排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
DNN芯片作为星载芯片应用到卫星系统中时会受到太空辐照的影响,其中单粒子翻转对存储单元的干扰会使得存储器单元的参数出现错误,该错误映射到神经网络中会造成神经网络最后的输出结果出现偏差。结合单粒子翻转概率模型,对用于网络推断的神经网络的权值参数进行注错后分析实验结果准确率,从激活函数的非线性特性分析并通过实验验证具有双边抑制效果的函数容错能力更强。进一步在网络卷积层后加入BN层和在训练过程中考虑L2正则化提高网络的容错能力,并通过实验验证其可行性。 相似文献
2.
针对低轨道(LEO)通信卫星的特点,进行星载多波束天线的系统级分析和规划.首先,对天线体制选择多波束天线的原因进行了论述.基于卫星覆盖范围的指标,进行了7波束等覆盖面积方案下波束指标的计算,给出了波束宽度、夹角等系统指标.然后对阵列天线方案进行了详细论述.最后对波束形成方案以及复用方案进行了设计和分析. 相似文献
3.
论文以低轨卫星信道为例,给出一种适用于大频偏条件下突发通信系统直接扩频序列混合并行捕获结构,分析了预检测积分时间和判决门限对平均捕获时间的影响,提出了在门限信噪比下以平均捕获时间最小为原则的预检测积分时间和判决门限参数最优设置方案。 相似文献
4.
空间辐照干扰尤其是单粒子翻转（SEU）效应对神经网络芯片的正常稳定运行造成很大影响,它会导致存储在芯片SRAM存储器的权重参数随机发生比特位翻转,进而神经元的权重参数值发生变化,直接影响神经网络芯片输出的准确度。在分析现有的一些抗辐照干扰方法基础上,针对芯片硬件开销、恢复时间与处理速度的问题,利用软件仿真研究在不同比例权重参数出错的情况下神经网络的测试准确度,就结果准确度下降的情况,采用dropout算法构建新的网络框架,以一定概率屏蔽受到SEU影响的神经元。仿真实验结果表明,该方法可以提升受SEU干扰神经网络的准确度。 相似文献
5.
针对网络入侵检测过程中无法有效处理入侵数据中分类变量的表示，导致网络入侵检测准确率低、漏报率高等问题，提出一种基于实体嵌入和长短时记忆网络（long short-term memory network，LSTM）相结合的网络入侵检测方法。首先，在数据预处理时，将表示网络特征数据中的数值型变量和分类型变量数据分开，通过实体嵌入方法将分类型变量数据映射在一个欧几里得空间，得到一个向量表示，再将这个向量嵌入到数值型数据后面得到输入数据。然后，通过把数据输入到长短时记忆网络中去训练，通过时间反向传播更新参数，得到最优嵌入向量作为输入特征的同时，也得到一个相对最优的LSTM网络的检测模型。在数据集NSL-KDD上进行实验验证，结果表明实体嵌入是一种有效处理网络入侵数据中分类变量的方法，它和LSTM网络相结合组成的模型能够有效提高入侵检测率。在数据预处理时对分类变量的处理中，实体嵌入方法与传统的One-Hot编码方法相比，检测的准确率提高1.44个百分点，漏报率降低2.99个百分点。 相似文献
6.
论文以低轨卫星信道为例，给出一种适用于大频偏条件下突发通信系统直接扩频序列混合并行捕获结构，分析了预检测积分时间和判决门限对平均捕获时间的影响，提出了在门限信噪比下以平均捕获时间最小为原则的预检测积分时间和判决门限参数最优设置方案。 相似文献
7.
针对低轨道(LEO)通信卫星的特点,进行星载多波束天线的系统级分析和规划.首先,对天线体制选择多波束天线的原因进行了论述.基于卫星覆盖范围的指标,进行了7波束等覆盖面积方案下波束指标的计算,给出了波束宽度、夹角等系统指标.然后对阵列天线方案进行了详细论述.最后对波束形成方案以及复用方案进行了设计和分析。 相似文献
1