。首先将强化学习中的路径规划任务转换为全遍历问题,以提高打印效率和成型质量为优化目标,即最小化打印头的总启停次数和转