91精品国产色综合久久久蜜桃臀,国产偷窥综合久久,性欧美videos精品

一種高耐壓SPST天線調(diào)諧開關(guān)設(shè)計(jì)[其他][其他]

設(shè)計(jì)實(shí)現(xiàn)了一款高耐壓?jiǎn)蔚秵螖S天線調(diào)諧開關(guān)，用于Sub-6 GHz的天線孔徑調(diào)諧、阻抗調(diào)諧以及寬帶開關(guān)。設(shè)計(jì)采用串-并聯(lián)和體區(qū)自適應(yīng)偏置結(jié)構(gòu)，兼顧插入損耗和隔離度；此外基于傳統(tǒng)的堆疊結(jié)構(gòu)進(jìn)行改進(jìn)，通過設(shè)計(jì)各級(jí)晶體管的尺寸不均勻，極大程度地提高了開關(guān)并聯(lián)支路承受電壓的能力；通過采用兩級(jí)偏置網(wǎng)絡(luò)，減小了柵端和體端的泄露從而削弱關(guān)斷狀態(tài)下寄生電容不等效應(yīng)，最終實(shí)現(xiàn)支路電壓耐受能力的提高。所提出的設(shè)計(jì)采用130 nm SOI CMOS工藝，仿真結(jié)果表明工作頻率為0.1 GHz~5 GHz，導(dǎo)通電阻為1.24 Ω，關(guān)斷電容為112 fF，插入損耗為0.14~0.48 dB，隔離度帶內(nèi)大于30 dB，電壓承受能力大于60 V。

發(fā)表于：5/13/2021

基于分層信息過濾的生成式文本摘要模型[其他][其他]

文本摘要模型的輸入數(shù)據(jù)中通常包含被視為噪聲的冗余信息，對(duì)輸入數(shù)據(jù)中的噪聲進(jìn)行過濾可以提高摘要模型的表現(xiàn)。提出了基于動(dòng)態(tài)路由指導(dǎo)的分層信息過濾(Dynamic Routing Based Hierarchical Information Filtering，DRBHIF)層，該層首先通過動(dòng)態(tài)路由模塊根據(jù)編碼器的輸出動(dòng)態(tài)地計(jì)算全局向量，然后根據(jù)全局向量從詞層面和語(yǔ)義層面對(duì)輸入文本中的噪聲進(jìn)行過濾。具體來說，首先通過全局向量和編碼器的輸出從詞層面上對(duì)原文中的關(guān)鍵字進(jìn)行選擇，然后通過雙門語(yǔ)義噪聲過濾算法在語(yǔ)義層面上進(jìn)行噪聲過濾。在Gigaword和CNN/Daily Mail兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，DRBHIF能夠有效地對(duì)輸入文本中的噪聲進(jìn)行過濾，并且能提升摘要模型的表現(xiàn)。

發(fā)表于：5/13/2021

基于距離正則化的單視圖三維重建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)從一張物體有限的二維RGB圖像信息中還原物體的三維形狀信息，提出了基于距離正則化的單視圖三維重建。利用二維卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)設(shè)計(jì)圖像編碼器和三維卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)殘差塊，再利用殘差塊為基礎(chǔ)設(shè)計(jì)三維形狀生成器,即三維殘差生成器。給定一張物體的二維RGB圖像，首先使用圖像編碼器提取RGB圖像的語(yǔ)義信息；然后，三維形狀生成器使用語(yǔ)義信息，恢復(fù)RGB圖像中物體的三維形狀信息。同時(shí)，提出了距離規(guī)則化損失，在訓(xùn)練過程中，保證三維物體形狀重建質(zhì)量。實(shí)驗(yàn)結(jié)果顯示，本方法在交并比(Intersection over Union，IoU)評(píng)價(jià)指標(biāo)上超過了之前最好的方法。

發(fā)表于：5/13/2021

基于AE-SVM的嗅覺描述符分類[其他][其他]

嗅覺產(chǎn)生于人們對(duì)化學(xué)物質(zhì)氣味的感知。然而，由于氣味的復(fù)雜性，人們至今還難以理清嗅覺描述符和各種物理化學(xué)參數(shù)之間的映射關(guān)系。因此，沒有建立起根據(jù)物理化學(xué)特性來預(yù)測(cè)化學(xué)物質(zhì)的氣味描述的通用方法。設(shè)計(jì)了一種基于AE-SVM(Autoencoder- Support Vector Networks，AE-SVM)的預(yù)測(cè)模型，該模型使用自動(dòng)編碼器提取質(zhì)譜數(shù)據(jù)的特征，解決質(zhì)譜數(shù)據(jù)高維稀疏的問題，并用支持向量機(jī)進(jìn)行分類。結(jié)果表明，AE-SVM利用化學(xué)物質(zhì)的質(zhì)譜數(shù)據(jù)成功預(yù)測(cè)嗅覺描述符，并且準(zhǔn)確度達(dá)到85.71%，對(duì)于理解化學(xué)物質(zhì)和嗅覺描述符之間映射關(guān)系具有較為重要意義。

發(fā)表于：5/13/2021

基于實(shí)時(shí)數(shù)據(jù)流特征提取的設(shè)備能耗異常識(shí)別算法研究[其他][其他]

能耗設(shè)備的節(jié)能是企業(yè)節(jié)能減排中非常重要的一環(huán)，及時(shí)發(fā)現(xiàn)能耗設(shè)備運(yùn)行中出現(xiàn)的異常，對(duì)減少不必要的企業(yè)能耗具有重要意義。利用采集到的設(shè)備實(shí)時(shí)能耗數(shù)據(jù)流，提出了一種基于多特征提取的設(shè)備能耗異常識(shí)別分類方法。首先，對(duì)樣本數(shù)據(jù)提取了低能耗時(shí)間比、高能耗時(shí)間量、DTW距離等特征量，隨后利用孤立森林算法和K-means聚類算法對(duì)每條樣本數(shù)據(jù)進(jìn)行類型標(biāo)定，最后構(gòu)建了注意力機(jī)制與LSTM相結(jié)合的設(shè)備能耗異常分類算法。實(shí)驗(yàn)結(jié)果表明，該算法的分類正確率達(dá)到了97.76%，可以高效識(shí)別出不同類型的設(shè)備能耗異常，從而為企業(yè)及時(shí)作出處理、減少能耗損失提供了決策依據(jù)。

發(fā)表于：5/13/2021

基于NSST和NLMF的多聚焦圖像融合[其他][其他]

為對(duì)融合圖像的信息豐富度、邊緣清晰度以及視覺效果作進(jìn)一步的提升，設(shè)計(jì)了一種基于非下采樣剪切波變換(NSST)結(jié)合非局部均值濾波(NLMF)的多聚焦圖像融合算法。首先，將源圖像通過NSST變換進(jìn)行多尺度、多方向分解得到高、低頻子帶系數(shù)。其次，對(duì)低頻子帶系數(shù)采用局部區(qū)域的改進(jìn)拉普拉斯能量和以及非局部均值濾波融合方法構(gòu)建低頻子帶系數(shù)融合權(quán)重;對(duì)高頻子帶系數(shù)采用基于相關(guān)系數(shù)的空間頻率與能量相結(jié)合的融合規(guī)則，再加以相位一致性規(guī)則，構(gòu)建高頻子帶系數(shù)融合權(quán)重；最后，通過NSST反變換得到最終融合圖像。從三組不同聚焦圖像的實(shí)驗(yàn)結(jié)果來看，所提算法不論是在主觀視覺上，還是在客觀評(píng)價(jià)上，融合圖像的輪廓、紋理等信息保留度以及視覺清晰度都有較好的提升。

發(fā)表于：5/13/2021

當(dāng)前網(wǎng)絡(luò)空間安全技術(shù)發(fā)展現(xiàn)狀及思考[通信與網(wǎng)絡(luò)][信息安全]

隨著全球網(wǎng)絡(luò)信息化進(jìn)程的加快，網(wǎng)絡(luò)空間安全問題日益突出，網(wǎng)絡(luò)空間安全技術(shù)的發(fā)展備受關(guān)注。首先從三個(gè)領(lǐng)域概述了網(wǎng)絡(luò)空間安全技術(shù)發(fā)展現(xiàn)狀，包括“卡脖子”安全技術(shù)、新技術(shù)及其安全、安全基礎(chǔ)研究平臺(tái)，然后系統(tǒng)梳理了當(dāng)前網(wǎng)絡(luò)空間安全發(fā)展存在的問題，最后針對(duì)我國(guó)網(wǎng)絡(luò)空間安全技術(shù)發(fā)展面臨的實(shí)際問題給出了具體建議。

發(fā)表于：5/13/2021

網(wǎng)絡(luò)安全智能決策系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][信息安全]

隨著云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)等新興技術(shù)日漸成熟，網(wǎng)絡(luò)環(huán)境也變得日益復(fù)雜。面對(duì)海量安全數(shù)據(jù)，人力已經(jīng)難以詳盡分析，導(dǎo)致做出的決策具有局限性、安全事件響應(yīng)速度慢以及處置不及時(shí)等問題。文章立足于網(wǎng)絡(luò)安全智能決策，在現(xiàn)有研究的基礎(chǔ)上開展系統(tǒng)設(shè)計(jì)和研究工作。提出了網(wǎng)絡(luò)安全智能決策系統(tǒng)的整體架構(gòu)，設(shè)計(jì)了網(wǎng)絡(luò)安全智能決策引擎，能夠?qū)W(wǎng)絡(luò)當(dāng)前的安全態(tài)勢(shì)進(jìn)行智能化分析，更加快速、合理地進(jìn)行決策和響應(yīng)，并針對(duì)分布式大規(guī)模網(wǎng)絡(luò)環(huán)境對(duì)系統(tǒng)架構(gòu)進(jìn)行了拓展，形成了層次化的網(wǎng)絡(luò)安全智能決策系統(tǒng)部署架構(gòu)，為實(shí)施網(wǎng)絡(luò)空間安全智能決策做了有益探索。

發(fā)表于：5/13/2021

基于區(qū)塊鏈的傳染病風(fēng)險(xiǎn)管理方案[通信與網(wǎng)絡(luò)][信息安全]

為控制疫情傳播，傳統(tǒng)的傳染病風(fēng)險(xiǎn)管理方案大多采用中心化的管理模式，該模式存在著隱私信息易泄露、數(shù)據(jù)易被篡改、信息難以有效利用等問題。隨著區(qū)塊鏈技術(shù)的發(fā)展，其去中心化、防篡改、可追溯的特性為解決上述問題提供了新的思路。基于區(qū)塊鏈技術(shù)，提出一種安全、高效的傳染病風(fēng)險(xiǎn)管理方案。方案利用隱私集合計(jì)算對(duì)數(shù)據(jù)進(jìn)行處理，并利用區(qū)塊鏈技術(shù)對(duì)數(shù)據(jù)進(jìn)行記錄，在保護(hù)隱私數(shù)據(jù)安全的同時(shí)，實(shí)現(xiàn)數(shù)據(jù)的高效處理，為更好地防控突發(fā)性傳染病提供了技術(shù)保障。

發(fā)表于：5/13/2021

The DAO事件的形式化分析[通信與網(wǎng)絡(luò)][信息安全]

隨著區(qū)塊鏈應(yīng)用的推廣與深入，智能合約的作用越來越突出，智能合約的安全問題也更加突顯。由于區(qū)塊鏈不可篡改的特點(diǎn)，智能合約一旦部署不可更改。在開發(fā)階段保證智能合約的可靠性顯得尤為重要。在The DAO事件中，由于智能合約中存在一種被稱為重入漏洞的錯(cuò)誤，黑客得以竊取在當(dāng)時(shí)價(jià)值巨大的以太幣。通過形式化分析來更清晰地展示重入漏洞的特點(diǎn)及重入攻擊行為，并以此為例介紹基于模型檢測(cè)技術(shù)的智能合約形式化驗(yàn)證方法。

發(fā)表于：5/13/2021

區(qū)塊鏈安全與隱私保護(hù)前沿技術(shù)發(fā)展現(xiàn)狀[通信與網(wǎng)絡(luò)][信息安全]

區(qū)塊鏈提供了一個(gè)去中心化、不可篡改和可驗(yàn)證的分類賬，用于記錄數(shù)字資產(chǎn)的交易，并保證交易記錄的不可篡改性，被廣泛應(yīng)用于教育、政府和醫(yī)療等各個(gè)領(lǐng)域。然而，區(qū)塊鏈的安全性和潛在的隱私問題也成為當(dāng)前研究的焦點(diǎn)?；趨^(qū)塊鏈行業(yè)的安全現(xiàn)狀，探討了區(qū)塊鏈系統(tǒng)存在的問題和威脅；著重分析了區(qū)塊鏈安全與隱私保護(hù)的前沿技術(shù)；最后討論了區(qū)塊鏈技術(shù)未來的研究方向。

發(fā)表于：5/13/2021

智能合約安全問題與研究現(xiàn)狀[通信與網(wǎng)絡(luò)][信息安全]

智能合約是運(yùn)行在區(qū)塊鏈上的程序，具有去中心化、不可篡改的特性，被廣泛應(yīng)用于金融、能源、物聯(lián)網(wǎng)等多個(gè)領(lǐng)域。然而智能合約一旦實(shí)際部署到實(shí)時(shí)網(wǎng)絡(luò)上就不能對(duì)其更改，在保證合約安全的同時(shí)，缺陷和錯(cuò)誤也不能通過修改合約代碼得以解決，從而導(dǎo)致重大的安全事故。因此合約實(shí)際部署前對(duì)其進(jìn)行安全測(cè)試已經(jīng)成為迫切需要解決的問題。介紹了因智能合約漏洞引起的安全事件，對(duì)常見的合約漏洞進(jìn)行詳細(xì)分析，完成對(duì)已有合約分析工具的總結(jié)，體現(xiàn)了合約安全問題的研究發(fā)展現(xiàn)狀。

發(fā)表于：5/13/2021

泰雷茲與Senetas合作推出世界首個(gè)抗量子攻擊的網(wǎng)絡(luò)加密解決方案[通信與網(wǎng)絡(luò)][信息安全]

量子技術(shù)在傳感器、通信、計(jì)算機(jī)和模擬器等領(lǐng)域具備無限的潛力，催生了一場(chǎng)通常被稱為“第二次量子革命”的國(guó)際競(jìng)爭(zhēng)。這場(chǎng)革命利用了量子物理學(xué)最精細(xì)的特性，中國(guó)、美國(guó)以及歐洲的許多國(guó)家認(rèn)為掌握相關(guān)技術(shù)是關(guān)乎主權(quán)和發(fā)展的重大問題。

發(fā)表于：5/13/2021

自動(dòng)化中的TSN：我們現(xiàn)在處在什么階段？[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

近來，任何從事工業(yè)通信的人都會(huì)面對(duì)時(shí)間敏感型網(wǎng)絡(luò)(TSN)的話題。TSN必將到來；這只是個(gè)時(shí)間和方式問題。然而，即使到今天，人們對(duì)它在工業(yè)通信領(lǐng)域的優(yōu)勢(shì)并不是很清楚。

發(fā)表于：5/9/2021

芯訊通聯(lián)合中天安馳及樹米科技打造AI智能駕駛監(jiān)測(cè)解決方案[EDA與制造][汽車電子]

　　疲勞駕駛是一個(gè)值得高度警惕的交通安全隱患，事故率極高，具有和酒后駕駛一樣的危險(xiǎn)性。當(dāng)駕駛員疲勞駕駛時(shí)，會(huì)出現(xiàn)視線模糊、腰酸背疼、動(dòng)作呆板、手腳發(fā)脹或有精力不集中、反應(yīng)遲鈍、思考不周全、精神渙散、焦慮、急躁等現(xiàn)象。如果仍勉強(qiáng)駕駛車輛，則可能導(dǎo)致交通事故的發(fā)生。據(jù)不完全統(tǒng)計(jì)統(tǒng)計(jì)，高速公路因疲勞駕駛造成的交通事故占總數(shù)的25%左右，占重特大交通事故的35%以上。而據(jù)弗吉尼亞理工學(xué)院交通運(yùn)輸學(xué)院公布的調(diào)查數(shù)據(jù)現(xiàn)實(shí)，65%即將發(fā)生的碰撞是由于駕駛員事發(fā)前3秒的疏忽造成。

發(fā)表于：5/9/2021