• 首頁(yè)
  • 新聞
    業(yè)界動(dòng)態(tài)
    新品快遞
    高端訪談
    AET原創(chuàng)
    市場(chǎng)分析
    圖說(shuō)新聞
    會(huì)展
    專題
    期刊動(dòng)態(tài)
  • 設(shè)計(jì)資源
    設(shè)計(jì)應(yīng)用
    解決方案
    電路圖
    技術(shù)專欄
    資源下載
    PCB技術(shù)中心
    在線工具庫(kù)
  • 技術(shù)頻道
    模擬設(shè)計(jì)
    嵌入式技術(shù)
    電源技術(shù)
    可編程邏輯
    測(cè)試測(cè)量
    通信與網(wǎng)絡(luò)
  • 行業(yè)頻道
    工業(yè)自動(dòng)化
    物聯(lián)網(wǎng)
    通信網(wǎng)絡(luò)
    5G
    數(shù)據(jù)中心
    信息安全
    汽車電子
  • 大學(xué)堂
  • 期刊
  • 文獻(xiàn)檢索
期刊投稿
登錄 注冊(cè)

基于距離正則化的單視圖三維重建

基于距離正則化的單視圖三維重建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)從一張物體有限的二維RGB圖像信息中還原物體的三維形狀信息,提出了基于距離正則化的單視圖三維重建。利用二維卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)設(shè)計(jì)圖像編碼器和三維卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)殘差塊,再利用殘差塊為基礎(chǔ)設(shè)計(jì)三維形狀生成器,即三維殘差生成器。給定一張物體的二維RGB圖像,首先使用圖像編碼器提取RGB圖像的語(yǔ)義信息;然后,三維形狀生成器使用語(yǔ)義信息,恢復(fù)RGB圖像中物體的三維形狀信息。同時(shí),提出了距離規(guī)則化損失,在訓(xùn)練過(guò)程中,保證三維物體形狀重建質(zhì)量。實(shí)驗(yàn)結(jié)果顯示,本方法在交并比(Intersection over Union,IoU)評(píng)價(jià)指標(biāo)上超過(guò)了之前最好的方法。

發(fā)表于:5/13/2021 3:07:52 PM

基于AE-SVM的嗅覺(jué)描述符分類

基于AE-SVM的嗅覺(jué)描述符分類[其他][其他]

嗅覺(jué)產(chǎn)生于人們對(duì)化學(xué)物質(zhì)氣味的感知。然而,由于氣味的復(fù)雜性,人們至今還難以理清嗅覺(jué)描述符和各種物理化學(xué)參數(shù)之間的映射關(guān)系。因此,沒(méi)有建立起根據(jù)物理化學(xué)特性來(lái)預(yù)測(cè)化學(xué)物質(zhì)的氣味描述的通用方法。設(shè)計(jì)了一種基于AE-SVM(Autoencoder- Support Vector Networks,AE-SVM)的預(yù)測(cè)模型,該模型使用自動(dòng)編碼器提取質(zhì)譜數(shù)據(jù)的特征,解決質(zhì)譜數(shù)據(jù)高維稀疏的問(wèn)題,并用支持向量機(jī)進(jìn)行分類。結(jié)果表明,AE-SVM利用化學(xué)物質(zhì)的質(zhì)譜數(shù)據(jù)成功預(yù)測(cè)嗅覺(jué)描述符,并且準(zhǔn)確度達(dá)到85.71%,對(duì)于理解化學(xué)物質(zhì)和嗅覺(jué)描述符之間映射關(guān)系具有較為重要意義。

發(fā)表于:5/13/2021 2:55:00 PM

基于實(shí)時(shí)數(shù)據(jù)流特征提取的設(shè)備能耗異常識(shí)別算法研究

基于實(shí)時(shí)數(shù)據(jù)流特征提取的設(shè)備能耗異常識(shí)別算法研究[其他][其他]

能耗設(shè)備的節(jié)能是企業(yè)節(jié)能減排中非常重要的一環(huán),及時(shí)發(fā)現(xiàn)能耗設(shè)備運(yùn)行中出現(xiàn)的異常,對(duì)減少不必要的企業(yè)能耗具有重要意義。利用采集到的設(shè)備實(shí)時(shí)能耗數(shù)據(jù)流,提出了一種基于多特征提取的設(shè)備能耗異常識(shí)別分類方法。首先,對(duì)樣本數(shù)據(jù)提取了低能耗時(shí)間比、高能耗時(shí)間量、DTW距離等特征量,隨后利用孤立森林算法和K-means聚類算法對(duì)每條樣本數(shù)據(jù)進(jìn)行類型標(biāo)定,最后構(gòu)建了注意力機(jī)制與LSTM相結(jié)合的設(shè)備能耗異常分類算法。實(shí)驗(yàn)結(jié)果表明,該算法的分類正確率達(dá)到了97.76%,可以高效識(shí)別出不同類型的設(shè)備能耗異常,從而為企業(yè)及時(shí)作出處理、減少能耗損失提供了決策依據(jù)。

發(fā)表于:5/13/2021 2:49:21 PM

基于NSST和NLMF的多聚焦圖像融合

基于NSST和NLMF的多聚焦圖像融合[其他][其他]

為對(duì)融合圖像的信息豐富度、邊緣清晰度以及視覺(jué)效果作進(jìn)一步的提升,設(shè)計(jì)了一種基于非下采樣剪切波變換(NSST)結(jié)合非局部均值濾波(NLMF)的多聚焦圖像融合算法。首先,將源圖像通過(guò)NSST變換進(jìn)行多尺度、多方向分解得到高、低頻子帶系數(shù)。其次,對(duì)低頻子帶系數(shù)采用局部區(qū)域的改進(jìn)拉普拉斯能量和以及非局部均值濾波融合方法構(gòu)建低頻子帶系數(shù)融合權(quán)重;對(duì)高頻子帶系數(shù)采用基于相關(guān)系數(shù)的空間頻率與能量相結(jié)合的融合規(guī)則,再加以相位一致性規(guī)則,構(gòu)建高頻子帶系數(shù)融合權(quán)重;最后,通過(guò)NSST反變換得到最終融合圖像。從三組不同聚焦圖像的實(shí)驗(yàn)結(jié)果來(lái)看,所提算法不論是在主觀視覺(jué)上,還是在客觀評(píng)價(jià)上,融合圖像的輪廓、紋理等信息保留度以及視覺(jué)清晰度都有較好的提升。

發(fā)表于:5/13/2021 2:39:41 PM

當(dāng)前網(wǎng)絡(luò)空間安全技術(shù)發(fā)展現(xiàn)狀及思考

當(dāng)前網(wǎng)絡(luò)空間安全技術(shù)發(fā)展現(xiàn)狀及思考[通信與網(wǎng)絡(luò)][信息安全]

隨著全球網(wǎng)絡(luò)信息化進(jìn)程的加快,網(wǎng)絡(luò)空間安全問(wèn)題日益突出,網(wǎng)絡(luò)空間安全技術(shù)的發(fā)展備受關(guān)注。首先從三個(gè)領(lǐng)域概述了網(wǎng)絡(luò)空間安全技術(shù)發(fā)展現(xiàn)狀,包括“卡脖子”安全技術(shù)、新技術(shù)及其安全、安全基礎(chǔ)研究平臺(tái),然后系統(tǒng)梳理了當(dāng)前網(wǎng)絡(luò)空間安全發(fā)展存在的問(wèn)題,最后針對(duì)我國(guó)網(wǎng)絡(luò)空間安全技術(shù)發(fā)展面臨的實(shí)際問(wèn)題給出了具體建議。

發(fā)表于:5/13/2021 2:27:00 PM

網(wǎng)絡(luò)安全智能決策系統(tǒng)設(shè)計(jì)

網(wǎng)絡(luò)安全智能決策系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][信息安全]

隨著云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)等新興技術(shù)日漸成熟,網(wǎng)絡(luò)環(huán)境也變得日益復(fù)雜。面對(duì)海量安全數(shù)據(jù),人力已經(jīng)難以詳盡分析,導(dǎo)致做出的決策具有局限性、安全事件響應(yīng)速度慢以及處置不及時(shí)等問(wèn)題。文章立足于網(wǎng)絡(luò)安全智能決策,在現(xiàn)有研究的基礎(chǔ)上開(kāi)展系統(tǒng)設(shè)計(jì)和研究工作。提出了網(wǎng)絡(luò)安全智能決策系統(tǒng)的整體架構(gòu),設(shè)計(jì)了網(wǎng)絡(luò)安全智能決策引擎,能夠?qū)W(wǎng)絡(luò)當(dāng)前的安全態(tài)勢(shì)進(jìn)行智能化分析,更加快速、合理地進(jìn)行決策和響應(yīng),并針對(duì)分布式大規(guī)模網(wǎng)絡(luò)環(huán)境對(duì)系統(tǒng)架構(gòu)進(jìn)行了拓展,形成了層次化的網(wǎng)絡(luò)安全智能決策系統(tǒng)部署架構(gòu),為實(shí)施網(wǎng)絡(luò)空間安全智能決策做了有益探索。

發(fā)表于:5/13/2021 2:20:22 PM

基于區(qū)塊鏈的傳染病風(fēng)險(xiǎn)管理方案

基于區(qū)塊鏈的傳染病風(fēng)險(xiǎn)管理方案[通信與網(wǎng)絡(luò)][信息安全]

為控制疫情傳播,傳統(tǒng)的傳染病風(fēng)險(xiǎn)管理方案大多采用中心化的管理模式,該模式存在著隱私信息易泄露、數(shù)據(jù)易被篡改、信息難以有效利用等問(wèn)題。隨著區(qū)塊鏈技術(shù)的發(fā)展,其去中心化、防篡改、可追溯的特性為解決上述問(wèn)題提供了新的思路?;趨^(qū)塊鏈技術(shù),提出一種安全、高效的傳染病風(fēng)險(xiǎn)管理方案。方案利用隱私集合計(jì)算對(duì)數(shù)據(jù)進(jìn)行處理,并利用區(qū)塊鏈技術(shù)對(duì)數(shù)據(jù)進(jìn)行記錄,在保護(hù)隱私數(shù)據(jù)安全的同時(shí),實(shí)現(xiàn)數(shù)據(jù)的高效處理,為更好地防控突發(fā)性傳染病提供了技術(shù)保障。

發(fā)表于:5/13/2021 2:11:34 PM

The DAO事件的形式化分析

The DAO事件的形式化分析[通信與網(wǎng)絡(luò)][信息安全]

隨著區(qū)塊鏈應(yīng)用的推廣與深入,智能合約的作用越來(lái)越突出,智能合約的安全問(wèn)題也更加突顯。由于區(qū)塊鏈不可篡改的特點(diǎn),智能合約一旦部署不可更改。在開(kāi)發(fā)階段保證智能合約的可靠性顯得尤為重要。在The DAO事件中,由于智能合約中存在一種被稱為重入漏洞的錯(cuò)誤,黑客得以竊取在當(dāng)時(shí)價(jià)值巨大的以太幣。通過(guò)形式化分析來(lái)更清晰地展示重入漏洞的特點(diǎn)及重入攻擊行為,并以此為例介紹基于模型檢測(cè)技術(shù)的智能合約形式化驗(yàn)證方法。

發(fā)表于:5/13/2021 1:36:37 PM

區(qū)塊鏈安全與隱私保護(hù)前沿技術(shù)發(fā)展現(xiàn)狀

區(qū)塊鏈安全與隱私保護(hù)前沿技術(shù)發(fā)展現(xiàn)狀[通信與網(wǎng)絡(luò)][信息安全]

區(qū)塊鏈提供了一個(gè)去中心化、不可篡改和可驗(yàn)證的分類賬,用于記錄數(shù)字資產(chǎn)的交易,并保證交易記錄的不可篡改性,被廣泛應(yīng)用于教育、政府和醫(yī)療等各個(gè)領(lǐng)域。然而,區(qū)塊鏈的安全性和潛在的隱私問(wèn)題也成為當(dāng)前研究的焦點(diǎn)。基于區(qū)塊鏈行業(yè)的安全現(xiàn)狀,探討了區(qū)塊鏈系統(tǒng)存在的問(wèn)題和威脅;著重分析了區(qū)塊鏈安全與隱私保護(hù)的前沿技術(shù);最后討論了區(qū)塊鏈技術(shù)未來(lái)的研究方向。

發(fā)表于:5/13/2021 1:31:09 PM

智能合約安全問(wèn)題與研究現(xiàn)狀

智能合約安全問(wèn)題與研究現(xiàn)狀[通信與網(wǎng)絡(luò)][信息安全]

智能合約是運(yùn)行在區(qū)塊鏈上的程序,具有去中心化、不可篡改的特性,被廣泛應(yīng)用于金融、能源、物聯(lián)網(wǎng)等多個(gè)領(lǐng)域。然而智能合約一旦實(shí)際部署到實(shí)時(shí)網(wǎng)絡(luò)上就不能對(duì)其更改,在保證合約安全的同時(shí),缺陷和錯(cuò)誤也不能通過(guò)修改合約代碼得以解決,從而導(dǎo)致重大的安全事故。因此合約實(shí)際部署前對(duì)其進(jìn)行安全測(cè)試已經(jīng)成為迫切需要解決的問(wèn)題。介紹了因智能合約漏洞引起的安全事件,對(duì)常見(jiàn)的合約漏洞進(jìn)行詳細(xì)分析,完成對(duì)已有合約分析工具的總結(jié),體現(xiàn)了合約安全問(wèn)題的研究發(fā)展現(xiàn)狀。

發(fā)表于:5/13/2021 1:22:20 PM

  • ?
  • …
  • 185
  • 186
  • 187
  • 188
  • 189
  • 190
  • 191
  • 192
  • 193
  • 194
  • …
  • ?

活動(dòng)

MORE
  • 【熱門活動(dòng)】2025中國(guó)西部微波射頻技術(shù)研討會(huì)
  • 【熱門活動(dòng)】2025年數(shù)據(jù)要素治理學(xué)術(shù)研討會(huì)
  • 【技術(shù)沙龍】網(wǎng)絡(luò)安全+DeepSeek
  • 【熱門活動(dòng)】2025年NI測(cè)試測(cè)量技術(shù)研討會(huì)
  • 【熱門活動(dòng)】2024年基礎(chǔ)電子測(cè)試測(cè)量方案培訓(xùn)

高層說(shuō)

MORE
  • RISC-V國(guó)際基金會(huì)CEO:中國(guó)會(huì)員發(fā)揮了關(guān)鍵作用
    RISC-V國(guó)際基金會(huì)CEO:中國(guó)會(huì)員發(fā)揮了關(guān)鍵作用
  • 利用人工智能提升車間生產(chǎn)效率
    利用人工智能提升車間生產(chǎn)效率
  • 推動(dòng)制造業(yè)智能化變革的實(shí)踐者——張野的創(chuàng)新之路
    推動(dòng)制造業(yè)智能化變革的實(shí)踐者——張野的創(chuàng)新之路
  • 重新思考數(shù)據(jù)中心架構(gòu),推進(jìn)AI的規(guī)?;涞?>
                        </a>
                    </div>
                    <div   id= 重新思考數(shù)據(jù)中心架構(gòu),推進(jìn)AI的規(guī)?;涞?
  • AI智能體的興起讓數(shù)據(jù)隱私的重要性日益凸顯
    AI智能體的興起讓數(shù)據(jù)隱私的重要性日益凸顯
  • 網(wǎng)站相關(guān)
  • 關(guān)于我們
  • 聯(lián)系我們
  • 投稿須知
  • 廣告及服務(wù)
  • 內(nèi)容許可
  • 廣告服務(wù)
  • 雜志訂閱
  • 會(huì)員與積分
  • 積分商城
  • 會(huì)員等級(jí)
  • 會(huì)員積分
  • VIP會(huì)員
  • 關(guān)注我們

Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2

感谢您访问我们的网站,您可能还对以下资源感兴趣:

欧美色综合二区