九九热线精品视频16,四季AV午夜激情电影,亚洲日本人成网站在线播放

公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)的風(fēng)險(xiǎn)研判及合作治理[其他][其他]

以全流程視野審視公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)的風(fēng)險(xiǎn)，主要表現(xiàn)為數(shù)據(jù)授權(quán)階段的供需對(duì)接風(fēng)險(xiǎn)、數(shù)據(jù)運(yùn)營(yíng)階段的壟斷風(fēng)險(xiǎn)以及數(shù)據(jù)開發(fā)利用階段的失控風(fēng)險(xiǎn)。合作治理模式能通過(guò)多元主體間的合作共治、柔性化治理規(guī)則以及多樣化的治理策略，實(shí)現(xiàn)利益協(xié)調(diào)、彌縫政策規(guī)范缺口及提升治理能效。立基于此，公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)風(fēng)險(xiǎn)的有效治理應(yīng)遵循以下具體路徑：以商談機(jī)制型構(gòu)共治格局,以利益補(bǔ)償機(jī)制為核心促進(jìn)多元主體利益衡平與協(xié)調(diào),以軟硬兼濟(jì)方式增強(qiáng)治理規(guī)范供給,用以回應(yīng)性治理策略增進(jìn)治理效能。

發(fā)表于：4/1/2025 4:55:00 PM

數(shù)據(jù)要素市場(chǎng)下的企業(yè)數(shù)據(jù)合規(guī)指引研究[其他][信息安全]

發(fā)表于：4/1/2025 4:43:55 PM

面向機(jī)器學(xué)習(xí)建模的數(shù)據(jù)治理技術(shù)路徑研究[人工智能][其他]

隨著人工智能和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展，數(shù)據(jù)質(zhì)量已成為提升模型性能和可靠性的核心因素。特別是在不同類型機(jī)器學(xué)習(xí)模型的應(yīng)用中，如何有效地實(shí)施數(shù)據(jù)治理以提升數(shù)據(jù)質(zhì)量、穩(wěn)定性和公平性，仍然是一個(gè)亟待解決的問(wèn)題。綜述了數(shù)據(jù)治理在機(jī)器學(xué)習(xí)建模中的關(guān)鍵作用，提出了一套系統(tǒng)性的數(shù)據(jù)治理框架，涵蓋數(shù)據(jù)采集、處理、標(biāo)注、模型訓(xùn)練等全過(guò)程，旨在提供切實(shí)可行的治理方案以支撐機(jī)器學(xué)習(xí)應(yīng)用。該框架強(qiáng)調(diào)在不同階段采用針對(duì)性的技術(shù)措施，確保數(shù)據(jù)治理的有效性，從而促進(jìn)數(shù)據(jù)質(zhì)量的提升和模型的可解釋性、穩(wěn)定性及公平性的保障。本研究為數(shù)據(jù)治理在機(jī)器學(xué)習(xí)中的深入應(yīng)用提供了理論基礎(chǔ)，并為后續(xù)的技術(shù)實(shí)踐和創(chuàng)新提供了指導(dǎo)。

發(fā)表于：4/1/2025 4:31:03 PM

氣象數(shù)據(jù)安全防護(hù)體系建設(shè)探索與實(shí)踐[其他][信息安全]

發(fā)表于：4/1/2025 4:20:55 PM

“數(shù)據(jù)出境豁免”規(guī)則下數(shù)據(jù)出境安全評(píng)估的演變與完善[其他][信息安全]

“數(shù)據(jù)出境豁免”規(guī)則通過(guò)提高數(shù)據(jù)安全評(píng)估制度的適用門檻、設(shè)置數(shù)據(jù)出境安全評(píng)估的豁免情形對(duì)數(shù)據(jù)出境安全評(píng)估制度產(chǎn)生了重要影響。然而“數(shù)據(jù)出境豁免”規(guī)則的設(shè)置在概念范疇、豁免事由的證成以及規(guī)范目的符合性等問(wèn)題上并未完全理順適用邏輯，這在一定程度上影響數(shù)據(jù)安全評(píng)估制度更好地發(fā)揮其效用。為此，通過(guò)反思“數(shù)據(jù)出境豁免”規(guī)則可能對(duì)數(shù)據(jù)安全評(píng)估制度造成的適用性困惑，將“數(shù)據(jù)出境豁免”規(guī)則與歐盟GDPR“克減規(guī)則”進(jìn)行比較并探尋借鑒意義，從價(jià)值層面審視制度定位并通過(guò)體系化解釋適恰上位法規(guī)范目的，從定性和定量雙重維度考量豁免事由，加強(qiáng)“數(shù)據(jù)出境豁免”規(guī)則與國(guó)家數(shù)據(jù)分級(jí)分類制度之間的制度銜接。

發(fā)表于：4/1/2025 4:08:55 PM

基于改進(jìn)FP-growth的多品類打包推薦算法[其他][其他]

發(fā)表于：3/26/2025 5:22:23 PM

一種結(jié)合雙閾值與WSN的OFDM輻射源個(gè)體識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)在低信噪比情況下OFDM輻射源識(shí)別率低的問(wèn)題，提出一種雙閾值與小波散射網(wǎng)絡(luò)（Wavelet Scattering Network，WSN）結(jié)合的OFDM信號(hào)時(shí)頻圖輻射源個(gè)體識(shí)別方法。首先，建立包含指紋特征的OFDM信號(hào)指紋模型；其次，利用小波變換對(duì)一個(gè)符號(hào)周期內(nèi)的OFDM信號(hào)進(jìn)行時(shí)頻分析得到時(shí)頻圖；再次，設(shè)計(jì)一種雙參數(shù)閾值函數(shù)模型實(shí)現(xiàn)自適應(yīng)抑制噪聲干擾，提高時(shí)頻圖的圖像質(zhì)量。經(jīng)WSN處理后，從優(yōu)化后的時(shí)頻圖中提取小波散射系數(shù)作為特征集；最后，采用ResNet18進(jìn)行分類識(shí)別。仿真實(shí)驗(yàn)結(jié)果表明，該方法能夠顯著抑制噪聲干擾，在信噪比為-4 dB的條件下，識(shí)別精度達(dá)到87.5%，相較于其他方法表現(xiàn)出更高的識(shí)別精度和抗噪性能。

發(fā)表于：3/26/2025 5:06:06 PM

基于高原地區(qū)的超大規(guī)模海量MIMO系統(tǒng)混合場(chǎng)信道估計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了改善高原地區(qū)通信條件較差的情況，可以部署超大規(guī)模海量多輸入多輸出（Extreme Large scale massive Multiple-Input Multiple-Output，XL-MIMO）系統(tǒng)。高原地區(qū)地形復(fù)雜，存在許多建筑、山脈等散射體，這些散射體可能形成近場(chǎng)和遠(yuǎn)場(chǎng)混合的復(fù)雜信道環(huán)境。在這種環(huán)境中，散射體的分布可能既包括遠(yuǎn)離基站的遠(yuǎn)場(chǎng)區(qū)域，也包括靠近基站的近場(chǎng)區(qū)域。由此構(gòu)建混合場(chǎng)信道模型，來(lái)描述和模擬復(fù)雜的混合場(chǎng)信道特征。其次，為了保證XL-MIMO系統(tǒng)的容量和性能，需要獲取混合場(chǎng)信道準(zhǔn)確的信道狀態(tài)信息。為此，提出了一種兩階段的信道估計(jì)方案。通過(guò)仿真驗(yàn)證，發(fā)現(xiàn)所提出的兩階段混合場(chǎng)信道估計(jì)方案在不同信噪比、不同導(dǎo)頻長(zhǎng)度、不同路徑參數(shù)下都具有更優(yōu)的歸一化均方誤差，因此更適合應(yīng)用于復(fù)雜環(huán)境中的XL-MIMO系統(tǒng)。

發(fā)表于：3/26/2025 4:25:50 PM

LSTM與Transformer融合模型在時(shí)間序列預(yù)測(cè)中的應(yīng)用研究[人工智能][智能電網(wǎng)]

隨著可再生能源的快速發(fā)展，風(fēng)電功率預(yù)測(cè)對(duì)于電網(wǎng)穩(wěn)定運(yùn)行和能源管理具有重要意義。風(fēng)電功率預(yù)測(cè)是一個(gè)復(fù)雜的非線性問(wèn)題，涉及多種氣象因素和環(huán)境條件。提出了一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、自適應(yīng)稀疏自注意力機(jī)制（ASSA）和Transformer的融合模型，用于發(fā)電功率的時(shí)間序列預(yù)測(cè)。該模型結(jié)合了LSTM在捕捉時(shí)間序列長(zhǎng)期依賴性方面的優(yōu)勢(shì)、ASSA在處理局部特征交互稀疏性方面的高效性以及Transformer在捕捉全局依賴性方面的強(qiáng)大并行處理能力。通過(guò)實(shí)驗(yàn)驗(yàn)證，該模型在發(fā)電功率預(yù)測(cè)任務(wù)中表現(xiàn)出色，尤其是在極端波動(dòng)或拐點(diǎn)處的預(yù)測(cè)精度上有所提高。與傳統(tǒng)方法相比，該模型能夠更準(zhǔn)確地捕捉風(fēng)電功率變化的復(fù)雜性和動(dòng)態(tài)性，為風(fēng)電場(chǎng)的運(yùn)營(yíng)管理提供了有力的決策支持。

發(fā)表于：3/24/2025 5:23:00 PM

基于邊緣增強(qiáng)和多尺度時(shí)空重組的視頻預(yù)測(cè)方法[人工智能][消費(fèi)電子]

針對(duì)當(dāng)前視頻預(yù)測(cè)算法在生成視頻幀時(shí)細(xì)節(jié)模糊、精度較低的問(wèn)題，提出了一種基于邊緣增強(qiáng)和多尺度時(shí)空重組的視頻預(yù)測(cè)方法。首先通過(guò)頻域分離技術(shù)，將視頻幀劃分為高頻信息和低頻信息，并對(duì)二者分別進(jìn)行針對(duì)性處理。其次，設(shè)計(jì)了高頻邊緣增強(qiáng)模塊，專注于高頻邊緣特征的學(xué)習(xí)與優(yōu)化。同時(shí)，引入多尺度時(shí)空重組模塊，針對(duì)低頻結(jié)構(gòu)信息，深入挖掘其時(shí)空依賴性。最終將高低頻特征進(jìn)行充分融合，用以生成高質(zhì)量的預(yù)測(cè)視頻幀。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有先進(jìn)算法相比，該方法在預(yù)測(cè)性能上實(shí)現(xiàn)了提升，充分驗(yàn)證了其有效性。

發(fā)表于：3/24/2025 5:13:11 PM