乱相姦处破女AV毛片,欧美日韩国产在线观看一区二区三区

基于交點的新層次聚類算法[人工智能][其他]

介紹了一種新的分層聚類算法，該聚類算法的主要目的是利用交點提供更好的聚類質(zhì)量和更高的準確性。為了驗證該聚類算法，對基準數(shù)據(jù)集進行了幾次實驗，并與其他五種廣泛使用的聚類算法進行對比。使用純度作為外部標準來評估聚類算法的性能，并計算了由聚類算法得出的每個聚類的緊密度，以評估聚類算法的有效性。實驗結(jié)果表明，在大多數(shù)情況下，該算法的錯誤率低于研究中使用的其他聚類算法。

發(fā)表于：12/15/2020 3:28:16 PM

16線POTS ONT硬件設(shè)計[模擬設(shè)計][其他]

光網(wǎng)絡(luò)設(shè)備（Optical Network Terminal,ONT）是XPON網(wǎng)絡(luò)接入方案中的產(chǎn)品，是一種應(yīng)用在用戶端的光網(wǎng)絡(luò)終端，有GPON和EPON。介紹以PON ONU SOC為主控芯片的16線POTS ONT的硬件設(shè)計及遇到的問題以及如何解決這些問題。此設(shè)計是一款基于GPON（ITU-T G.984）標準并支持以太網(wǎng)和語音接口的ONT，適用于北美市場，滿足NEBS1標準。本設(shè)計的特點是有16線的語音用戶接口和1個GE的接口，上聯(lián)是GPON，支持Dying Gasp且功耗低。

發(fā)表于：12/15/2020 3:22:00 PM

基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[人工智能][通信網(wǎng)絡(luò)]

網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具，在游戲娛樂、工程設(shè)計、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果，存在著求解速度慢、不夠魯棒的問題。提出了一個基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò)，使用一類人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，并與傳統(tǒng)優(yōu)化算法進行對比。結(jié)果表明，使用建立的網(wǎng)格參數(shù)化模型，在保證參數(shù)化效果的同時，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。

發(fā)表于：12/15/2020 3:20:50 PM

微型仿生撲翼飛行器研究綜述[人工智能][航空航天]

基于仿生學(xué)原理的撲翼飛行器因質(zhì)量輕、體積小、靈活性好、隱蔽性高等優(yōu)點在軍事和民用領(lǐng)域應(yīng)用廣泛，實現(xiàn)撲翼飛行器的微型化是未來發(fā)展方向。首先介紹了微型仿生撲翼飛行器的概念和特點，分析了研究背景和國內(nèi)外研究現(xiàn)狀及成果，在此基礎(chǔ)上，就實現(xiàn)微型仿生撲翼飛行器需要解決的關(guān)鍵技術(shù)和難題進行了討論，最后對我國微型仿生撲翼飛行器的應(yīng)用前景作出展望。

發(fā)表于：12/15/2020 3:15:13 PM

用戶行為仿真的部署與調(diào)度問題研究[其他][其他]

近年來，網(wǎng)絡(luò)空間對抗形勢日趨嚴峻，網(wǎng)絡(luò)攻擊技術(shù)更是日益復(fù)雜。但對網(wǎng)絡(luò)攻擊技術(shù)的測試不能在現(xiàn)實的網(wǎng)絡(luò)環(huán)境中進行，對此，網(wǎng)絡(luò)靶場技術(shù)成為近年來關(guān)注的一個熱點。為在網(wǎng)絡(luò)靶場中高逼真地模擬現(xiàn)實網(wǎng)絡(luò)，大規(guī)模用戶行為仿真技術(shù)至關(guān)重要。研究了如何在有限的資源條件下，通過虛擬化容器技術(shù)，實現(xiàn)大規(guī)模的用戶行為仿真，并實現(xiàn)其部署和調(diào)度問題。

發(fā)表于：12/15/2020 3:14:00 PM

Raw格式巖心圖像超分辨率重建[人工智能][其他]

在巖心面陣相機開發(fā)中，可以使用基于學(xué)習(xí)的超分辨率技術(shù)來提升巖心圖像的分辨率。針對現(xiàn)有超分辨率技術(shù)在重建巖心圖像時存在的細節(jié)模糊或色彩偏差等問題，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機圖像處理器的線性處理部分合成線性圖像數(shù)據(jù)集；然后，通過一個雙層卷積神經(jīng)網(wǎng)絡(luò)，分別訓(xùn)練高低分辨率圖像之間的紋理、色彩映射關(guān)系；最后，用重建出的線性高分辨率圖像模擬相機圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實驗結(jié)果表明，本文提出的重建算法提升了巖心圖像的重建效果。

發(fā)表于：12/15/2020 3:09:34 PM

基于AWK和Shell的計費賬務(wù)內(nèi)控監(jiān)測系統(tǒng)設(shè)計[模擬設(shè)計][信創(chuàng)產(chǎn)業(yè)]

為了適應(yīng)日趨激烈的電信市場競爭，電信企業(yè)內(nèi)部在不斷進行改革。建立電信運營企業(yè)內(nèi)部控制體系是公司健康持續(xù)發(fā)展的重要一環(huán)，而計費賬務(wù)系統(tǒng)數(shù)據(jù)涉及公司財務(wù)收入，對它的管控到位能反映出一個公司內(nèi)控管理水平。基于AWK和Shell編程語言，設(shè)計了計費賬務(wù)內(nèi)控監(jiān)測系統(tǒng)，并重點闡述其軟件設(shè)計。系統(tǒng)采用C/S和B/S混合編程的方法，在采集交換機話單文件列表流程中使用封裝腳本體的方法，實現(xiàn)交換機登錄、采集文件、標準化、入庫一次性自動執(zhí)行，在采集核對功能展示上采用B/S架構(gòu)進行前臺告警展現(xiàn)。該設(shè)計提高了省級中心和地市運維兩級對計費賬務(wù)流程監(jiān)控效率，為后期內(nèi)控審計工作提供了有效的憑據(jù)。

發(fā)表于：12/15/2020 3:07:43 PM

一種OFDM電力線通信系統(tǒng)的自動增益控制方法[電源技術(shù)][智能電網(wǎng)]

低壓電力線信道中普遍存在較大的脈沖噪聲，這對OFDM電力線通信系統(tǒng)的自動增益控制（AGC）帶來了極大的挑戰(zhàn)。在分析電力線通信系統(tǒng)架構(gòu)及脈沖噪聲特點的基礎(chǔ)上，提出了一種抗脈沖噪聲能力強的自動增益控制新方法。該方法通過在自動增益控制中嵌入脈沖檢測電路，在檢測到脈沖噪聲或系統(tǒng)幀同步時，停止增益調(diào)整，可有效防止脈沖噪聲引起AGC誤動作，降低接收過程中脈沖噪聲對AGC的干擾。仿真結(jié)果表明，所提出的自動增益控制方法能有效提高電力線通信接收機的性能。

發(fā)表于：12/15/2020 3:00:00 PM

基于BIM與GIS數(shù)據(jù)融合的智慧地鐵運維系統(tǒng)研究[其他][工業(yè)自動化]

建筑信息模型(BIM)和地理信息系統(tǒng)(GIS)的融合為智慧地鐵運維系統(tǒng)的實現(xiàn)提供了強有力的技術(shù)支持。論證了將BIM+GIS運用到地鐵設(shè)備運維系統(tǒng)中的優(yōu)勢和可行性，從BIM和GIS模型的數(shù)據(jù)規(guī)范入手，提出了一種有效的BIM和GIS數(shù)據(jù)融合方案。通過運用BIM和GIS，實現(xiàn)了設(shè)備智慧巡檢、設(shè)備故障預(yù)警與智能維修和應(yīng)急智能處置等智慧功能。BIM和GIS數(shù)據(jù)的成功融合，為智慧地鐵運維系統(tǒng)的建成提供了一種強有力的技術(shù)手段。

發(fā)表于：12/15/2020 2:58:31 PM

融合位置信息的卷積門控網(wǎng)絡(luò)實現(xiàn)與應(yīng)用[其他][其他]

基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長短期記憶網(wǎng)絡(luò)和注意力機制方法，這兩種模型結(jié)構(gòu)復(fù)雜，運行時間長?，F(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語的順序信息，不能準確快速地關(guān)注到關(guān)鍵詞。因此提出了一種融合位置信息的卷積門控網(wǎng)絡(luò)方法。采用SemEval數(shù)據(jù)集進行實驗，并與采用GCAE模型的實驗結(jié)果進行對比，結(jié)果表明，所提模型迭代一次約用時5.96 s，優(yōu)于長短期記憶模型的81 s。該模型對句子中有多個方面的情感極性判斷準確度為55.00%，高于GCAE模型的53.00%。該研究對于提高基于方面的情感分析的迭代時間和準確度有一定的參考意義。

發(fā)表于：12/15/2020 2:52:00 PM