数字技术对学报出版的影响

信息传播方式经历了语言、文字、印刷品、电子形态等发展阶段，随着信息社会的来临．数字技术成为学报出版的核心技术和普遍技术。以计算机信息处理和网络传播为核心的数字技术对学报的出版周期、出版形态、文献检索、网络传输、学报编辑的知识结构等诸多方面。都将产生深远的影响。     

民办高职院校网络思想政治教育调研与思考

随着互联网技术的飞速发展和进步,网络化、信息化、全球化逐渐成为时代特征。当前,通过网络传播信息的速度,远大于之前任何一种媒介传播方式。大学生作为使用网络媒介,接收网络信息的主体性人群,更是能在第一时间接触到最新的网络信息。在形形色色的网络信息中,高校思想政治教育者更应该做好网络意识形态工作,加强学生网络思想政治教育。基于此,通过发送网络问卷,针对民办高职院校学生,开展网络思想政治状况调研并分析,为进一步加强民办高职网络思想政治教育时效性和实效性做出参考。     

浅析网络审计的结构及发展对策

介绍了网络审计的构成，提出了网络审计中存在的问题，并对促进网络审计的发展提出了若干建议。     

浅析网络审计的结构及发展对策

介绍了网络审计的构成，提出了网络审计中存在的问题，并对促进网络审计的发展提出了若干建议。     

网络环境下图书馆信息资源共建共享新思路

论述了在网络环境下图书馆文献信息资源共建共享的发展现状，指出了目前存在的主要问题，据此，提出了在网络环境下实现文献信息资源共建共享的思路。     

信息技术在交通建设项目管理中的应用

二十一世纪从信息、网络技术来讲，已经大踏步迈入了“e”时代，不论在任何一个行业、领域都充分体现出来，且与我们的工作、生活密切相关。信息、网络技术在交通行业各个领域中也有了大量应用，并收到了明显效果。随着我国加入WTO，要求尽快与国际接轨，因此，加快实现信息网络化，将是实现交通行业现代化的必需。     

一种新型非接触式IC卡电路

利用变压器原理并通过对需要传输的信号调频调幅，实现非接触能量和信号的双向传播，这种传播方式不仅可以用于ＩＣ卡，同时也可以应用于其它恶劣环境下信息的采集以及可编程部件内的软件更换。     

推进湾区交通物流一体化发展思路建议

为支撑湾区经济高质量发展，更好地服务于国家区域发展战略，基于交通物流与湾区发展的互动关系，分析了湾区经济发展对交通物流一体化发展的迫切需求，然后根据湾区交通物流一体化发展面临的形势要求，应用运输经济基础分析框架中的“产品-资源-网络”经济分析法和网络形态分层分析法，对交通物流资源进行了分类梳理。在此基础上，将湾区交通物流网络划分为设施网络层、信息装备层、服务组织层和政策体制层，从政府主动作为的角度讨论政府与其他层级之间的相互关系，给出了交通物流在规划统领、网络优化、信息共享、服务融合、政策协同等五个方面的发展思路，为各湾区结合自身实际，细化政策举措提供参考。     

网络信息运用与公交宣传报道的创新

在新媒体环境中，使用网络并善用网络信息资源已经成为每个人重要的能力之一。公交报作为一份企业内部报纸，它不仅对公交的发展起了一定的推动作用，而且为企业保留下来大量的珍贵资料，记录和影响企业成长。那么，公交报如何运用网络信息？如何通过网络平台占用最大限度的信息和宣传阵地，透过对信息资源的拓展延续和对新闻对象的思考等创新方式，来实现对公交新闻时间更好、更广、更新、更深的宣传报道，将是今后企业报的必由之路。     

论网络对大学生人际沟通的影响及对策

人际交往与沟通，是大学生日常生活中每天必须面对的问题。影响大学生正常人际沟通的因素有很多方面．本文重点分析了网络对大学生正常人际沟通造成的冲击，列举了三个方面的典型性负面影响，并提出了三条应对措施。     

新一代网络技术--主动网络

主动网络(Active Network)是一种新颖的网络体系结构，这种新的网络体系加速了底层网络的革命，为网络新型应用的产生创造了条件。本文介绍了主动网络的体系结构、关键技术、主动网络上的应用、有待研究的一些问题及主动网络研究发展的前景。     

基于主动网络的网络管理

在分析现有网络管理模型面临的困难基础上引入了主动网络技术,并设计了一种新型的基于主动网络技术的分布式网络管理模型：研究了利用主动网络技术解决网络管理问题的结构、优势以及协议。并以路由跟踪为例详细说明了管理功能的实现。     

有关选址和运输网络设计的研究

网络定位(选址)模型已广泛应用于公共及私有设施的定位。文章调查了一个模型，并且对运输网络的设施选址和设计进行了优化。认为改变网络的拓扑构造要比增加设施而提高服务水准更具投资回报效率，因此，该模型在区域规划、分拨、能源管理等领域有许多应用，并概括出了经典的简化工厂选址问题。文章将讨论如何使用这一模型有效地解决问题。     

一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

城市道路网拓扑结构的复杂网络特性研究

以城市道路网中的连续道路中心线作为网络拓扑结构的基本分析单元,作者采用对偶法对我国12个不同规模和形态的城市道路网的拓扑结构进行了抽象,在此基础上分析了我国城市道路网拓扑结构具有的普遍复杂网络特性。研究指出,我国城市道路网的拓扑结构一方面具有较小的特征路径长度和较大的聚类系数,是典型的小世界网络;另一方面其度分布函数为幂律形式,又具有典型的无标度特性。     

Relations Between Wavelet Network and Feedforward Neural Network

A comparison of construction forms and base functions is made between feedforward neural network and wavelet network. The relations between them are studied from the constructions of wavelet functions or dilation functions in wavelet network by different activation functions in feedforward neural network. It is concluded that some wavelet function is equal to the linear combination of several neurons in feedforward neural network.     

基于网络效率的日变路网脆弱性识别方法

在日变动态路网背景下,采用传统的静态脆弱性识别方法有可能无法完全辨识路网系统单元的脆弱性,这不利于事件管理规划和应急物资调配工作的开展.为此,以日变路网为研究对象,在单路段关闭情形下,定义了基于网络效率的路网动态脆弱性指标,表示为退化路网动态网络效率与完好路网静态网络效率的相对变化率.提出了基于单路段关闭的日变动态配流模型刻画日变路网流量的非均衡动态演化,并给出了相应算法.采用提出的指标和模型在实例网络中验证了日变路网脆弱性识别方法的可行性.对比分析了基于动态网络效率和基于静态网络效率的脆弱性识别结果,发现前者的识别率高于后者.     

基于多周期组件时空神经网络的路网通行速度预测

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为 2.55、3.94 和 10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。