日韩无码网站妞妞视频,国产在线拍偷自揄拍精品

智能化武器裝備標(biāo)準(zhǔn)體系框架研究[人工智能][安防電子]

近年來，隨著邊緣計算、深度學(xué)習(xí)等人工智能技術(shù)的迅速發(fā)展，基于人工智能技術(shù)的智能化武器裝備應(yīng)用日趨廣泛，這對智能化武器裝備的標(biāo)準(zhǔn)化工作提出了更高的要求。針對智能化武器裝備發(fā)展現(xiàn)狀進(jìn)行分析與研究，基于智能化武器裝備標(biāo)準(zhǔn)現(xiàn)狀及發(fā)展需求建立了智能化武器裝備標(biāo)準(zhǔn)體系框架。同時，根據(jù)智能化武器裝備特點和智能化戰(zhàn)爭需求對未來的標(biāo)準(zhǔn)研制工作提出了建議。

發(fā)表于：12/16/2020

基于機(jī)器學(xué)習(xí)的RTS游戲?qū)崟r勝率預(yù)測[其他][其他]

游戲勝負(fù)預(yù)測可用于自適應(yīng)游戲AI的設(shè)計，策略層面強(qiáng)化學(xué)習(xí)的反饋參數(shù)等。使用SC2LE公開的數(shù)據(jù)集，首先通過游戲時間、MMR和AMP指標(biāo)進(jìn)行數(shù)據(jù)預(yù)處理，得到質(zhì)量較高的數(shù)據(jù)集；然后使用pysc2解析，提取游戲數(shù)據(jù)；最后進(jìn)行特征分析，得到基礎(chǔ)特征和統(tǒng)計特征，完成游戲特征數(shù)據(jù)集的構(gòu)建。最終采用機(jī)器學(xué)習(xí)方法XGB分類模型,利用10次十折交叉驗證法進(jìn)行模型評估與優(yōu)選。結(jié)果表明使用基礎(chǔ)特性與統(tǒng)計特性的組合，可以使得實時勝率預(yù)測準(zhǔn)確率在不同匹配對局情況下均超過80%。

發(fā)表于：12/16/2020

基于機(jī)器學(xué)習(xí)的惡意軟件檢測研究進(jìn)展及挑戰(zhàn)[人工智能][其他]

由于惡意軟件的數(shù)量日漸龐大，攻擊手段不斷更新，結(jié)合機(jī)器學(xué)習(xí)技術(shù)是惡意軟件檢測發(fā)展的一個新方向。先簡要介紹惡意軟件檢測中的靜態(tài)檢測方法以及動態(tài)檢測方法，總結(jié)基于機(jī)器學(xué)習(xí)的惡意軟件檢測一般流程，回顧了研究進(jìn)展。通過使用Ember 2017和Ember 2018數(shù)據(jù)集，分析驗證了結(jié)構(gòu)化特征相關(guān)方法，包括隨機(jī)森林(Random Forest，RF)、LightGBM、支持向量機(jī)(Support Vector Machine，SVM)、K-means以及卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年樣本集分析驗證了序列化特征相關(guān)方法，包括幾種常見的深度學(xué)習(xí)算法模型。計算模型以在不同測試集上的準(zhǔn)確率、精確率、召回率以及F1-值作為評估指標(biāo)。根據(jù)實驗結(jié)果分析討論了各類方法的優(yōu)缺點，著重驗證分析了樹模型的泛化能力，表明隨著樣本的不斷演變，模型普遍存在退化問題，并指出進(jìn)一步研究方向。

發(fā)表于：12/16/2020

基于量子遺傳優(yōu)化的改進(jìn)極限學(xué)習(xí)機(jī)及應(yīng)用[其他][其他]

主要研究的是神經(jīng)網(wǎng)絡(luò)的一種新型訓(xùn)練方式——極限學(xué)習(xí)機(jī)算法的優(yōu)化和改進(jìn)。首先通過與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法的對比，介紹極限學(xué)習(xí)機(jī)算法的主要思想和流程，展現(xiàn)其特點及優(yōu)勢；其次，由于常規(guī)極限學(xué)習(xí)機(jī)在預(yù)測的精度上及運用的穩(wěn)定上存在不小的缺陷，通過闡述幾個智能尋優(yōu)算法及優(yōu)缺點比較，引出該文的重點量子遺傳算法，并利用此算法去優(yōu)化極限學(xué)習(xí)機(jī)的連接權(quán)值和閾值，選取最優(yōu)的權(quán)值和閾值賦予測試網(wǎng)絡(luò)，達(dá)到良好的使用效果；最后，介紹了改進(jìn)極限學(xué)習(xí)機(jī)算法在MATLAB上進(jìn)行實驗仿真及結(jié)果分析的步驟與流程，實驗結(jié)果說明改進(jìn)后的算法相比于經(jīng)典算法在回歸問題的預(yù)測上有優(yōu)勢，預(yù)測精度更高，且結(jié)果更穩(wěn)定；在分類問題的處理上，準(zhǔn)確性也具有壓倒性優(yōu)勢。

發(fā)表于：12/16/2020

基于稀疏編碼和各向異性濾波的超分辨率重建[其他][其他]

針對基于非局部稀疏自相似性的超分辨率重建方法存在的圖像邊緣保持性能不佳的問題，提出了一種基于稀疏編碼和各向異性濾波的超分辨率重建算法。該算法利用卷積神經(jīng)網(wǎng)絡(luò)和各向異性引導(dǎo)濾波訓(xùn)練了一個各向異性特征模型，然后利用該特征模型構(gòu)建一個局部的結(jié)構(gòu)先驗，以和非局部稀疏先驗形成互補(bǔ)，從而提高算法的邊緣保持能力。該算法訓(xùn)練后的模式使用通用測試集進(jìn)行測試，測試結(jié)果表明算法SR性能較好，能很好地保持邊緣細(xì)節(jié)，提供視覺效果更好的圖像。

發(fā)表于：12/16/2020

火電工控系統(tǒng)網(wǎng)絡(luò)安全防護(hù)方案設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對火電工控系統(tǒng)的網(wǎng)絡(luò)安全問題進(jìn)行了研究，對當(dāng)前火電工控系統(tǒng)的網(wǎng)絡(luò)架構(gòu)、安全挑戰(zhàn)、防護(hù)現(xiàn)狀、風(fēng)險來源等網(wǎng)絡(luò)安全問題進(jìn)行了分析總結(jié)，按照電力系統(tǒng)的安全防護(hù)總體原則及相關(guān)標(biāo)準(zhǔn)規(guī)范，針對電力生產(chǎn)網(wǎng)絡(luò)的特點及安全要求，提出了以數(shù)據(jù)探針為組成單元的能夠覆蓋電廠工控網(wǎng)絡(luò)各個層級并配置監(jiān)測中心的安全防護(hù)架構(gòu)，能夠?qū)Χ喾N工控協(xié)議進(jìn)行深度解析，對已知和未知危險流量進(jìn)行識別和學(xué)習(xí)，并將宏觀網(wǎng)絡(luò)態(tài)勢以可視化的方式展示出來，實現(xiàn)了對電廠工控系統(tǒng)多層次、立體化、智能化的安全防護(hù)，能夠深度有效的保護(hù)電廠生產(chǎn)網(wǎng)絡(luò)系統(tǒng)。

發(fā)表于：12/16/2020

一種用于微電網(wǎng)經(jīng)濟(jì)調(diào)度的分布式粒子群算法[模擬設(shè)計][智能電網(wǎng)]

隨著微電網(wǎng)技術(shù)在電力系統(tǒng)中的應(yīng)用愈加廣泛，協(xié)調(diào)微電網(wǎng)內(nèi)部分布式電源的出力分配以提高經(jīng)濟(jì)性成為了研究的重要課題。目前主流的經(jīng)濟(jì)調(diào)度方法是微電網(wǎng)調(diào)度中心利用全網(wǎng)微電源及負(fù)荷的信息進(jìn)行調(diào)度，但這種集中式的方法依賴調(diào)度中心的計算能力，對微電源與調(diào)度中心之間通信要求較高，且與微電網(wǎng)的分布式特性相違背。提出一種完全分布式的并行調(diào)度方法，各分布式電源作為獨立的智能體，平等地參與調(diào)度工作，利用自身與鄰居節(jié)點之間的勢能博弈，基于粒子群算法優(yōu)化自身的出力，進(jìn)而實現(xiàn)全網(wǎng)經(jīng)濟(jì)性最優(yōu)的目標(biāo)。在MATLAB平臺上搭建了獨立微電網(wǎng)優(yōu)化調(diào)度模型，驗證了所提出方法的可行性，并討論了相關(guān)參數(shù)的變化對于調(diào)度結(jié)果的影響。

發(fā)表于：12/16/2020

基于IBE策略的物聯(lián)網(wǎng)終端設(shè)備間的身份認(rèn)證方案[模擬設(shè)計][物聯(lián)網(wǎng)]

隨著物聯(lián)網(wǎng)終端設(shè)備間直接通信的需求不斷增大，為解決物聯(lián)網(wǎng)終端設(shè)備間安全通信和隱私保護(hù)問題，終端設(shè)備間認(rèn)證技術(shù)成為人們關(guān)注的一個熱點，業(yè)界諸多學(xué)者已經(jīng)對此展開相關(guān)研究并提出多種物聯(lián)網(wǎng)終端設(shè)備間的認(rèn)證機(jī)制。但是，上述機(jī)制在安全強(qiáng)度及抵抗攻擊效果方面尚存在不足。為解決此問題，該文提出一種基于IBE策略的物聯(lián)網(wǎng)終端設(shè)備身份認(rèn)證方案，實現(xiàn)終端設(shè)備之間匿名雙向認(rèn)證，同時使用橢圓曲線加密算法保證認(rèn)證過程中信息傳輸?shù)陌踩?。通過安全性理論分析和性能分析表明，該方案可很好地抵抗重放攻擊、中間人攻擊和篡改攻擊等已知攻擊且具有較低的計算開銷。

發(fā)表于：12/16/2020

等保2.0時代城市軌道交通信號系統(tǒng)網(wǎng)絡(luò)安全防護(hù)新思路[通信與網(wǎng)絡(luò)][智能交通]

隨著網(wǎng)絡(luò)安全法的深入貫徹和實施，等級保護(hù)制度已成為新時期國家網(wǎng)絡(luò)安全的基本制度，等級保護(hù)2.0的出臺，網(wǎng)絡(luò)安全保護(hù)對象實現(xiàn)了對云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、工業(yè)控制系統(tǒng)的全覆蓋。結(jié)合等級保護(hù)2.0新標(biāo)準(zhǔn)要求以及城市軌道交通信號系統(tǒng)網(wǎng)絡(luò)安全的建設(shè)需求，依照“一個中心，三重防御”核心思想，提出城市軌道交通信號系統(tǒng)網(wǎng)絡(luò)安全防護(hù)新思路。

發(fā)表于：12/16/2020

現(xiàn)場可編程邏輯門陣列（FPGA）賦能下一代通信和網(wǎng)絡(luò)解決方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

了解網(wǎng)絡(luò)基礎(chǔ)設(shè)施功能迅速增長的一種便捷方法是回顧一下過去四十年的發(fā)展歷程（如下圖所示）。蜂窩網(wǎng)絡(luò)技術(shù)的創(chuàng)新，加上新型的數(shù)據(jù)存儲和搜索技術(shù)，正在轉(zhuǎn)變行業(yè)的發(fā)展模式。創(chuàng)新的技術(shù)不僅為公司和個人提供了全新的應(yīng)用場景，也使他們?nèi)フJ(rèn)真思考如何利用那些原本不屬于其產(chǎn)品組合的技術(shù)。也許最能說明問題的變化的是新的商業(yè)模式導(dǎo)致了價值從基礎(chǔ)設(shè)施轉(zhuǎn)向了服務(wù)。

發(fā)表于：12/16/2020

萬物互聯(lián)無小事[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

雖然物聯(lián)網(wǎng)被廣泛寄予厚望，但對于企業(yè)來說，要建設(shè)和部署物聯(lián)網(wǎng)架構(gòu)，卻并非易事。為了實現(xiàn)萬物的智能互聯(lián)，物聯(lián)網(wǎng)逐漸形成了覆蓋云、管、邊、端的全方位體系架構(gòu)。其中，“云”指的就是云平臺，相當(dāng)于物聯(lián)網(wǎng)的神經(jīng)中樞；所謂“管”是指通訊方式；“邊”則是指邊緣計算，將機(jī)器學(xué)習(xí)引入邊緣計算，是打造智能化網(wǎng)絡(luò)的關(guān)鍵；而“端”指的就是物聯(lián)網(wǎng)中所謂的物，也就是設(shè)備節(jié)點。

發(fā)表于：12/16/2020

社區(qū)入室盜竊風(fēng)險評估模型研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

風(fēng)險評估對社區(qū)入室盜竊案件的防控具有參考意義?；谖墨I(xiàn)調(diào)研和實地考察，結(jié)合社區(qū)警務(wù)的實際工作經(jīng)驗，構(gòu)建了社區(qū)入室盜竊風(fēng)險評估指標(biāo)體系，并綜合運用模糊層次分析法、德爾菲法、DS證據(jù)理論和模糊綜合評價法實現(xiàn)了定量計算。以某大型城市13個典型社區(qū)為例，對提出的風(fēng)險評估方法進(jìn)行了驗證，并與實際入室盜竊案件數(shù)據(jù)進(jìn)行了對比。結(jié)果表明，社區(qū)警務(wù)室的建設(shè)和運行對入室盜竊風(fēng)險影響最大，其次為小區(qū)關(guān)鍵場所設(shè)施安全狀況和小區(qū)空間家居狀況；模糊綜合評價結(jié)果與實際入室盜竊發(fā)案情況基本一致。所提出的方法預(yù)期可以為社區(qū)入室盜竊犯罪的預(yù)防提供決策依據(jù)。

發(fā)表于：12/16/2020

基于時空聚集的網(wǎng)貸反欺詐建模與研究[其他][其他]

識別突發(fā)的團(tuán)伙欺詐已經(jīng)成為網(wǎng)貸業(yè)務(wù)中亟待解決的問題。在特征維度較少的情況下，提出了一種基于時空聚集的網(wǎng)貸反欺詐模型。首先基于用戶定位信息和申請貸款的時間，設(shè)計了一個適用于網(wǎng)貸場景下的聚集指標(biāo)：KN最近鄰指數(shù)；然后，將不同時間觀察窗口的K-N最近鄰指數(shù)利用基于LSTM(長短期記憶網(wǎng)絡(luò))的seq2seq(序列到序列)模型提取embedding(嵌入)特征；最后，利用LightGBM模型預(yù)測欺詐發(fā)生的概率。實驗結(jié)果表明，所提出的指標(biāo)能更有效地捕捉壞賬，且相比于僅使用基礎(chǔ)特征，預(yù)測結(jié)果的KS值和AUC都有了較好的提升。

發(fā)表于：12/16/2020

基于智能電表的電器用電量分類計量方法研究[電源技術(shù)][智能電網(wǎng)]

隨著電力需求側(cè)對于用電管理的重視度提升，只提供用戶總電量計量的電表已無法滿足人們的要求，為此，開創(chuàng)性地提出了在通用電表上實現(xiàn)用電器用電量分類計量方法。該方法利用電表的數(shù)據(jù)采集及處理功能獲取用電器特征后，將該暫態(tài)告警信息上傳至云端與預(yù)先建立的SVM模型進(jìn)行類別匹配，從而判定用電器類型及相應(yīng)的用戶操作，同時將識別結(jié)果及告警時間存入數(shù)據(jù)庫，后續(xù)通過分類計量策略實現(xiàn)各類用電器單獨的耗能量計算。實例驗證了該方法的準(zhǔn)確性及可靠性，該方法具有較大實際應(yīng)用價值。

發(fā)表于：12/16/2020

基于超級電容的電動小車動態(tài)無線充電系統(tǒng)[電源技術(shù)][汽車電子]

以電動小車無線充電為主題，實現(xiàn)了以超級電容為基本儲能裝置的電動小車動態(tài)無線充電系統(tǒng)。該系統(tǒng)使用了將無線充電模塊與超級電容組相結(jié)合的模式，通過把直流電轉(zhuǎn)換成高頻交流電，再通過電磁感應(yīng)原理為超級電容無線充電，放電時通過Boost變換為小車提供電能。實驗可實現(xiàn)小車在跑道上的某點充電時，充電指示燈點亮起；當(dāng)外界電源切斷，充電斷電后，小車可自動啟動并循跡行駛。最終證明了超級電容與無線充電模塊組合裝置可實現(xiàn)小車在行駛中，經(jīng)過通電線圈時可以進(jìn)行閃充,并沿著既定運行軌道繼續(xù)行進(jìn)。

發(fā)表于：12/16/2020