太平公主作爱a级毛片,亚洲色精品一区二区三区

基于深度學(xué)習(xí)的抽油機(jī)井工況診斷方法[其他][其他]

基于示功圖對抽油機(jī)井下工況進(jìn)行自動(dòng)診斷是數(shù)字油田不可或缺的環(huán)節(jié)。通常通過人工提取示功圖的特征向量，然后輸入機(jī)器學(xué)習(xí)算法分類器識(shí)別井下工況。然而，特征的選擇需要借助經(jīng)驗(yàn)和先驗(yàn)知識(shí)，并且直接影響后續(xù)分類器的最終性能。而人工提取特征易受知識(shí)干擾，且在特征提取的過程中存在信息丟失，這決定了識(shí)別結(jié)果的上限。為此，受深度神經(jīng)網(wǎng)絡(luò)自動(dòng)特征提取的啟發(fā)，提出基于卷積神經(jīng)網(wǎng)絡(luò)的示功圖的離線訓(xùn)練與在線診斷的方法。首先將挑選后的信號(hào)數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，然后將圖像二值化降低計(jì)算復(fù)雜度，最后基于改進(jìn)的LeNet-5網(wǎng)絡(luò)探究最適合模型的網(wǎng)絡(luò)結(jié)構(gòu)。最終通過實(shí)驗(yàn)與目前先進(jìn)的算法進(jìn)行對比，驗(yàn)證了本方法的有效性和可行性。

發(fā)表于：7/20/2021 3:45:29 PM

改進(jìn)的TF-IDF算法在文本分類中的研究[其他][其他]

企業(yè)數(shù)字化建設(shè)過程中，對大量日常經(jīng)營活動(dòng)文本的數(shù)字化處理通常是多任務(wù)的，需要對文本數(shù)據(jù)同時(shí)完成信息抽取和文本分類任。在此應(yīng)用場景下，為了實(shí)現(xiàn)更加精準(zhǔn)的分類效果，提出一種改進(jìn)的TF-IDF算法，將文本信息抽取結(jié)果也作為文本重要類別區(qū)分特征。通過引入信息增益方法得到改進(jìn)的權(quán)重計(jì)算公式，進(jìn)而得到改進(jìn)的文本特征向量空間表示，再構(gòu)建文本分類模型。實(shí)驗(yàn)以石油行業(yè)中文文本為例，選取測試文本2 006條進(jìn)行文本分類對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明改進(jìn)的TF-IDF算法精確率P達(dá)到99.3%，召回率R達(dá)到98.7%，相比于傳統(tǒng)TF-IDF算法文本分類效果得到顯著提高。

發(fā)表于：7/20/2021 3:27:53 PM

一種應(yīng)用于語義分割的新型親和力監(jiān)督方法[其他][其他]

語義分割是計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)基本且具有挑戰(zhàn)性的任務(wù)，最近的語義分割研究工作，著力于設(shè)計(jì)注意力機(jī)制和全局性模塊，而在注意力機(jī)制中，親和力矩陣是非常重要的部份。傳統(tǒng)的親和力矩陣是以注意力機(jī)制的一部分嵌入在神經(jīng)網(wǎng)絡(luò)中，通常作為特征融合的權(quán)重來使用。嘗試直接將親和力矩陣應(yīng)用于注意力機(jī)制之外，與語義標(biāo)簽聯(lián)系起來。首先定義標(biāo)簽親和力矩陣，再在語義分割網(wǎng)絡(luò)輸出層計(jì)算親和力矩陣，將兩個(gè)矩陣結(jié)合起來，得到一個(gè)輔助的懲罰函數(shù)。標(biāo)簽親和力矩陣可以視為一種結(jié)構(gòu)上的監(jiān)督信息，能輔助訓(xùn)練語義分割網(wǎng)絡(luò)。在NYUv2數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，懲罰函數(shù)有助于提高語義分割網(wǎng)絡(luò)的精度，并且效果顯著。

發(fā)表于：7/20/2021 3:23:02 PM

基于上下文特征重聚合網(wǎng)絡(luò)的人群計(jì)數(shù)[其他][其他]

針對計(jì)數(shù)問題中人群目標(biāo)尺度的變化問題，提出了一種基于上下文特征重聚合的計(jì)數(shù)算法。將高層網(wǎng)絡(luò)提取的語義信息與底層網(wǎng)絡(luò)提取的人群尺度細(xì)節(jié)信息相結(jié)合，旨在利用淺層網(wǎng)絡(luò)中提取的信息向深層網(wǎng)絡(luò)提取的特征中融入不同尺度的行人目標(biāo)特征，從而融合多種尺度的人群特征回歸出高質(zhì)量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個(gè)數(shù)據(jù)集進(jìn)行算法的性能驗(yàn)證，并通過結(jié)構(gòu)實(shí)驗(yàn)驗(yàn)證本文結(jié)構(gòu)的有效性。

發(fā)表于：7/20/2021 3:17:32 PM

基于補(bǔ)丁特性的漏洞掃描研究[通信與網(wǎng)絡(luò)][信息安全]

為抵御漏洞引發(fā)的黑客攻擊和漏洞自身產(chǎn)生的威脅，1day漏洞應(yīng)用修復(fù)的通用辦法是使用代碼匹配檢測。但目前源代碼匹配誤報(bào)率高，二進(jìn)制代碼匹配不精確且不通用。基于此，提出了一種由源代碼到二進(jìn)制的基于補(bǔ)丁特性的漏洞掃描模型——BinScan。它先形成已知漏洞數(shù)據(jù)庫并對源代碼進(jìn)行已知漏洞掃描得出漏洞檢測結(jié)果；然后利用源代碼檢測信息對打補(bǔ)丁前后源代碼編譯生成二進(jìn)制文件，形成二進(jìn)制漏洞庫；最后比較目標(biāo)二進(jìn)制文件相似性，利用源代碼結(jié)果進(jìn)行檢驗(yàn)。最終生成Linux Kernel的2 700條漏洞數(shù)據(jù)，15 496個(gè)patch文件，實(shí)現(xiàn)了利用源代碼檢測限制二進(jìn)制文件的漏洞檢測范圍，然后基于CFG和二進(jìn)制代碼相似性檢測補(bǔ)丁存在以檢測漏洞。檢測結(jié)果表明，此方法與其他二進(jìn)制漏洞檢測工具相比，可以將源代碼級(jí)的漏洞掃描能力應(yīng)用于二進(jìn)制，是有效的。

發(fā)表于：7/20/2021 3:13:10 PM

基于最優(yōu)停止理論的網(wǎng)絡(luò)欺騙防御策略優(yōu)化[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)欺騙防御已經(jīng)成為網(wǎng)絡(luò)主動(dòng)防御的重要手段。網(wǎng)絡(luò)欺騙防御系統(tǒng)中，防御方主動(dòng)釋放部分有效信息來迷惑攻擊者，受到誘騙的攻擊者則會(huì)在欺騙誘捕環(huán)境中實(shí)施進(jìn)一步攻擊，直至攻擊者識(shí)破誘騙手段或防御方主動(dòng)驅(qū)逐攻擊者。為研究如何在達(dá)到有效防御效果的同時(shí)，盡量減少欺騙環(huán)境所釋放的有效信息，分別分析了欺騙防御模型和最優(yōu)停止理論問題模型，確立了欺騙防御模型和最優(yōu)停止理論的要素對應(yīng)關(guān)系?；谧顑?yōu)停止理論，構(gòu)建了信息收益最大化問題模型，通過對每次攻擊行動(dòng)信息量和有效信息泄露量進(jìn)行分析，選擇最大信息量之比，對后續(xù)攻擊進(jìn)行抑制，求解信息收益最大化問題，得出最佳抑制時(shí)刻，即最優(yōu)解表達(dá)式。

發(fā)表于：7/20/2021 3:06:18 PM

基于LSTM的卷積神經(jīng)網(wǎng)絡(luò)異常流量檢測方法[其他][其他]

針對傳統(tǒng)機(jī)器學(xué)習(xí)方法依賴人工特征提取，存在檢測算法準(zhǔn)確率低、無法應(yīng)對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)和長短期記憶網(wǎng)絡(luò)(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發(fā)掘攻擊流量的結(jié)構(gòu)化特點(diǎn)，提取流量數(shù)據(jù)的時(shí)空特征，提高了異常流量檢測系統(tǒng)性能。實(shí)驗(yàn)結(jié)果表明，在CIC-IDS2017數(shù)據(jù)集上，多種異常流量檢測的準(zhǔn)確率均超過96.9%，總體準(zhǔn)確率達(dá)到98.8%，與其他機(jī)器學(xué)習(xí)算法相比準(zhǔn)確率更高，同時(shí)保持了極低的誤警率。

發(fā)表于：7/20/2021 2:34:50 PM

數(shù)字化轉(zhuǎn)型——走向人與數(shù)字化協(xié)同的競爭力模型：來自中國企業(yè)的證據(jù)[其他][其他]

盡管對于數(shù)字化轉(zhuǎn)型以及相關(guān)領(lǐng)域探索的熱度持續(xù)高漲，數(shù)字化轉(zhuǎn)型項(xiàng)目的失敗率仍然居高不下，一定程度上印證了“信息技術(shù)生產(chǎn)率悖論”或“人工智能生產(chǎn)率悖論”。全面審視當(dāng)前數(shù)字化轉(zhuǎn)型方法，借鑒人與數(shù)字化協(xié)同的競爭力(Human-Digital Competitiveness，HDC)模型，使用演繹性的定性研究對中國六家企業(yè)數(shù)字化轉(zhuǎn)型的結(jié)果進(jìn)行深度分析。研究結(jié)果顯示，這些企業(yè)將數(shù)字化轉(zhuǎn)型視為組織變革，他們認(rèn)識(shí)到來自超級(jí)競爭的壓力，以客戶為中心的重要性，以及對優(yōu)秀員工的獎(jiǎng)勵(lì)和發(fā)展高度重視。本研究結(jié)果還顯示了ERP在解決業(yè)務(wù)流程方面的不足，以及對于缺乏充分和靈活的規(guī)劃以應(yīng)對動(dòng)蕩商業(yè)環(huán)境的擔(dān)憂。

發(fā)表于：7/20/2021 2:27:39 PM

開源項(xiàng)目活躍度模型構(gòu)建及實(shí)證[其他][其他]

隨著開源技術(shù)不斷涌現(xiàn)，開源作為一種治理模式、經(jīng)濟(jì)模式和企業(yè)生態(tài)，變得越來越重要。關(guān)注開源項(xiàng)目的活躍程度，分析活躍度的變化情況，在一定層面上能夠反映項(xiàng)目發(fā)展?fàn)顟B(tài)。通過梳理現(xiàn)有的開源項(xiàng)目活躍度模型，發(fā)現(xiàn)：第一，現(xiàn)有模型沒有考慮項(xiàng)目類別，不能有效反映鏡像類項(xiàng)目活躍度；第二，現(xiàn)有模型沒有考慮活躍度趨勢，不能有效反映階段性活躍項(xiàng)目的整體活躍度。在此基礎(chǔ)上構(gòu)建和完善了活躍度模型，并以浦發(fā)銀行開源治理平臺(tái)為例，對模型進(jìn)行了驗(yàn)證，為企業(yè)在開源項(xiàng)目的選擇上提供一定的參考價(jià)值。

發(fā)表于：7/20/2021 2:17:00 PM

數(shù)字化賦能跨境貿(mào)易便利化：問題與方案設(shè)計(jì)[其他][其他]

貿(mào)易數(shù)字化與數(shù)字貿(mào)易化已成為國際貿(mào)易的兩大趨勢，建立高效的跨境貿(mào)易便利化體系成為日趨重要的課題。在分析現(xiàn)有跨境貿(mào)易便利化主要問題與風(fēng)險(xiǎn)的基礎(chǔ)上，提出構(gòu)建基于區(qū)塊鏈等技術(shù)的可信貿(mào)易數(shù)字化公共服務(wù)平臺(tái)，包括兩個(gè)核心系統(tǒng)：一是基于跨境貿(mào)易信息的區(qū)塊鏈數(shù)據(jù)共享平臺(tái)；二是基于金融結(jié)算信息的區(qū)塊鏈金融數(shù)據(jù)存證與跨境結(jié)算平臺(tái)。可信貿(mào)易數(shù)字化公共服務(wù)平臺(tái)有助于實(shí)現(xiàn)基于區(qū)塊鏈技術(shù)的新型跨境易貨貿(mào)易模式與新型全球供應(yīng)鏈協(xié)同結(jié)算體系，為貿(mào)易便利化與貿(mào)易多元帶來更多創(chuàng)新可能。可信貿(mào)易數(shù)字化公共服務(wù)平臺(tái)將在提升現(xiàn)有國際貿(mào)易效率的同時(shí)，也帶來新的需要解決的問題。

發(fā)表于：7/20/2021 2:06:06 PM