日本欧美国产,国产无码网页在线观看,亚洲无码小视频

基于應(yīng)用場(chǎng)景特征描述的無(wú)人機(jī)基站飛行高度部署[其他][其他]

由于無(wú)人機(jī)基站在不同應(yīng)用場(chǎng)景下，所處的地理環(huán)境、用戶分布、用戶需求和所希望提升的性能需求不同，需要根據(jù)不同應(yīng)用場(chǎng)景的特征對(duì)無(wú)人機(jī)基站進(jìn)行部署?；跓o(wú)人機(jī)基站的典型應(yīng)用場(chǎng)景，構(gòu)建兩個(gè)具有代表性的無(wú)人機(jī)基站應(yīng)用場(chǎng)景模型，并對(duì)應(yīng)用場(chǎng)景模型特征進(jìn)行抽象描述。分別構(gòu)建了兩個(gè)應(yīng)用場(chǎng)景的空地通信傳輸模型。在此基礎(chǔ)上，給出了最大化傳輸速率以及最大化無(wú)人機(jī)覆蓋范圍的無(wú)人機(jī)基站最優(yōu)飛行高度的數(shù)學(xué)計(jì)算模型。最后，對(duì)不同場(chǎng)景下無(wú)人機(jī)基站最優(yōu)飛行高度的影響因素和變化趨勢(shì)進(jìn)行了分析。

發(fā)表于：8/12/2021

機(jī)器學(xué)習(xí)中的成員推斷攻擊與防御研究[其他][其他]

隨著機(jī)器學(xué)習(xí)滲透到日常生活中的各個(gè)方面，其數(shù)據(jù)隱私問(wèn)題受到越來(lái)越多的關(guān)注。成員推斷攻擊是機(jī)器學(xué)習(xí)算法面臨的安全威脅之一，用于推斷特定數(shù)據(jù)是否存在于機(jī)器學(xué)習(xí)模型的訓(xùn)練集中，給用戶帶來(lái)極大的安全隱患，對(duì)機(jī)器學(xué)習(xí)模型的安全性提出挑戰(zhàn)。為此，研究成員推斷攻擊不僅能發(fā)現(xiàn)隱私數(shù)據(jù)面臨的威脅，而且還能為防御技術(shù)的提出提供思路。對(duì)近年來(lái)有關(guān)成員推斷攻擊的研究進(jìn)行詳細(xì)的分析，按照應(yīng)用場(chǎng)景的不同將攻擊分為判別模型攻擊、生成模型攻擊以及聯(lián)邦學(xué)習(xí)攻擊三類。同時(shí)根據(jù)成員推斷攻擊和防御的發(fā)展現(xiàn)狀，闡述了影響攻擊的因素以及經(jīng)典的防御策略。最后指出成員推斷攻擊中仍需解決的問(wèn)題以及未來(lái)的發(fā)展方向。

發(fā)表于：8/12/2021

基于多任務(wù)學(xué)習(xí)的無(wú)參考超分辨圖像質(zhì)量評(píng)估[其他][其他]

圖像超分辨率重建旨在從低分辨率圖像中恢復(fù)其對(duì)應(yīng)的高分辨率圖像，是計(jì)算機(jī)視覺(jué)中的經(jīng)典問(wèn)題。為改進(jìn)傳統(tǒng)超分辨圖像質(zhì)量評(píng)價(jià)方法與人眼感知不一致的問(wèn)題，提出一種基于多任務(wù)學(xué)習(xí)的超分辨圖像質(zhì)量評(píng)估網(wǎng)絡(luò)。網(wǎng)絡(luò)采用多任務(wù)學(xué)習(xí)的方式，分別學(xué)習(xí)圖像的局部頻率特征與質(zhì)量分?jǐn)?shù)，其中局部頻率特征用來(lái)輔助網(wǎng)絡(luò)進(jìn)行圖像質(zhì)量分?jǐn)?shù)的回歸，提高分?jǐn)?shù)預(yù)測(cè)的準(zhǔn)確性和泛化能力。另外，在網(wǎng)絡(luò)中加入?yún)f(xié)調(diào)注意力模塊，進(jìn)一步增強(qiáng)了模型的預(yù)測(cè)能力。實(shí)驗(yàn)結(jié)果表明，所提出的算法在QADS數(shù)據(jù)集上的SROCC、PLCC等指標(biāo)優(yōu)于目前先進(jìn)的無(wú)參考超分辨圖像質(zhì)量評(píng)價(jià)方法。

發(fā)表于：8/12/2021

基于Flink流處理框架的FFT并行及優(yōu)化[其他][其他]

FFT作為雷達(dá)信號(hào)處理的關(guān)鍵計(jì)算步驟之一，本質(zhì)上是一個(gè)基于數(shù)據(jù)流的處理過(guò)程。以往的FFT計(jì)算大多集中在通用計(jì)算平臺(tái)上進(jìn)行并行計(jì)算實(shí)現(xiàn)，計(jì)算系統(tǒng)存在擴(kuò)展性和魯棒性問(wèn)題。隨著科學(xué)計(jì)算應(yīng)用在Flink上的逐漸興起，將FFT在Flink上進(jìn)行并行和優(yōu)化，不僅可以很好地利用框架自身良好的系統(tǒng)擴(kuò)展性和魯棒性，同時(shí)也能使其具備高吞吐的實(shí)時(shí)性能。基于Flink對(duì)FFT流處理算法流程進(jìn)行了設(shè)計(jì)和優(yōu)化，同時(shí)針對(duì)Flink對(duì)適用于FFT計(jì)算的緩存窗口機(jī)制進(jìn)行了設(shè)計(jì)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后FFT并行算法在多個(gè)大規(guī)模點(diǎn)數(shù)下計(jì)算速度均有所提高。

發(fā)表于：8/12/2021

一種基于CEEMDAN-LSTM組合的水體溶解氧預(yù)測(cè)方法[其他][其他]

為了對(duì)水體含氧量進(jìn)行更好的監(jiān)測(cè)，提高溶解氧含量預(yù)測(cè)精度，采用“先分解再集成”的結(jié)構(gòu)，提出了CEEMDAN-LSTM組合預(yù)測(cè)模型。首先利用CEEMDAN得到分解后的各個(gè)分量，然后對(duì)每個(gè)分量進(jìn)行LSTM建模預(yù)測(cè)，最后對(duì)所有的預(yù)測(cè)結(jié)果進(jìn)行集成，得到最終預(yù)測(cè)結(jié)果。該模型解決了單個(gè)LSTM模型預(yù)測(cè)的延遲性，與單個(gè)LSTM預(yù)測(cè)模型相比，其擬合優(yōu)度(R2)提高了3.3%，其余誤差指標(biāo)也均有所降低，預(yù)測(cè)精度得到了有效的提升；與其他模型相比，也更具優(yōu)越性。

發(fā)表于：8/12/2021

基于深度網(wǎng)絡(luò)的推薦系統(tǒng)偏置項(xiàng)改良研究[其他][其他]

傳統(tǒng)的矩陣分解算法為用戶和項(xiàng)目分別獨(dú)立設(shè)置了偏置項(xiàng)，而沒(méi)有深入挖掘特定用戶對(duì)于特定項(xiàng)目的隱性偏好；同時(shí)，傳統(tǒng)的排序預(yù)測(cè)推薦算法將用戶所有打分過(guò)的項(xiàng)目都統(tǒng)一地設(shè)置為該用戶的正例項(xiàng)目(無(wú)論用戶給出了好評(píng)還是差評(píng))，這導(dǎo)致訓(xùn)練完成的系統(tǒng)在實(shí)際應(yīng)用中很可能會(huì)為用戶繼續(xù)推薦其厭惡的項(xiàng)目。因此提出了一種基于深度網(wǎng)絡(luò)的推薦系統(tǒng)偏置項(xiàng)改良方案，該改良方案考慮了用戶為特定項(xiàng)目所作的評(píng)分背后所蘊(yùn)含的好惡態(tài)度，并學(xué)習(xí)出一個(gè)用戶-項(xiàng)目聯(lián)合偏置項(xiàng)加入到推薦過(guò)程中以提升推薦性能。在三個(gè)公開(kāi)數(shù)據(jù)集上進(jìn)行的對(duì)比實(shí)驗(yàn)結(jié)果表明，該改良方案可以有效地提升推薦的性能表現(xiàn)。

發(fā)表于：8/12/2021

基于特征集聚和卷積神經(jīng)網(wǎng)絡(luò)的惡意PDF文檔檢測(cè)方法[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)現(xiàn)有惡意PDF文檔檢測(cè)方法存在特征維度高、數(shù)據(jù)集樣本少導(dǎo)致模型欠擬合等問(wèn)題，提出了一種基于特征集聚和卷積神經(jīng)網(wǎng)絡(luò)的惡意PDF文檔檢測(cè)方法。該方法以詞袋模型為基礎(chǔ)，從PDF文檔中提取常規(guī)特征和結(jié)構(gòu)特征。然后以合并后特征簇最小方差為目標(biāo)，使用Ward最小方差聚類方法實(shí)現(xiàn)特征集聚。最后，將聚合特征送入卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練。根據(jù)不同聚合特征數(shù)下模型性能的好壞，確定最優(yōu)的聚合特征數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法降低了特征維度，提升了模型的召回率，緩解了模型的欠擬合問(wèn)題?？v向比較來(lái)看，在不同的良性樣本和惡意樣本比例下，遍歷得到最優(yōu)的聚合特征數(shù)，召回率平均提升了53%，F(xiàn)-score平均提升了0.44，運(yùn)行時(shí)間平均縮短了27%；與PJScan、PDFrate、Luxor 3種檢測(cè)工具橫向相比，檢測(cè)的綜合性能平均提升了5%。

發(fā)表于：8/12/2021

汽車電氣化競(jìng)爭(zhēng)：獲勝的途徑[電源技術(shù)][汽車電子]

雖然 OEM 廠商正在推出電動(dòng)汽車，以達(dá)到這些標(biāo)準(zhǔn)，但目前還沒(méi)有一種統(tǒng)一方法，來(lái)為電機(jī)以及車輛的所有子系統(tǒng)供電。

發(fā)表于：8/12/2021

基于全同態(tài)加密的安全人臉識(shí)別算法[其他][其他]

人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)研究的重要課題，在生物認(rèn)證領(lǐng)域有著廣泛的應(yīng)用前景。然而人臉圖像的易獲取性使其被濫用，造成隱私的泄露，因此各界對(duì)用戶人臉圖像隱私問(wèn)題的關(guān)注度日益提高。提出了一種基于全同態(tài)加密的安全人臉識(shí)別算法，可以有效地保護(hù)用戶人臉圖像的隱私，保證服務(wù)器在提供人臉識(shí)別服務(wù)時(shí)，不會(huì)學(xué)習(xí)到用戶圖像的任何信息。實(shí)驗(yàn)結(jié)果表明，該算法安全性較高，計(jì)算效率也有所提高。

發(fā)表于：8/11/2021

水下聲吶通信安全研究[其他][其他]

隨著人類對(duì)海洋的探索與開(kāi)發(fā)，水下網(wǎng)絡(luò)特別是水下通信技術(shù)逐漸成熟。水下通常使用聲吶進(jìn)行通信，而水下聲吶通信信道具有傳輸速率低、誤碼率高、延時(shí)高和信道窄等缺陷，特別容易遭受惡意攻擊。因此，必須重視水下聲吶通信的安全問(wèn)題。針對(duì)水下聲吶通信系統(tǒng)安全防護(hù)等級(jí)較弱的現(xiàn)狀，考慮水聲通信的獨(dú)特特性，概述了水下密碼裝備的未來(lái)發(fā)展趨勢(shì)。進(jìn)而，從保護(hù)數(shù)據(jù)機(jī)密性角度出發(fā)，設(shè)計(jì)了一型密碼樣機(jī)和一種輕量級(jí)密碼算法，用于水下聲吶通信加密技術(shù)的演示驗(yàn)證。測(cè)試結(jié)果表明：采用輕量級(jí)密碼算法的密碼樣機(jī)非常適合水下通信安全防護(hù)，能夠滿足通信速率要求，這為未來(lái)水下聲吶通信系統(tǒng)搭載密碼系統(tǒng)奠定了一定研究基礎(chǔ)。

發(fā)表于：8/11/2021

基于隱藏子空間的量子貨幣的攻擊研究[其他][其他]

量子貨幣問(wèn)題是量子密碼學(xué)中認(rèn)證問(wèn)題的代表。Aaronson和Christiano提出了一種基于公鑰的量子貨幣方案,并在隱藏子空間上證明了它的計(jì)算安全性。通過(guò)分析子空間的結(jié)構(gòu)，對(duì)該方案提出有效的攻擊,證明了一般子空間都有漏洞，只有具有復(fù)雜結(jié)構(gòu)的子空間才具有出色的安全性，并改進(jìn)了隱藏子空間方案的定義，嚴(yán)格要求由子空間形成的量子貨幣的任何量子位相互糾纏。最后從信息論的角度，證明了糾纏帶來(lái)的新安全性。

發(fā)表于：8/11/2021

基于RLWE的可撤銷分層屬性加密方案[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)屬性加密方案中的運(yùn)行效率和屬性更新問(wèn)題，提出了一種基于環(huán)上誤差學(xué)習(xí)問(wèn)題(Learning With Error over Ring，RLWE)的可撤銷分層屬性加密方案。方案通過(guò)多等級(jí)的門(mén)限秘密共享矩陣將屬性進(jìn)行分層，權(quán)限等級(jí)高的屬性恢復(fù)秘密的能力大于權(quán)限等級(jí)低的屬性，且高權(quán)限等級(jí)不可被替代；另外，方案實(shí)現(xiàn)了屬性級(jí)的用戶撤銷，基于第三方機(jī)構(gòu)通過(guò)控制用戶對(duì)屬性陷門(mén)的獲取降低了系統(tǒng)的計(jì)算開(kāi)銷。該方案能抵抗用戶合謀攻擊且滿足隨機(jī)預(yù)言機(jī)模型下的選擇明文安全，與現(xiàn)有方案對(duì)比，在實(shí)現(xiàn)了屬性分層的同時(shí)增加了屬性撤銷的功能，并在多項(xiàng)式環(huán)上進(jìn)行運(yùn)算，提高了加解密效率，對(duì)實(shí)際應(yīng)用場(chǎng)景有更好的適應(yīng)性。

發(fā)表于：8/11/2021

多變量公鑰密碼進(jìn)展[通信與網(wǎng)絡(luò)][信息安全]

量子計(jì)算的快速發(fā)展對(duì)當(dāng)前普遍應(yīng)用的公鑰密碼造成了嚴(yán)重威脅，抗量子計(jì)算的密碼研究成為當(dāng)前密碼學(xué)術(shù)研究和標(biāo)準(zhǔn)化的熱點(diǎn)問(wèn)題。多變量密碼作為抗量子密碼的優(yōu)秀候選方案受到了廣泛的關(guān)注。介紹了當(dāng)前多變量密碼的基本原理，綜述了其國(guó)內(nèi)外研究進(jìn)展，分析對(duì)比了幾種典型的陷門(mén)構(gòu)造技術(shù)和攻擊技術(shù)，最后指出了當(dāng)前研究存在的問(wèn)題。

發(fā)表于：8/11/2021

【技術(shù)大咖測(cè)試筆記系列】之二：吉時(shí)利和Initial State全新方案，在家即可分析DAQ/DMM數(shù)據(jù)[測(cè)試測(cè)量][其他]

　　我記得自己擔(dān)任高級(jí)項(xiàng)目經(jīng)理那會(huì)兒，面對(duì)一個(gè)新產(chǎn)品開(kāi)發(fā)環(huán)境，各個(gè)團(tuán)隊(duì)都?jí)毫ι酱?，要為關(guān)鍵應(yīng)用迅速推出優(yōu)質(zhì)產(chǎn)品，因此生命周期測(cè)試成為必須。如果一項(xiàng)測(cè)試半夜里無(wú)聲無(wú)息中斷了，那絕對(duì)讓人深惡痛絕，因?yàn)樗粌H浪費(fèi)了我們寶貴的時(shí)間，還浪費(fèi)了我們的測(cè)試裝備。我花了無(wú)數(shù)個(gè)小時(shí)，通過(guò)圖表理解數(shù)據(jù)。當(dāng)時(shí)我想，如果能遠(yuǎn)程管理數(shù)據(jù)，那么我們得省多少時(shí)間省多少錢啊，但這只能是美好的想象。沒(méi)辦法，我們騰不出空閑裝備，只能不斷把數(shù)據(jù)倒到Excel中查看趨勢(shì)，只能不斷勸說(shuō)技術(shù)人員在周末和節(jié)假日一直待命。

發(fā)表于：8/11/2021

智能功率模塊IPM的結(jié)溫評(píng)估[測(cè)試測(cè)量][其他]

　　IPM模塊是電機(jī)驅(qū)動(dòng)變頻器的最重要的功率器件，近些年隨著IPM模塊的小型化使模塊Rth（j-c）變大，從而對(duì)溫升帶來(lái)了越來(lái)越多的挑戰(zhàn)；雖然芯片技術(shù)的進(jìn)步會(huì)降低器件損耗，能一定程度緩解小型化的溫升問(wèn)題，但不斷成熟的控制技術(shù)和成本控制也需要更有效的利用結(jié)溫評(píng)估結(jié)果進(jìn)行靈活保護(hù)。在實(shí)際應(yīng)用中，工程師最直接也是最常見(jiàn)的一個(gè)問(wèn)題就是：我檢測(cè)到了IPM的NTC的溫度，那么里面IGBT&MOSFET真實(shí)的結(jié)溫是多少？本文詳細(xì)敘述了實(shí)際使用時(shí)對(duì)IPM模塊的各種結(jié)溫的計(jì)算和測(cè)試方法，從直接紅外測(cè)試法，內(nèi)埋熱敏測(cè)試，殼溫的測(cè)試方法，都進(jìn)行詳細(xì)說(shuō)明，以指導(dǎo)技術(shù)人員通過(guò)測(cè)量模塊自帶的Tntc的溫度估算或測(cè)試IPM變頻模塊的結(jié)溫，然后利用開(kāi)發(fā)樣機(jī)測(cè)試結(jié)果對(duì)實(shí)際產(chǎn)品進(jìn)行結(jié)溫估算標(biāo)定，評(píng)估IPM模塊運(yùn)行的可靠性。

發(fā)表于：8/11/2021