中文字幕色站,精品日韩亚洲欧美高清a

基于CNN-LSTM的支撐電容容值軟測(cè)量[其他][其他]

實(shí)時(shí)監(jiān)測(cè)功率變流器中支撐電容的老化狀態(tài)，及時(shí)發(fā)現(xiàn)并更換存在缺陷的電容，對(duì)提高功率變換器的可靠性具有重要意義?；谙嚓P(guān)電壓電流數(shù)據(jù)，通過建立數(shù)據(jù)集，確定網(wǎng)絡(luò)模型參數(shù)和模型訓(xùn)練，最終得到基于CNN-LSTM的神經(jīng)網(wǎng)絡(luò)模型，并通過不同工況下的數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性進(jìn)行了驗(yàn)證。結(jié)果表明，該模型可對(duì)電容容值進(jìn)行可靠預(yù)測(cè)。

發(fā)表于：8/31/2021 2:10:00 PM

意圖網(wǎng)絡(luò)研究綜述[其他][其他]

為應(yīng)對(duì)快速變化的業(yè)務(wù)和用戶需求，業(yè)界提出了意圖網(wǎng)絡(luò)。意圖網(wǎng)絡(luò)使用自然語(yǔ)言直接描述“業(yè)務(wù)意圖”并將其自動(dòng)轉(zhuǎn)譯為網(wǎng)絡(luò)可執(zhí)行的策略及操作，從而降低了網(wǎng)絡(luò)管理的復(fù)雜性，大幅提高了運(yùn)維效率，也很大程度上節(jié)省了人工。廣泛和深入地調(diào)研了意圖相關(guān)的項(xiàng)目和研究，介紹了意圖的概念和描述、意圖的北向接口、意圖和策略的關(guān)系以及具有代表性的意圖網(wǎng)絡(luò)框架，并討論了意圖網(wǎng)絡(luò)部署和應(yīng)用所面臨的主要挑戰(zhàn)，旨在為讀者研究意圖網(wǎng)絡(luò)提供一個(gè)綜合視圖。

發(fā)表于：8/31/2021 2:05:00 PM

基于NOMA的RIS與DF中繼對(duì)比研究[其他][其他]

面向5G-Advanced和6G移動(dòng)通信系統(tǒng)深度覆蓋需求，提出基于非正交多址接入(NOMA)的智能超表面(RIS)和解碼轉(zhuǎn)發(fā)(DF)中繼解決方案，通過系統(tǒng)建模、容量分析和能效分析，對(duì)比基于NOMA的RIS和DF中繼方案的性能增益。典型場(chǎng)景下的數(shù)值仿真與對(duì)比分析表明，隨著陣元數(shù)目的增大，相比于DF中繼，RIS方案的能效增益逐漸增大。

發(fā)表于：8/31/2021 2:01:00 PM

6G通信感知一體化架構(gòu)與技術(shù)研究[其他][其他]

從2019年5G標(biāo)準(zhǔn)和設(shè)備逐步成型，通信業(yè)務(wù)向著產(chǎn)業(yè)化、多元化的趨勢(shì)逐漸清晰化，從而催生了新通信系統(tǒng)研究。6G作為新一代通信系統(tǒng)，從服務(wù)全面性和精細(xì)度都進(jìn)行了深度和廣度的擴(kuò)展。目前6G備選技術(shù)已經(jīng)有THz技術(shù)、大規(guī)模天線、IRS和通信感知融合等，其中通信和感知一體化在2021年初成為6G重點(diǎn)研究技術(shù)，其通過復(fù)用通信和感知架構(gòu)與信號(hào)進(jìn)行一體化通信和感知，可以極大地減少系統(tǒng)的冗余部署。從6G通信感知一體化的研究需要性、架構(gòu)和技術(shù)研究幾個(gè)方面展開分析，從而可以較為全面地介紹6G通感融合的可行性及重點(diǎn)研究方向。

發(fā)表于：8/31/2021 1:55:00 PM

基于模板匹配OCR的報(bào)告自動(dòng)歸檔系統(tǒng)研究[其他][其他]

針對(duì)建筑檢測(cè)行業(yè)中檢測(cè)報(bào)告多、人工歸檔效率低下的問題，利用模板匹配算法與LeNet框架建立了一套強(qiáng)魯棒性用于報(bào)告文件數(shù)字符號(hào)的OCR識(shí)別系統(tǒng)。針對(duì)報(bào)告中感興趣區(qū)域(ROI)位置和大小不固定的問題，采用了機(jī)器視覺領(lǐng)域中的模板匹配定位算法來(lái)定位報(bào)告文件的ROI區(qū)域。結(jié)合LeNet網(wǎng)絡(luò)與模板匹配定位算法，實(shí)現(xiàn)了傳統(tǒng)機(jī)器視覺方法與人工智能方法的結(jié)合，構(gòu)建了一套檢測(cè)報(bào)告自動(dòng)歸檔系統(tǒng)。所構(gòu)建的自動(dòng)歸檔系統(tǒng)的正確歸檔率達(dá)到了95.8%，有效節(jié)約了人工成本與時(shí)間成本。

發(fā)表于：8/12/2021 3:30:59 PM

基于5G技術(shù)的高可靠數(shù)據(jù)傳輸終端的設(shè)計(jì)[其他][其他]

無(wú)線數(shù)據(jù)傳輸終端又稱為“工業(yè)領(lǐng)域的手機(jī)”，其數(shù)據(jù)傳輸原理與人們平常使用的手機(jī)是類似的。目前無(wú)線數(shù)據(jù)傳輸終端中常使用2G/4G網(wǎng)絡(luò)傳輸數(shù)據(jù)。2G/4G網(wǎng)絡(luò)存在帶寬小、時(shí)延大以及接入終端量受限等問題，因此傳統(tǒng)的數(shù)據(jù)傳輸終端不適用車聯(lián)網(wǎng)和大型工控領(lǐng)域。將5G技術(shù)應(yīng)用到DTU(Data Transfer Unit)中，設(shè)計(jì)了一個(gè)高可靠性的5G數(shù)據(jù)傳輸終端即5G-DTU。它的主處理器為Rockchip公司的RK1808芯片，集成了5G通信模組、WiFi模塊和接口模塊。因此5G-DTU能為外置設(shè)備提供2.4 G和5 G雙頻段的無(wú)線接入以及豐富的外設(shè)接口。最后通過測(cè)試證明了5G-DTU的高帶寬、低延時(shí)和高可靠性。

發(fā)表于：8/12/2021 3:25:11 PM

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 3:15:28 PM

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題以及未來(lái)的發(fā)展方向。

發(fā)表于：8/12/2021 3:11:27 PM

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)視覺中的經(jīng)典問題。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 3:06:28 PM

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?；贔link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 3:00:00 PM