摘要：旨在研究国潮背景下非遗对旅游产业及泰州老字号品牌形象设计的影响。通过对泰州非遗的深入调查,依托数字技术将传统品牌包装与泰州非遗“靖江竹编”相结合。同时,以泰州丰厚的文化底蕴为创作基础,将四大城市文化标识引入项目创作,促进传统非遗的创造性转化和创新性发展。此外,还探讨了如何提升老字号品牌的视觉形象,通过创新设计赋予黄桥烧饼新的生命力,带动泰州经济发展,保护和传承非遗。最后,提出了以生活需要为导向,探索和创新传统文化的现代艺术展示形式,打造泰州对外文化品牌的建议。

摘要：针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。

摘要：流量异常检测能够有效识别网络流量数据中的攻击行为,是一种重要的网络安全防护手段。近年来,深度学习在流量异常检测领域得到了广泛应用,现有的深度学习模型进行流量异常检测存在两个问题:一是数据受噪声影响导致检测鲁棒性差、准确率低;二是数据特征维度高以及模型参数多导致训练和检测速度慢。为了在降低流量数据噪声影响的基础上提高检测速度和准确性,本文提出了一种基于去噪自编码器(Denoising Auto Encoder, DAE)和门控循环单元(Gated Recurrent Unit, GRU)组合的流量异常检测方法。首先设计了基于DAE的流量特征提取算法,采用小批量梯度下降算法对DAE进行训练,通过最小化含噪声数据的重构向量与原始输入向量间的差异,有效提取具有较强鲁棒性的流量特征,降低特征维度。然后设计了基于GRU的异常检测算法,利用提取的低维流量特征数据训练GRU,从而构建异常流量分类器,实现对攻击流量的准确检测。最后在NSL-KDD、UNSW-NB15、CICIDS2017数据集上的实验结果表明:与其他的机器学习、深度学习方法相比,本文所提方法的检测准确率最大提升了18.71%。同时,本文方法可以实现较高的精确率、召回率和检测效率,同时具有较低的误报率。在面对数据受到噪声破坏时,具有较强的检测鲁棒性。

摘要：机器人或机电装备通常由电机模组、液压元件、齿轮和铰链等硬质部件构成,具有动力足、精度高等优点,但在实现低噪声、高安全系数与亲和性等方面存在挑战.受自然界生物体的柔软特性与高环境适应性的启发,设计制造软体机器人是近年来机器人领域的研究热点.作为软体机器人的核心构成部分,智能软材料可在外界不同刺激下产生不同响应,具有材料柔韧、生物相容性好、易于制备、价格低廉等优点,可广泛应用于机器人的设计与制造.几类典型的具备驱动功能的智能软材料与结构获得广泛的研究,包括气动软体肌肉、形状记忆合金/聚合物、离子交换聚合物、介电高弹体、响应水凝胶等.本文介绍了多种驱动类型的软体智能机器人研究成果,并从软体智能机器人的系统设计与力学建模两个方面进行了归纳分析与讨论.