好吊妞国产欧美日韩高清视频,秋葵视频在线观看下载安装

基于深度學(xué)習(xí)的互聯(lián)網(wǎng)接收機中特定信號識別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著軟件無線電技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，有大量的互聯(lián)網(wǎng)接收機接入互聯(lián)網(wǎng)，并可任意訪問其頻譜瀑布圖數(shù)據(jù)。頻譜瀑布圖是信號頻域和時域特性的一種展示方式，將不同頻率的信號以圖像的方式直觀地進行展示，為了更好地監(jiān)測到頻譜瀑布圖中的特定信號，需要對頻譜瀑布圖中的特定信號進行智能識別。通過深度學(xué)習(xí)技術(shù)實現(xiàn)了對頻譜瀑布圖中特定信號識別，在信噪比大于5 dB時，識別準確率大于90%。

發(fā)表于：5/27/2024

惡意代碼可視化分類研究[通信與網(wǎng)絡(luò)][信息安全]

新型惡意代碼設(shè)計變得日益復(fù)雜，傳統(tǒng)的識別并檢測方法已經(jīng)滿足不了當(dāng)前的需求。因此，在對BODMAS數(shù)據(jù)集分析的基礎(chǔ)上，將其進行可視化處理并進行分類。同時考慮到現(xiàn)有惡意代碼可視化分類模型主要依賴全局特征，在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上設(shè)計了一個CA（通道級局部特征關(guān)注）模塊和一個MA（多尺度局部特征關(guān)注）模塊，構(gòu)建了兩個新模型，巧妙地結(jié)合全局與局部特征。在BODMAS數(shù)據(jù)集上，新模型在惡意代碼種類識別并分類平均準確率相比于BODMAS數(shù)據(jù)集論文描述的方法得到了提高，證明了數(shù)據(jù)集可視化可行性和新模型的有效性，為未來研究提供了重要的數(shù)據(jù)和實驗基礎(chǔ)。

發(fā)表于：5/27/2024

硅基三維異構(gòu)集成射頻微系統(tǒng)的多物理場耦合仿真與設(shè)計[微波|射頻][通信網(wǎng)絡(luò)]

利用硅基三維異構(gòu)集成工藝設(shè)計一款射頻微系統(tǒng)，以滿足設(shè)備對射頻模組高性能、小型化的需求。為了在設(shè)計初期充分評估該微系統(tǒng)的潛在可靠性風(fēng)險，根據(jù)工藝特征以及產(chǎn)品在多物理場中的耦合現(xiàn)象，建立一種面向硅基三維異構(gòu)集成工藝射頻微系統(tǒng)的多物理場一體化仿真流程，逐一分析所涉及的電-熱耦合和熱-力耦合過程，預(yù)判產(chǎn)品在工作條件下的熱學(xué)和力學(xué)特性，為設(shè)計環(huán)節(jié)提供針對性的指導(dǎo)，預(yù)先規(guī)避可靠性風(fēng)險，從而有效提高一次性設(shè)計成功率。

發(fā)表于：5/27/2024

探索模擬技術(shù)的重要作用[模擬設(shè)計][工業(yè)自動化]

模擬信號無處不在。在電子領(lǐng)域，模擬技術(shù)通過轉(zhuǎn)換電壓電平、感應(yīng)或者精確測量或調(diào)節(jié)信號，助力各種應(yīng)用在現(xiàn)實世界中穩(wěn)定運行。小到助聽器，大到數(shù)據(jù)中心的供電系統(tǒng)，模擬芯片是每個電子系統(tǒng)的重要組成部分。

發(fā)表于：5/22/2024

使用ROS1驅(qū)動程序來操控ADI Trinamic電機控制器[人工智能][工業(yè)自動化]

　　摘要　　“實現(xiàn)機器人操作系統(tǒng)——電機控制器ROS1驅(qū)動程序簡介”一文中概述了新型ADI Trinamic? 電機控制器（TMC）驅(qū)動程序，并討論了將電機控制器集成到機器人操作系統(tǒng)（ROS）生態(tài)系統(tǒng)中的方法。TMC ROS1驅(qū)動程序支持TMC驅(qū)動層和應(yīng)用層之間在ROS框架內(nèi)無縫通信，且適用于它支持的各種TMC板。本文將深入探討TMC ROS1驅(qū)動程序的功能，包括電機控制、信息檢索、命令執(zhí)行、參數(shù)獲取以及對多種設(shè)置的支持。文中還概述了如何將電機控制器集成到嵌入式系統(tǒng)和應(yīng)用中，從而利用ROS框架提供的優(yōu)勢。

發(fā)表于：5/15/2024

如何使用帶有I2C和SPI解碼的示波器排查系統(tǒng)問題[測試測量][工業(yè)自動化]

　　大多數(shù)基于微控制器的設(shè)計都使用I2C或SPI，或兩者兼用，來實現(xiàn)控制器之間以及控制器與外圍芯片之間的通信。當(dāng)芯片發(fā)送特定的I2C或SPI數(shù)據(jù)包時，能夠看到嵌入式系統(tǒng)內(nèi)部的操作對于排除故障至關(guān)重要。許多管理相對較慢參數(shù)的芯片，如溫度傳感器、電機控制器、人機界面或電源管理等，都將這些總線作為與系統(tǒng)其他部分通信的主要手段。其他高速芯片，如通信集成電路、時鐘和模數(shù)轉(zhuǎn)換器，通常也通過這些總線進行配置。例如，在電源啟動后排查冷卻風(fēng)扇問題時，查看發(fā)送到風(fēng)扇控制器集成電路的SPI命令的時序和結(jié)構(gòu)，以及風(fēng)扇的驅(qū)動信號和電源，可能會有所幫助。

發(fā)表于：5/15/2024

兆芯推出AI訓(xùn)練推理一體解決方案[人工智能][工業(yè)自動化]

國產(chǎn)x86！兆芯打造AI訓(xùn)練推理一體方案雙路64核心

發(fā)表于：5/15/2024

AI時代的傳統(tǒng)網(wǎng)絡(luò)安全之變[人工智能][信息安全]

AI是一把鋒利異常的“雙刃劍”。它在釋放生產(chǎn)力，為人們提供高效便捷的同時，也帶來了新的隱患。一旦AI被規(guī)模化、深度化的應(yīng)用于網(wǎng)絡(luò)攻擊、電信詐騙等，那么其攻擊力、破壞值將可能大到無法想象。

發(fā)表于：5/14/2024

何為需求規(guī)劃的關(guān)鍵所在[人工智能][其他]

　　面對眾多分散的銷售渠道、繁雜的產(chǎn)品線以及更加難以預(yù)測的客戶需求，包括消費品公司在內(nèi)的各類企業(yè)面對著同一個棘手的問題——為何供應(yīng)鏈總是無法跟上市場營銷前端的速度？盡管許多企業(yè)已經(jīng)采用了需求規(guī)劃和預(yù)測系統(tǒng)，希望可以通過系統(tǒng)升級提高洞察力，以調(diào)整庫存規(guī)模并保證每次都能按時足量交貨。有些企業(yè)甚至與客戶協(xié)作，將雙方的訂貨和庫存管理系統(tǒng)進行連接，以便根據(jù)當(dāng)前庫存水平協(xié)調(diào)采購請求，并更好地管理生產(chǎn)需求。盡管如此，這仍然未能幫助企業(yè)達成預(yù)期目標(biāo)。

發(fā)表于：5/11/2024

論數(shù)字化“智力成果”保護向著作權(quán)法回歸的正當(dāng)性——以人工智能生成內(nèi)容的保護路徑選擇為例[其他][信息安全]

現(xiàn)階段數(shù)字化“智力成果”不斷涌現(xiàn)，但著作權(quán)保護之正當(dāng)性卻遭遇了前所未有的挑戰(zhàn)。以人工智能生成內(nèi)容為例，無論是在保護對象上、權(quán)利主體上還是受控行為上都因為技術(shù)的強勢介入而產(chǎn)生認定難題，進而產(chǎn)生了適用反不正當(dāng)競爭法進行保護的傾向。但事實上，適用反不正當(dāng)競爭法不僅無法達到預(yù)期效果，反而會因抵觸著作權(quán)法而增加社會成本。經(jīng)過進一步分析，可以發(fā)現(xiàn)人工智能生成內(nèi)容等數(shù)字化“智力成果”之上存在創(chuàng)作模式、技術(shù)身份和使用行為性質(zhì)的認識誤區(qū)。當(dāng)相關(guān)誤區(qū)被糾正后，著作權(quán)法完全有能力對數(shù)字化“智力成果”提供充分保護并且實現(xiàn)作者利益與公眾利益之間的平衡。因此，正確的做法是在外部明確著作權(quán)法、反不正當(dāng)競爭法和公共領(lǐng)域的界限，在內(nèi)部利用著作權(quán)法高效的利益平衡機制尋找適合數(shù)字化“智力成果”的保護模式。

發(fā)表于：5/7/2024

歐盟數(shù)據(jù)治理模式對我國數(shù)據(jù)要素開發(fā)利用的啟示[其他][信息安全]

歐盟圍繞數(shù)據(jù)資源開發(fā)利用經(jīng)歷了三個階段的發(fā)展，構(gòu)建形成了對全球影響極大、極具歐盟特色的數(shù)據(jù)治理路徑，目前，歐盟正加快體系化實施數(shù)據(jù)戰(zhàn)略，以推動壯大本土數(shù)字產(chǎn)業(yè)，形成與美、中抗衡的數(shù)字經(jīng)濟競爭力。歐盟數(shù)據(jù)戰(zhàn)略主要包含健全數(shù)據(jù)管理機構(gòu)、推動數(shù)據(jù)共享流通、建設(shè)數(shù)據(jù)基礎(chǔ)設(shè)施以及建立數(shù)據(jù)治理規(guī)則等方面，在實踐中取得了顯著成效。立足我國數(shù)據(jù)要素開發(fā)利用中存在的數(shù)據(jù)流通交易不暢、數(shù)據(jù)價值挖掘不足以及安全保障仍待補強等問題，研究總結(jié)歐盟數(shù)據(jù)治理模式對我國的啟示，旨在為數(shù)據(jù)要素探索實踐提供參考。

發(fā)表于：5/7/2024

基于特征分析的智能網(wǎng)聯(lián)汽車數(shù)據(jù)分級方法研究[通信與網(wǎng)絡(luò)][信息安全]

當(dāng)前，智能網(wǎng)聯(lián)技術(shù)的發(fā)展使得汽車成為數(shù)據(jù)交互的重要載體，智能網(wǎng)聯(lián)汽車所產(chǎn)生的數(shù)據(jù)量呈現(xiàn)指數(shù)型增長趨勢，國家對于數(shù)據(jù)安全的重視程度也在不斷加強。在此背景下，從行業(yè)實踐角度出發(fā)，對我國當(dāng)前數(shù)據(jù)安全監(jiān)管現(xiàn)狀、數(shù)據(jù)分級方法進行梳理，最后提出一種基于特征分析的數(shù)據(jù)分級方法，助力企業(yè)加強數(shù)據(jù)治理、滿足政府合規(guī)要求。

發(fā)表于：5/7/2024

歐盟精細化數(shù)據(jù)立法下的數(shù)據(jù)保護與流通[其他][信息安全]

近年來歐盟數(shù)據(jù)領(lǐng)域的立法重點產(chǎn)生了一定的價值轉(zhuǎn)向，歐盟法作為大陸法系的重要組成部分與我國法律體系一脈相承。研究歐盟數(shù)據(jù)立法進程所彰顯的法治精神和價值導(dǎo)向?qū)τ谖覈鴶?shù)據(jù)治理工作具有一定借鑒意義。以歐盟有關(guān)數(shù)據(jù)治理的憲章、公約、條約、戰(zhàn)略、法律與法案為分析文本，對歐盟系列規(guī)范性文本進行共時性與歷時性的雙維度研究以厘清其立法思路演變與路徑選擇。在研究過程中發(fā)現(xiàn)歐盟對于數(shù)據(jù)這一新型生產(chǎn)要素在被納入法律視野中后而產(chǎn)生的數(shù)據(jù)權(quán)這一概念存在著從傳統(tǒng)人格權(quán)向財產(chǎn)權(quán)的認知轉(zhuǎn)變，進而梳理出歐盟從傳統(tǒng)的數(shù)據(jù)保護轉(zhuǎn)向數(shù)據(jù)流通與賦能的立法嬗變趨勢，并得出對我國數(shù)據(jù)治理的三點啟示：數(shù)據(jù)戰(zhàn)略建構(gòu)應(yīng)追求結(jié)構(gòu)體系化、數(shù)據(jù)權(quán)利創(chuàng)設(shè)應(yīng)考慮利益多元化和數(shù)據(jù)流通模式設(shè)計應(yīng)遵循場景類型化。

發(fā)表于：5/7/2024

生成式人工智能對個人信息保護的挑戰(zhàn)與治理路徑[人工智能][信息安全]

以ChatGPT為代表的生成式人工智能技術(shù)給各行各業(yè)帶來顛覆性變革，但也引發(fā)個人信息泄露、算法偏見、虛假信息傳播等個人信息侵權(quán)危機。傳統(tǒng)“基于權(quán)利保護”的路徑過于強調(diào)個人信息保護而阻礙人工智能產(chǎn)業(yè)的發(fā)展，“基于風(fēng)險防范”的路徑則更加凸顯個人信息的合理利用價值，價值選擇上更優(yōu)。但以權(quán)利保護和風(fēng)險保護共同治理，才能實現(xiàn)利益平衡并建立個人信息的長效保護機制。在個人信息處理規(guī)則上，以“弱同意”規(guī)則取代僵化嚴苛的知情同意規(guī)則；在目的限制原則上，以“風(fēng)險限定”取代“目的限定”；在個人信息最小化原則上，以“風(fēng)險最小化”取代“目的最小化”。在此基礎(chǔ)上，進一步加強生成式人工智能數(shù)據(jù)來源合規(guī)監(jiān)管，提升算法透明性和可解釋性，強化科技倫理規(guī)范和侵權(quán)責(zé)任追究。

發(fā)表于：5/7/2024

復(fù)雜背景下小尺寸多角度人臉檢測方法研究[通信與網(wǎng)絡(luò)][信息安全]

為了提升復(fù)雜背景下小尺寸人臉檢測精度，提出了一種人臉檢測方法GhostNet-MTCNN。在多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（MTCNN）主干網(wǎng)絡(luò)上，將占用計算資源的普通卷積進行舍棄，利用GhostNet網(wǎng)絡(luò)中計算量更低的Ghost bottleneck模組替代卷積的作用，重新構(gòu)建網(wǎng)絡(luò)特征提取功能，從而搭建一個新的模型。實驗結(jié)果表明，該方法可以有效平衡參數(shù)量和精度。在Easy、Medium、Hard三種驗證集上，與MTCNN相比在參數(shù)量僅增加0.62M的前提下精度分別提升了 5.6%、6.6%、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時精度又分別提升了1.6%、0.8%、0.5%。該研究能夠在復(fù)雜場景下提高模型對小尺寸、多角度人臉檢測精度，同時也能夠有效平衡參數(shù)量和檢測精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇。

發(fā)表于：5/7/2024