高清一级无码AV,一区二区AV无码波多野结衣

基于預(yù)訓(xùn)練模型的基層治理敏感實(shí)體識別方法[其他][數(shù)據(jù)中心]

基層治理產(chǎn)生的大量敏感數(shù)據(jù)可通過數(shù)據(jù)脫敏去除隱私內(nèi)容，但這些數(shù)據(jù)包含較多非結(jié)構(gòu)化文本數(shù)據(jù)，難以直接進(jìn)行數(shù)據(jù)脫敏。因此，需要對非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行命名實(shí)體識別以提取敏感數(shù)據(jù)。首先把敏感實(shí)體分為16類并對信訪文本進(jìn)行標(biāo)注，輸入層表示采用預(yù)訓(xùn)練模型BERT，編碼層利用雙向長短時(shí)記憶網(wǎng)絡(luò)汲取上下文信息，解碼層通過條件隨機(jī)場模型優(yōu)化序列，構(gòu)建了較高精度的基層治理敏感實(shí)體識別模型。針對脫敏工作需要，改變假陰性和假陽性的loss權(quán)重，并采用敏感實(shí)體框選率輔助評價(jià)模型性能。在基層治理信訪數(shù)據(jù)集和公共數(shù)據(jù)集MSRA上進(jìn)行實(shí)驗(yàn)，F(xiàn)1值分別為88.38%和90.11%，相較于基準(zhǔn)模型提升了4.64%和3.78%。該模型可應(yīng)用于非結(jié)構(gòu)化文本的敏感實(shí)體識別，識別成功率高。現(xiàn)有評價(jià)指標(biāo)未能較好地反映敏感實(shí)體的間接推理關(guān)系，應(yīng)當(dāng)探索更完善的敏感實(shí)體評價(jià)體系。

發(fā)表于：2023/9/25

一種基于虛擬端點(diǎn)的PCIe交換機(jī)地址分配方案*[其他][其他]

針對PCIe總線特性，結(jié)合工業(yè)控制裝備的應(yīng)用特性以及設(shè)計(jì)、調(diào)試和查找問題的便利性，提出一種基于虛擬端點(diǎn)的PCIe交換機(jī)地址分配方案。通過分析PCIe設(shè)備的枚舉與資源分配過程，將虛擬端點(diǎn)添加到PCIe交換機(jī)系統(tǒng)拓?fù)浣Y(jié)構(gòu)中，設(shè)計(jì)PCIe外設(shè)地址空間固定分配機(jī)制，并給出外設(shè)的物理槽位號的計(jì)算公式，可在外設(shè)交互故障時(shí)刻快速定位故障外設(shè)。通過實(shí)驗(yàn)驗(yàn)證，在支持熱插拔的裝置中，無論外設(shè)板卡的運(yùn)行數(shù)目、類型和位置如何改變，該地址分配方案可實(shí)現(xiàn)各下游虛擬PCI橋下接入的有效端點(diǎn)分配的地址空間固定，且消除了遍歷查詢外設(shè)地址環(huán)節(jié)，提高了數(shù)據(jù)傳輸?shù)男剩幸嬗赑CIe總線更加便捷地應(yīng)用于工控領(lǐng)域。

發(fā)表于：2023/9/25

基于局部方差和后驗(yàn)概率分類的快速模板匹配算法*[其他][其他]

具有旋轉(zhuǎn)不變性的模板匹配算法在工業(yè)制造上具有廣泛的應(yīng)用。為解決傳統(tǒng)的模板匹配方法在目標(biāo)旋轉(zhuǎn)、匹配速度上的問題，提出一種基于局部方差和后驗(yàn)概率分類的模板匹配方法。為減少計(jì)算量，在匹配中通過局部方差過濾掉部分候選窗口，并在后驗(yàn)概率分類模塊中通過對比不同區(qū)域穩(wěn)定特征點(diǎn)對的灰度來計(jì)算窗口相關(guān)性。使用后驗(yàn)概率分類計(jì)算窗口相關(guān)度能在預(yù)處理過程實(shí)現(xiàn)旋轉(zhuǎn)不變性，并保證準(zhǔn)確率在95%以上。實(shí)驗(yàn)結(jié)果表明，該算法在80萬像素級的任意角度匹配圖像上選擇合適的窗口移動步長后，可將匹配時(shí)間減少到10 ms以內(nèi)，相較于現(xiàn)有算法速度更快。

發(fā)表于：2023/9/25

基于關(guān)聯(lián)規(guī)則和遺傳算法的服裝輔料儲位優(yōu)化*[其他][其他]

針對服裝行業(yè)受時(shí)尚潮流影響，物料型號更新迅速，導(dǎo)致倉庫庫存結(jié)構(gòu)混亂、作業(yè)效率低下的問題，設(shè)計(jì)一種將Apriori算法同改進(jìn)遺傳算法結(jié)合（AIGA）的儲位優(yōu)化方法。首先Apriori算法挖掘物料組間關(guān)聯(lián)規(guī)則，將相關(guān)性較強(qiáng)物料組合并形成大類庫區(qū)，按照大類揀貨頻次動態(tài)調(diào)整庫區(qū)位置；其次結(jié)合物料相關(guān)性和揀貨頻次，以最小化揀貨距離為主要優(yōu)化目標(biāo)建立儲位分配模型。通過遺傳算法進(jìn)行儲位分配搜索，并改進(jìn)遺傳算法的初始化、交叉和變異算子，同時(shí)設(shè)計(jì)災(zāi)變機(jī)制，提高算法搜索性能。結(jié)果表明，與現(xiàn)有儲位分配方案相比，揀貨距離平均縮短23.85%，有效提高倉庫作業(yè)效率。

發(fā)表于：2023/9/25

Semi-TCP與ARQ聯(lián)合的端到端可靠傳輸方法*[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在無線自組織網(wǎng)絡(luò)中，數(shù)據(jù)傳輸受干擾較多，信道不穩(wěn)定，因此傳統(tǒng)的TCP協(xié)議并不能滿足在這種復(fù)雜環(huán)境下的通信要求，節(jié)點(diǎn)間的自動重傳請求協(xié)議（ARQ）重傳增加，會導(dǎo)致節(jié)點(diǎn)的緩存占用率很大，整體傳輸性能降低。為了解決該問題，采用Semi-TCP協(xié)議與ARQ協(xié)議相結(jié)合，在不改變原有TCP架構(gòu)的基礎(chǔ)上將擁塞控制下放到鏈路層，改變鏈路層ARQ的糾錯(cuò)能力，提高信道的利用率。在Exata平臺上進(jìn)行了仿真，實(shí)驗(yàn)證明在無線多跳網(wǎng)絡(luò)中，該方法能有效提高網(wǎng)絡(luò)傳輸性能。

發(fā)表于：2023/9/25

衛(wèi)星通信中頻轉(zhuǎn)發(fā)干擾的一種快速定位方法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對衛(wèi)星通信系統(tǒng)中頻轉(zhuǎn)發(fā)干擾的快速定位問題進(jìn)行了研究，分析了中頻轉(zhuǎn)發(fā)干擾產(chǎn)生的原因，給出定位中頻轉(zhuǎn)發(fā)干擾的步驟和方法，通過定量分析建立中頻轉(zhuǎn)發(fā)干擾模型，結(jié)合在網(wǎng)衛(wèi)星地面站的運(yùn)行情況建立頻偏數(shù)據(jù)庫，通過設(shè)計(jì)基于頻偏的中頻轉(zhuǎn)發(fā)干擾定位算法，精確定位轉(zhuǎn)發(fā)干擾的地球站。仿真結(jié)果驗(yàn)證了該算法在中頻轉(zhuǎn)發(fā)干擾定位過程的可行性，有效降低了干擾定位時(shí)間并提升了準(zhǔn)確定位干擾站的概率，為衛(wèi)星通信系統(tǒng)面臨此類干擾時(shí)的快速定位提供解決方法，對衛(wèi)星通信網(wǎng)的穩(wěn)定運(yùn)行具有較大實(shí)際意義。

發(fā)表于：2023/9/25

基于遺傳算法的輸變電設(shè)備數(shù)據(jù)補(bǔ)全*[電源技術(shù)][智能電網(wǎng)]

在數(shù)字孿生技術(shù)的發(fā)展下，我國電網(wǎng)行業(yè)也在由原來的物理電網(wǎng)逐步向數(shù)字電網(wǎng)發(fā)展。輸變電設(shè)備作為電網(wǎng)中的電能輸送和傳輸?shù)臉屑~設(shè)備，其運(yùn)行的可靠性直接關(guān)系到電網(wǎng)的安全穩(wěn)定運(yùn)行。因此，及時(shí)掌握輸變電設(shè)備當(dāng)前的運(yùn)行狀態(tài)以及未來一段時(shí)間的運(yùn)行趨勢，實(shí)現(xiàn)對設(shè)備運(yùn)行狀態(tài)的準(zhǔn)確評估，對于保證設(shè)備安全可靠運(yùn)行具有重要意義。然而，在目前的實(shí)際應(yīng)用過程中，受限于傳感裝置穩(wěn)定性差、現(xiàn)場運(yùn)行環(huán)境惡劣、電磁環(huán)境復(fù)雜等原因，輸變電設(shè)備的狀態(tài)量數(shù)據(jù)會出現(xiàn)數(shù)據(jù)缺失造成獲得的數(shù)據(jù)質(zhì)量較差，這會直接影響設(shè)備狀態(tài)評估模型的準(zhǔn)確性。提出一種基于遺傳算法的輸變電設(shè)備缺失數(shù)據(jù)補(bǔ)全方法，首先對變換域隨機(jī)賦值，然后通過實(shí)現(xiàn)稀疏域中系數(shù)向量最小化達(dá)到缺失點(diǎn)恢復(fù)的效果。實(shí)驗(yàn)證明，該算法能夠準(zhǔn)確地恢復(fù)缺失數(shù)據(jù)。

發(fā)表于：2023/9/22

一種水中六價(jià)鉻便攜式檢測儀硬件系統(tǒng)的設(shè)計(jì)[測試測量][工業(yè)自動化]

六價(jià)鉻是水質(zhì)監(jiān)測中重要的檢測指標(biāo)，對環(huán)境具有危害性。為檢測水中六價(jià)鉻的濃度，基于朗伯-比爾定律設(shè)計(jì)了一種水中六價(jià)鉻便攜式檢測儀。對檢測儀的工作原理和硬件系統(tǒng)結(jié)構(gòu)進(jìn)行了詳細(xì)介紹，并使用該檢測儀開展了水中六價(jià)鉻濃度的檢測實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該六價(jià)鉻便攜式檢測儀能夠快速、可靠、準(zhǔn)確地檢測出水中六價(jià)鉻的濃度。

發(fā)表于：2023/9/22

一種基于SiP技術(shù)的高性能信號處理電路設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動化]

系統(tǒng)級封裝（System in a Package，SiP）已成為后摩爾時(shí)代縮小電子器件體積、提高集成度的重要技術(shù)路線，是未來電子設(shè)備多功能化和小型化的重要依托。針對信號處理系統(tǒng)小型化、高性能的要求，采用SiP技術(shù)設(shè)計(jì)了一種高性能信號處理電路。該SiP電路集成了多種裸芯，包括DSP、NOR Flash、DDR3和千兆網(wǎng)PHY芯片，實(shí)現(xiàn)了一種通用的信號處理核心模塊的小型化，相比于傳統(tǒng)板級電路在同樣的功能和性能的條件下，該SiP電路的體積和重量更小。

發(fā)表于：2023/9/22

C波段高效率內(nèi)匹配功率放大器設(shè)計(jì)*[模擬設(shè)計(jì)][工業(yè)自動化]

闡述了一款內(nèi)匹配功率放大器的設(shè)計(jì)過程和測試結(jié)果。該放大器工作在5~5.8 GHz，采用氮化鎵HEMT工藝，在28 V漏極供電電壓下實(shí)現(xiàn)了48 dBm輸出功率和55%功率附加效率。同時(shí)，該內(nèi)匹配放大器將柵極和漏極偏置電路設(shè)計(jì)在芯片內(nèi)部，無需在外部設(shè)計(jì)偏置電路，在保證功放性能的同時(shí)實(shí)現(xiàn)了小型化。該設(shè)計(jì)充分體現(xiàn)了GaN內(nèi)匹配電路的高功率、高效率、小型化的優(yōu)勢。

發(fā)表于：2023/9/22

高壓數(shù)字控制應(yīng)用中實(shí)現(xiàn)安全隔離與低功耗的解決方案[電源技術(shù)][工業(yè)自動化]

在高壓應(yīng)用中，實(shí)現(xiàn)有效的電氣隔離至關(guān)重要，它可以避免多余的漏電流在系統(tǒng)中具有不同地電位（GPD）的兩個(gè)部分之間流動[1]。

發(fā)表于：2023/9/22

一種基于CLASS-AB類運(yùn)放的無片外電容LDO設(shè)計(jì)*[模擬設(shè)計(jì)][消費(fèi)電子]

介紹了一種基于CLASS-AB類運(yùn)放無片外電容的低壓差線性穩(wěn)壓器（LDO）。電路在高擺率誤差放大器（EA）的基礎(chǔ)上，通過構(gòu)建動態(tài)偏置電路反饋到EA內(nèi)部動態(tài)偏置管，大幅改善了LDO的瞬態(tài)響應(yīng)能力，且動態(tài)偏置電路引入的左半平面零點(diǎn)保證了LDO的環(huán)路穩(wěn)定性。同時(shí)，EA采用過沖檢測電路減小了輸出過沖，縮短了環(huán)路穩(wěn)定時(shí)間。電路基于65 nm CMOS工藝設(shè)計(jì)和仿真。仿真結(jié)果表明，在負(fù)載電流10 μA~50 mA、輸出電容0~50 pF條件下，LDO輸出穩(wěn)定無振蕩。在LDO輸入2.5 V、輸出1.2 V、無片外電容條件下，控制負(fù)載在10 μA和50 mA間跳變，LDO輸出恢復(fù)時(shí)間為0.7 μs和0.8 μs，下沖和上沖電壓為58 mV和15 mV。

發(fā)表于：2023/9/22

基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病理圖像分割方法*[人工智能][醫(yī)療電子]

近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于編解碼的圖像分割方法在病理圖像自動化分析上的研究與應(yīng)用也逐漸廣泛，但由于胃癌病灶復(fù)雜多變、尺度變化大，加上數(shù)字化染色圖像時(shí)易導(dǎo)致的邊界模糊，目前僅從單一尺度設(shè)計(jì)的分割算法往往無法獲得更精準(zhǔn)的病灶邊界。為優(yōu)化胃癌病灶圖像分割準(zhǔn)確度，基于編解碼網(wǎng)絡(luò)結(jié)構(gòu)，提出一種基于多尺度注意力融合網(wǎng)絡(luò)的胃癌病灶圖像分割算法。編碼結(jié)構(gòu)以EfficientNet作為特征提取器，在解碼器中通過對多路徑不同層級的特征進(jìn)行提取和融合，實(shí)現(xiàn)了網(wǎng)絡(luò)的深監(jiān)督，在輸出時(shí)采用空間和通道注意力對多尺度的特征圖進(jìn)行注意力篩選，同時(shí)在訓(xùn)練過程中應(yīng)用綜合損失函數(shù)來優(yōu)化模型。實(shí)驗(yàn)結(jié)果表明，該方法在SEED數(shù)據(jù)集上Dice系數(shù)得分達(dá)到0.806 9，相比FCN和UNet系列網(wǎng)絡(luò)一定程度上實(shí)現(xiàn)了更精細(xì)化的胃癌病灶分割。

發(fā)表于：2023/9/22

融入翻譯記憶庫的法律領(lǐng)域神經(jīng)機(jī)器翻譯方法*[人工智能][通信網(wǎng)絡(luò)]

面向法律領(lǐng)域的神經(jīng)機(jī)器翻譯對于合同文本翻譯等應(yīng)用場景具有重要價(jià)值。由于法律領(lǐng)域雙語對齊語料稀缺，翻譯效果還不理想。針對該問題，目前有效的方法是融入翻譯記憶或翻譯模版等外部信息，但法律領(lǐng)域的文本多具有固定的表達(dá)結(jié)構(gòu)且用詞準(zhǔn)確規(guī)范，在翻譯記憶庫中同時(shí)利用翻譯結(jié)構(gòu)信息和語義信息能夠進(jìn)一步提升法律領(lǐng)域翻譯性能?；诖?，提出一種融入翻譯記憶庫的法律領(lǐng)域機(jī)器翻譯方法。提出了一種新的法律領(lǐng)域翻譯記憶庫，首先基于語義和結(jié)構(gòu)信息的相似性訓(xùn)練跨語言檢索模型以充分利用單語數(shù)據(jù)，然后從翻譯記憶庫中檢索與輸入源句相關(guān)的一組翻譯記憶和翻譯模版，進(jìn)而引導(dǎo)翻譯模型生成目標(biāo)句子。實(shí)驗(yàn)表明，在MHLAW數(shù)據(jù)集上，提出的方法可以使譯文較基線模型提升1.28個(gè)BLEU點(diǎn)。

發(fā)表于：2023/9/22

基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類模型綜述*[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺等領(lǐng)域占有一席之地，利用局部連接、權(quán)值共享以及池化操作等特性，有效地提取圖像的局部特征，降低網(wǎng)絡(luò)復(fù)雜度，具有更少的參數(shù)量和更好的魯棒性，因此，吸引了眾多研究者的關(guān)注，使分類模型朝著更輕、更快、更高效的方向迅速發(fā)展。按照卷積神經(jīng)網(wǎng)絡(luò)發(fā)展的時(shí)間線，介紹了常用的典型網(wǎng)絡(luò)模型，剖析了其創(chuàng)新點(diǎn)與優(yōu)缺點(diǎn)，并對其未來的發(fā)展方向進(jìn)行了展望。

發(fā)表于：2023/9/22