首页期刊导航|南京邮电大学学报（自然科学版）
期刊信息/Journal information
南京邮电大学学报（自然科学版）
南京邮电大学
南京邮电大学学报（自然科学版）

南京邮电大学

朱洪波

双月刊

1673-5439

xb@njupt.edu.cn

025-85866912

210023

南京市亚芳新城区文苑路9号

南京邮电大学学报（自然科学版）/Journal Journal of Nanjing University of Posts and Telecommunications(Natural Science)北大核心CSTPCD
查看更多>>本刊是我校主办的以通信技术、基础科学、邮电管理科学为主要内容的自然科学综合性学术期刊。主要刊登科研、教学及基础科学研究方面的成果，开展国内外学术交流。
正式出版
收录年代

    基于注意力机制及多分支特征融合的实时语义分割算法

    蒋锐陈儒娜王小明李大鹏...
    91-100页
    查看更多>>摘要：为了合理平衡语义分割中的精确度与实时性,基于快速卷积神经网络模型(Fast-SCNN)提出了一种基于注意力机制及多分支特征融合的实时语义分割算法模型.该算法模型首先通过注意力模块捕获空间特征之间的相互联系,增强空间细节信息;然后合理设计融合模块,最大化利用各分支信息,实现深层特征与浅层特征更好的融合;最后引入自适应特征增强注意力模块,捕获长距离像素间的相互依赖关系.实验结果表明,文中算法模型在Cityscapes数据集上获得了 71.55%的分割精度,推理速度FPS达到97.6 帧/s,模型参数量为 1.39 M,验证了该算法所构成网络模型的有效性.

    实时语义分割通道注意力空间注意力特征融合自适应注意力

      原文链接:
    • 万方数据
    • 维普

    深度学习在电力系统异常损耗数据识别中的应用研究

    徐欢杨秋勇邹文景钏涛...
    101-110页
    查看更多>>摘要：异常损耗是造成电网公司收入损失的主要原因之一,但极其庞大的数据规模给异常数据识别带来了挑战.文中提出了一种新的检测方法,利用混合深度神经网络自我学习特征,识别系统损耗中的异常情况.该方法只需要最小的输入数据和知识范畴,无需手动建立特征库.该方法包括一个长短期记忆网络和一个多层感知器网络.第一个网络分析原始的每日能源损耗历史,第二个网络则整合非时序数据,如合同电量或地理信息.用电网数据对该模型进行了训练和测试.结果表明,所提出的混合神经网络的性能明显优于其他异常数据识别方法,验证了所提出方法的有效性.

    深度学习数据管理异常识别

      原文链接:
    • 万方数据
    • 维普

    基于注意力机制的加密流量识别

    袁子豪张洁
    111-118页
    查看更多>>摘要：随着人们网络安全意识的提高,加密流量呈爆炸式增长,流量加密在保护用户隐私的同时,也为安全检测带来了新的挑战.针对传统基于机器学习的流量识别方法存在需要手动设计分类特征、分类准确率不高等问题,提出一种基于卷积神经网络与自注意力机制(Convolutional Neural Network and Self Attention,CSA)的加密流量分类方法,依据网络流量的层次结构特性,采用卷积神经网络提取数据包内字节流的空间特征、自注意力机制提取数据包之间的时序特征.在公开数据集ISCX VPN-NonVPN上的实验结果表明,CSA模型的分类准确率达到了 95.0%,相较基准深度模型,准确率和F1 值皆有明显的提升.

    加密流量识别注意力机制卷积神经网络深度学习

      原文链接:
    • 万方数据
    • 维普

    《南京邮电大学学报(自然科学版)》投稿须知

    封3页
      原文链接:
    • 万方数据
    • 维普