色偷偷88欧美精品久久久,天堂AV无码大芭蕉伊人A

普發(fā)真空虛擬展示廳上線：全面展示制藥行業(yè)的泄漏檢測解決方案[其他][其他]

2021 年 7月22日，上海——普發(fā)真空正式上線全新虛擬展示廳，通過圖文和視頻等多元化表現(xiàn)形式，全方位展示不同類型的藥品包裝泄漏檢測方法（容器密封完整性測試，簡稱 CCIT）。參觀者只需一鍵訪問，便可在線了解醫(yī)藥行業(yè)在對無孔初級包裝（包括輸液袋、注射器、泡罩、塑料瓶和小瓶等）進行泄漏檢測工作時所面臨的種種挑戰(zhàn)。另外，參觀者還能通過網(wǎng)頁上的虛擬展臺，獲悉普發(fā)真空專業(yè)的檢漏儀產(chǎn)品組合，并通過視頻演示直觀洞察其使用到的技術(shù)手段。

發(fā)表于：7/22/2021

揭秘半導(dǎo)體制造全流程（上篇）[EDA與制造][工業(yè)自動化]

每個半導(dǎo)體產(chǎn)品的制造都需要數(shù)百個工藝，泛林集團將整個制造過程分為八個步驟：晶圓加工-氧化-光刻-刻蝕-薄膜沉積-互連-測試-封裝。為幫助大家了解和認識半導(dǎo)體及相關(guān)工藝，我們將以三期微信推送，為大家逐一介紹上述每個步驟。

發(fā)表于：7/21/2021

基于邊緣智能的心電信號處理方法及監(jiān)測系統(tǒng)[其他][其他]

邊緣智能是邊緣計算和人工智能相結(jié)合的產(chǎn)物，它的特性使其特別適合用于進行實時心電信號分析。心電圖中體現(xiàn)的心電信號能夠反映人體的心率等生理信息，通過對心電信號的分析及狀態(tài)類型的分類可以檢測人體是否患有心率失常等疾病。然而傳統(tǒng)的心電信號分類研究是針對大量樣本進行的單純分類研究，并不適用于實時小樣本分析的邊緣智能場景。提出了一種可行的心電信號處理方法，并設(shè)計了一個基于邊緣智能的心電監(jiān)測系統(tǒng)。實驗結(jié)果表明，該心電信號處理方法具有一定的實用性，能夠在一定程度上滿足邊緣智能場景的要求。

發(fā)表于：7/20/2021

慣性測量單元姿態(tài)融合的動態(tài)分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對慣性測量單元背景噪聲和器件漂移等問題，提出了一種基于梯度下降法、互補濾波和卡爾曼濾波的融合算法。首先，利用加速度計和磁力計的數(shù)據(jù)通過幾何計算得出姿態(tài)角。其次，利用梯度下降法，將加速度計和陀螺儀的數(shù)據(jù)進行基于四元數(shù)法的數(shù)據(jù)融合，得出姿態(tài)角。接著，利用互補濾波法將姿態(tài)數(shù)據(jù)再次結(jié)合。最后，利用卡爾曼算法對結(jié)合后的數(shù)據(jù)進行濾波處理。通過動態(tài)實驗表明，經(jīng)過此融合算法的慣性測量單元與傳統(tǒng)算法相比，數(shù)據(jù)輸出更加準確，連續(xù)性提高，并擁有很好的平穩(wěn)特性。

發(fā)表于：7/20/2021

一種基于NB-IoT的物聯(lián)網(wǎng)燃氣表研究設(shè)計[其他][物聯(lián)網(wǎng)]

針對物聯(lián)網(wǎng)技術(shù)的發(fā)展現(xiàn)狀和智能燃氣表對低功耗與強連接的需求，提出了一種基于NB-IoT技術(shù)的物聯(lián)網(wǎng)智能燃氣表的設(shè)計方案。該方案采用瑞薩R7F0C004芯片作為MCU采集燃氣計量數(shù)據(jù)，以N700-58為通信模組實現(xiàn)網(wǎng)絡(luò)連接，業(yè)務(wù)數(shù)據(jù)經(jīng)由CoAP協(xié)議封裝后發(fā)送到電信AEP平臺，再由AEP平臺推送到燃氣表業(yè)務(wù)管理平臺系統(tǒng)實現(xiàn)數(shù)據(jù)通信。測試結(jié)果表明，所設(shè)計的燃氣表終端無論是在連網(wǎng)收發(fā)數(shù)據(jù)，還是在低能耗方面都達到了預(yù)期的設(shè)計目標，能夠很好地滿足應(yīng)用需求。

發(fā)表于：7/20/2021

空天地一體化網(wǎng)絡(luò)系統(tǒng)架構(gòu)設(shè)計與智能管理[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了克服空天地一體化網(wǎng)絡(luò)系統(tǒng)(Space-Air-Ground Integrated Network，SAGIN)由于結(jié)構(gòu)復(fù)雜和業(yè)務(wù)多樣而導(dǎo)致的不同網(wǎng)絡(luò)間的協(xié)同困難，提出了基于移動邊緣計算(Mobile Edge Computing，MEC)的SAGIN多維管理架構(gòu)。通過將網(wǎng)絡(luò)系統(tǒng)劃分為數(shù)據(jù)層、控制層和管理層，網(wǎng)絡(luò)狀態(tài)信息由各網(wǎng)絡(luò)層逐層匯總和分層處理，網(wǎng)絡(luò)管理策略由MEC統(tǒng)一制定，并逐層轉(zhuǎn)發(fā)，實現(xiàn)不同網(wǎng)絡(luò)間的協(xié)同管理?；谒峒軜?gòu)搭建網(wǎng)絡(luò)仿真平臺，并通過強化學習方法制定網(wǎng)絡(luò)協(xié)同策略，仿真結(jié)果證明了該架構(gòu)的可行性。

發(fā)表于：7/20/2021

基于深度學習的抽油機井工況診斷方法[其他][其他]

基于示功圖對抽油機井下工況進行自動診斷是數(shù)字油田不可或缺的環(huán)節(jié)。通常通過人工提取示功圖的特征向量，然后輸入機器學習算法分類器識別井下工況。然而，特征的選擇需要借助經(jīng)驗和先驗知識，并且直接影響后續(xù)分類器的最終性能。而人工提取特征易受知識干擾，且在特征提取的過程中存在信息丟失，這決定了識別結(jié)果的上限。為此，受深度神經(jīng)網(wǎng)絡(luò)自動特征提取的啟發(fā)，提出基于卷積神經(jīng)網(wǎng)絡(luò)的示功圖的離線訓(xùn)練與在線診斷的方法。首先將挑選后的信號數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，然后將圖像二值化降低計算復(fù)雜度，最后基于改進的LeNet-5網(wǎng)絡(luò)探究最適合模型的網(wǎng)絡(luò)結(jié)構(gòu)。最終通過實驗與目前先進的算法進行對比，驗證了本方法的有效性和可行性。

發(fā)表于：7/20/2021

改進的TF-IDF算法在文本分類中的研究[其他][其他]

企業(yè)數(shù)字化建設(shè)過程中，對大量日常經(jīng)營活動文本的數(shù)字化處理通常是多任務(wù)的，需要對文本數(shù)據(jù)同時完成信息抽取和文本分類任。在此應(yīng)用場景下，為了實現(xiàn)更加精準的分類效果，提出一種改進的TF-IDF算法，將文本信息抽取結(jié)果也作為文本重要類別區(qū)分特征。通過引入信息增益方法得到改進的權(quán)重計算公式，進而得到改進的文本特征向量空間表示，再構(gòu)建文本分類模型。實驗以石油行業(yè)中文文本為例，選取測試文本2 006條進行文本分類對比實驗，實驗結(jié)果表明改進的TF-IDF算法精確率P達到99.3%，召回率R達到98.7%，相比于傳統(tǒng)TF-IDF算法文本分類效果得到顯著提高。

發(fā)表于：7/20/2021

一種應(yīng)用于語義分割的新型親和力監(jiān)督方法[其他][其他]

語義分割是計算機視覺領(lǐng)域一項基本且具有挑戰(zhàn)性的任務(wù)，最近的語義分割研究工作，著力于設(shè)計注意力機制和全局性模塊，而在注意力機制中，親和力矩陣是非常重要的部份。傳統(tǒng)的親和力矩陣是以注意力機制的一部分嵌入在神經(jīng)網(wǎng)絡(luò)中，通常作為特征融合的權(quán)重來使用。嘗試直接將親和力矩陣應(yīng)用于注意力機制之外，與語義標簽聯(lián)系起來。首先定義標簽親和力矩陣，再在語義分割網(wǎng)絡(luò)輸出層計算親和力矩陣，將兩個矩陣結(jié)合起來，得到一個輔助的懲罰函數(shù)。標簽親和力矩陣可以視為一種結(jié)構(gòu)上的監(jiān)督信息，能輔助訓(xùn)練語義分割網(wǎng)絡(luò)。在NYUv2數(shù)據(jù)集上的實驗結(jié)果表明，懲罰函數(shù)有助于提高語義分割網(wǎng)絡(luò)的精度，并且效果顯著。

發(fā)表于：7/20/2021

基于上下文特征重聚合網(wǎng)絡(luò)的人群計數(shù)[其他][其他]

針對計數(shù)問題中人群目標尺度的變化問題，提出了一種基于上下文特征重聚合的計數(shù)算法。將高層網(wǎng)絡(luò)提取的語義信息與底層網(wǎng)絡(luò)提取的人群尺度細節(jié)信息相結(jié)合，旨在利用淺層網(wǎng)絡(luò)中提取的信息向深層網(wǎng)絡(luò)提取的特征中融入不同尺度的行人目標特征，從而融合多種尺度的人群特征回歸出高質(zhì)量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個數(shù)據(jù)集進行算法的性能驗證，并通過結(jié)構(gòu)實驗驗證本文結(jié)構(gòu)的有效性。

發(fā)表于：7/20/2021

基于補丁特性的漏洞掃描研究[通信與網(wǎng)絡(luò)][信息安全]

為抵御漏洞引發(fā)的黑客攻擊和漏洞自身產(chǎn)生的威脅，1day漏洞應(yīng)用修復(fù)的通用辦法是使用代碼匹配檢測。但目前源代碼匹配誤報率高，二進制代碼匹配不精確且不通用。基于此，提出了一種由源代碼到二進制的基于補丁特性的漏洞掃描模型——BinScan。它先形成已知漏洞數(shù)據(jù)庫并對源代碼進行已知漏洞掃描得出漏洞檢測結(jié)果；然后利用源代碼檢測信息對打補丁前后源代碼編譯生成二進制文件，形成二進制漏洞庫；最后比較目標二進制文件相似性，利用源代碼結(jié)果進行檢驗。最終生成Linux Kernel的2 700條漏洞數(shù)據(jù)，15 496個patch文件，實現(xiàn)了利用源代碼檢測限制二進制文件的漏洞檢測范圍，然后基于CFG和二進制代碼相似性檢測補丁存在以檢測漏洞。檢測結(jié)果表明，此方法與其他二進制漏洞檢測工具相比，可以將源代碼級的漏洞掃描能力應(yīng)用于二進制，是有效的。

發(fā)表于：7/20/2021

基于最優(yōu)停止理論的網(wǎng)絡(luò)欺騙防御策略優(yōu)化[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)欺騙防御已經(jīng)成為網(wǎng)絡(luò)主動防御的重要手段。網(wǎng)絡(luò)欺騙防御系統(tǒng)中，防御方主動釋放部分有效信息來迷惑攻擊者，受到誘騙的攻擊者則會在欺騙誘捕環(huán)境中實施進一步攻擊，直至攻擊者識破誘騙手段或防御方主動驅(qū)逐攻擊者。為研究如何在達到有效防御效果的同時，盡量減少欺騙環(huán)境所釋放的有效信息，分別分析了欺騙防御模型和最優(yōu)停止理論問題模型，確立了欺騙防御模型和最優(yōu)停止理論的要素對應(yīng)關(guān)系?；谧顑?yōu)停止理論，構(gòu)建了信息收益最大化問題模型，通過對每次攻擊行動信息量和有效信息泄露量進行分析，選擇最大信息量之比，對后續(xù)攻擊進行抑制，求解信息收益最大化問題，得出最佳抑制時刻，即最優(yōu)解表達式。

發(fā)表于：7/20/2021

基于LSTM的卷積神經(jīng)網(wǎng)絡(luò)異常流量檢測方法[其他][其他]

針對傳統(tǒng)機器學習方法依賴人工特征提取，存在檢測算法準確率低、無法應(yīng)對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)和長短期記憶網(wǎng)絡(luò)(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發(fā)掘攻擊流量的結(jié)構(gòu)化特點，提取流量數(shù)據(jù)的時空特征，提高了異常流量檢測系統(tǒng)性能。實驗結(jié)果表明，在CIC-IDS2017數(shù)據(jù)集上，多種異常流量檢測的準確率均超過96.9%，總體準確率達到98.8%，與其他機器學習算法相比準確率更高，同時保持了極低的誤警率。

發(fā)表于：7/20/2021

數(shù)字化轉(zhuǎn)型——走向人與數(shù)字化協(xié)同的競爭力模型：來自中國企業(yè)的證據(jù)[其他][其他]

盡管對于數(shù)字化轉(zhuǎn)型以及相關(guān)領(lǐng)域探索的熱度持續(xù)高漲，數(shù)字化轉(zhuǎn)型項目的失敗率仍然居高不下，一定程度上印證了“信息技術(shù)生產(chǎn)率悖論”或“人工智能生產(chǎn)率悖論”。全面審視當前數(shù)字化轉(zhuǎn)型方法，借鑒人與數(shù)字化協(xié)同的競爭力(Human-Digital Competitiveness，HDC)模型，使用演繹性的定性研究對中國六家企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)果進行深度分析。研究結(jié)果顯示，這些企業(yè)將數(shù)字化轉(zhuǎn)型視為組織變革，他們認識到來自超級競爭的壓力，以客戶為中心的重要性，以及對優(yōu)秀員工的獎勵和發(fā)展高度重視。本研究結(jié)果還顯示了ERP在解決業(yè)務(wù)流程方面的不足，以及對于缺乏充分和靈活的規(guī)劃以應(yīng)對動蕩商業(yè)環(huán)境的擔憂。

發(fā)表于：7/20/2021

開源項目活躍度模型構(gòu)建及實證[其他][其他]

隨著開源技術(shù)不斷涌現(xiàn)，開源作為一種治理模式、經(jīng)濟模式和企業(yè)生態(tài)，變得越來越重要。關(guān)注開源項目的活躍程度，分析活躍度的變化情況，在一定層面上能夠反映項目發(fā)展狀態(tài)。通過梳理現(xiàn)有的開源項目活躍度模型，發(fā)現(xiàn)：第一，現(xiàn)有模型沒有考慮項目類別，不能有效反映鏡像類項目活躍度；第二，現(xiàn)有模型沒有考慮活躍度趨勢，不能有效反映階段性活躍項目的整體活躍度。在此基礎(chǔ)上構(gòu)建和完善了活躍度模型，并以浦發(fā)銀行開源治理平臺為例，對模型進行了驗證，為企業(yè)在開源項目的選擇上提供一定的參考價值。

發(fā)表于：7/20/2021