排序方式： 共有5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.
低轨卫星通信网络具有流量分布不均、地面站分布不均且网络负载随时间变化等特点。卫星与就近地面站间的数据传输将会导致空间段动态漏斗型拥塞,进而引发馈线拥塞并劣化端到端通信指标。提出基于区域分流的多径搜索负载均衡路由算法（regional-traffic-detour multipath search load balancing routing algorithm,RMLBR）,RMLBR根据卫星网络状态及目的节点距离计算转移概率,以实现区域分流,并以时延为约束进行多径搜索获得最佳路径及备选路径以缓解动态漏斗型拥塞。仿真结果表明,与交通灯智能路由策略（traffic-light based intelligent routing strategy,TLR）和显式负载均衡算法（explicit load balancing,ELB）相比,RMLBR可以有效地缓解漏斗型拥塞,降低端到端延时延及丢包率,并缩小高流量区域范围。 相似文献
3.
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
4.
在低轨卫星物联网系统中,卫星感知的频谱数据空间分辨率低,空间电磁环境的细节难以分析。针对该问题,提出将频谱的空间分布情况以二维图像形式处理,根据空间频谱感知数据的特点采用适当的图像超分辨率重建算法,提高了频谱的空间分辨率,增强了频谱态势中的细节。仿真结果表明,根据灰度值可以从图像中直接观察信号的存在性,并且依据频谱数据图像特点选择的双三次插值、基于L1范数先验的贝叶斯方法和基于匹配图像块的学习方法都有效地提高了频谱数据的空间分辨率,用PSNR评价时,基于L1范数先验的重建算法效果更好,但是基于匹配图像块的学习方法增强了频谱感知数据中的波纹,从视觉上看,提高细节效果略优。 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
1