777午夜精品电影免费看,成人av集中营,亚洲小视频在线观看

基于自動(dòng)編碼器和隨機(jī)樹(shù)的智能電網(wǎng)FDI檢測(cè)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為應(yīng)對(duì)智能電網(wǎng)系統(tǒng)可能受到的新型網(wǎng)絡(luò)攻擊（如虛假數(shù)據(jù)注入攻擊），提出了一種基于機(jī)器學(xué)習(xí)的入侵檢測(cè)方法。該方法采用自動(dòng)編碼器進(jìn)行數(shù)據(jù)降維，并使用極端隨機(jī)樹(shù)分類器檢測(cè)潛在攻擊。在IEEE標(biāo)準(zhǔn)電力系統(tǒng)數(shù)據(jù)的基礎(chǔ)上，測(cè)試了該方法在不同系統(tǒng)規(guī)模和攻擊程度下的性能。實(shí)驗(yàn)結(jié)果顯示，在IEEE 118節(jié)點(diǎn)系統(tǒng)中，該方法的檢測(cè)準(zhǔn)確率高達(dá)99.76%，即使在僅有0.1%攻擊測(cè)量值的情況下，F(xiàn)1值也達(dá)到了99.77%，遠(yuǎn)超其他算法。該方法不僅能有效檢測(cè)智能電網(wǎng)中的入侵行為，而且具有較高的計(jì)算效率。

發(fā)表于：11/14/2024

TSN交換機(jī)PSFP方法設(shè)計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

時(shí)間敏感網(wǎng)絡(luò)（Time Sensitive Network，TSN）將傳統(tǒng)以太網(wǎng)“Best Effor”傳輸方式所具備的靈活性與時(shí)間敏感網(wǎng)絡(luò)的實(shí)時(shí)性、確定性等特點(diǎn)相結(jié)合，具有支持不同類型應(yīng)用的能力。TSN的逐流過(guò)濾和監(jiān)管（Per-Stream Filtering and Policing， PSFP）協(xié)議通過(guò)提供策略，可阻止非法報(bào)文的攻擊及流量過(guò)載。基于該協(xié)議的工作原理，對(duì)流過(guò)濾、流門(mén)控和流測(cè)量功能進(jìn)行了研究，同時(shí)提出一種PSFP的實(shí)現(xiàn)方法，并在TSN交換機(jī)上設(shè)計(jì)網(wǎng)絡(luò)拓?fù)浼皩?shí)驗(yàn)進(jìn)行了驗(yàn)證。結(jié)果表明，該方法可根據(jù)報(bào)文特征自動(dòng)識(shí)別滿足一定規(guī)則的異常報(bào)文，并按照要求進(jìn)行阻斷或限流操作，驗(yàn)證了合理性。該方法不受限于硬件或軟件實(shí)現(xiàn)的TSN，對(duì)TSN在工業(yè)、車載等行業(yè)的應(yīng)用有一定的參考價(jià)值。

發(fā)表于：11/14/2024

基于殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)和Stacking集成學(xué)習(xí)的局部放電故障診斷[模擬設(shè)計(jì)][智能電網(wǎng)]

針對(duì)傳統(tǒng)局部放電（Partial Discharge， PD）故障診斷方法在處理復(fù)雜含噪PD信號(hào)存在局限性并依賴于人工去噪和專家經(jīng)驗(yàn)，難以學(xué)習(xí)到PD特征多樣化表達(dá)等問(wèn)題，分別提出殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)（Residual Attention Adaptive Denoising Network， RAADNet）和基于Stacking集成學(xué)習(xí)的PD故障診斷模型。RAADNet基于殘差網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，通過(guò)集成CAM注意力機(jī)制和軟閾值函數(shù)實(shí)現(xiàn)自適應(yīng)去噪；Stacking集成模型的基學(xué)習(xí)器分別由基于卷積神經(jīng)網(wǎng)絡(luò)的RAADNet、基于多頭自注意力機(jī)制的Transformer以及基于Boosting集成策略的XGBoost多個(gè)差異化模型共同構(gòu)建構(gòu)成。實(shí)驗(yàn)結(jié)果表明，提出的RAADNet優(yōu)于其他先進(jìn)方法，識(shí)別準(zhǔn)確率達(dá)到93.99%，Stacking集成模型則通過(guò)學(xué)習(xí)多樣化特征表達(dá)，進(jìn)一步提高模型性能，達(dá)到96.79%識(shí)別準(zhǔn)確率。

發(fā)表于：11/14/2024

圓形陣列式霍爾電流傳感器抗磁干擾算法研究[MEMS|傳感技術(shù)][智能電網(wǎng)]

陣列式霍爾電流傳感器是電力電子領(lǐng)域中的一個(gè)研究熱點(diǎn)，特別是在直流電測(cè)量方面，它具有線性度高、動(dòng)態(tài)范圍大、體積小、功耗低等優(yōu)點(diǎn)，是對(duì)鐵磁磁芯的電流傳感器的改進(jìn)。然而，由于沒(méi)有鐵芯聚磁，在汽車電子、配電系統(tǒng)等場(chǎng)所內(nèi)，導(dǎo)體排布密集，外部磁場(chǎng)很容易進(jìn)入磁傳感器，從而影響測(cè)量精度。因此，提出了一種抗磁干擾算法來(lái)解決這一問(wèn)題，采用構(gòu)造超越方程的方法，不僅可以計(jì)算被測(cè)電流，還可以計(jì)算任意位置的干擾電流，并通過(guò)數(shù)值模擬、有限元分析和室內(nèi)實(shí)驗(yàn)對(duì)該算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，在受到強(qiáng)干擾電流的影響下，誤差在3.5%以內(nèi)，驗(yàn)證了構(gòu)造的圓形傳感器陣列及抗磁干擾算法的有效性。

發(fā)表于：11/14/2024

某型接收機(jī)中放大器自激機(jī)理分析與預(yù)防措施[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

對(duì)某型接收機(jī)中頻噪底升高故障進(jìn)行了分析處理，分析結(jié)果表明射頻模塊腔體內(nèi)存在個(gè)體差異，導(dǎo)致本振放大器在脈沖工作條件下產(chǎn)生自激，通過(guò)對(duì)放大器自激機(jī)理的分析給出了相應(yīng)的預(yù)防措施，在射頻小盒側(cè)壁中粘貼吸波材料，可以有效消除自激。論文對(duì)今后腔體自激問(wèn)題的處理分析具有參考價(jià)值。

發(fā)表于：11/14/2024

基于ARM 架構(gòu)的安全總線橋設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為提高SoC（System-On-Chip）系統(tǒng)安全性能，設(shè)計(jì)了一種基于ARM（Advanced RISC Machine）架構(gòu)的安全總線橋電路。該電路設(shè)計(jì)了一個(gè)橋接模塊和一個(gè)訪問(wèn)控制功能模塊。仿真表明，該電路能夠在任意倍頻的AHB（Advanced High-Performance Bus）和APB（Advanced Peripheral Bus）時(shí)鐘頻率下完成AHB傳輸協(xié)議向APB傳輸協(xié)議的轉(zhuǎn)換，同時(shí)支持靈活配置主從設(shè)備的訪問(wèn)權(quán)限和保護(hù)模式，防止外設(shè)寄存器數(shù)據(jù)被非法訪問(wèn)和惡意篡改，提高了系統(tǒng)的安全性能和適用性。

發(fā)表于：11/14/2024

基于改進(jìn)AlexNet卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別的研究[人工智能][消費(fèi)電子]

近期，人臉識(shí)別技術(shù)在社會(huì)上廣受關(guān)注，其非接觸式的識(shí)別特性相較于指紋等傳統(tǒng)接觸式識(shí)別方法展現(xiàn)出明顯優(yōu)勢(shì)。在深度學(xué)習(xí)領(lǐng)域，由于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別任務(wù)上的準(zhǔn)確性和速度尚有提升空間，因此提出采用改進(jìn)的AlexNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別。通過(guò)實(shí)驗(yàn)驗(yàn)證，與傳統(tǒng)卷積網(wǎng)絡(luò)相比，改進(jìn)后的AlexNet在人臉識(shí)別上不僅準(zhǔn)確度更高，而且識(shí)別過(guò)程更為穩(wěn)定。

發(fā)表于：11/14/2024

計(jì)及可再生能源接入配電網(wǎng)的負(fù)荷預(yù)測(cè)和優(yōu)化[人工智能][智能電網(wǎng)]

目前，可再生能源大量接入配電網(wǎng)，但是太陽(yáng)能、風(fēng)能、光伏及風(fēng)電等可再生能源的間歇性和隨機(jī)性不可避免地會(huì)造成配電網(wǎng)的波動(dòng)。考慮電網(wǎng)內(nèi)可再生能源發(fā)電功率與用電負(fù)荷隨時(shí)間變化的特點(diǎn)，提出一種基于小波變換和神經(jīng)網(wǎng)絡(luò)的可再生能源接入配電網(wǎng)的負(fù)荷預(yù)測(cè)和優(yōu)化方法。首先采集配電網(wǎng)的發(fā)電與負(fù)荷數(shù)據(jù)，利用小波變換處理收集到的數(shù)據(jù)，得到局部尺度和頻率分解的特征參數(shù)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；然后，對(duì)經(jīng)過(guò)小波變換后得到的特征參數(shù)進(jìn)行訓(xùn)練，根據(jù)預(yù)測(cè)負(fù)荷對(duì)可再生能源的發(fā)電量進(jìn)行調(diào)節(jié)，保持配電網(wǎng)供需側(cè)的動(dòng)態(tài)平衡。結(jié)果表明，所提方法能夠?qū)ω?fù)荷進(jìn)行有效預(yù)測(cè)，通過(guò)提前預(yù)測(cè)負(fù)荷量，保證配電網(wǎng)用電穩(wěn)定性的同時(shí)，最大化利用可再生能源。

發(fā)表于：11/14/2024

基于Transformer殘差網(wǎng)絡(luò)的事件重建算法[人工智能][消費(fèi)電子]

目前的人工視覺(jué)系統(tǒng)仍然無(wú)法處理一些涉及高速運(yùn)動(dòng)場(chǎng)景和高動(dòng)態(tài)范圍的真實(shí)世界場(chǎng)景。事件相機(jī)因其低延遲和高動(dòng)態(tài)范圍捕捉高速運(yùn)動(dòng)的優(yōu)勢(shì)具有消除上述問(wèn)題的能力。然而，由于事件數(shù)據(jù)的高度稀疏和變化性質(zhì)，在保證其快速性的同時(shí)將事件重建為視頻仍然具有挑戰(zhàn)性。因此提出了一種基于Transformer殘差網(wǎng)絡(luò)和光流估計(jì)的事件流重建算法，通過(guò)光流估計(jì)和事件重建的聯(lián)合訓(xùn)練，實(shí)現(xiàn)自監(jiān)督的重建過(guò)程，并引入去模糊預(yù)處理和亞像素上采樣模塊來(lái)提高重建質(zhì)量。實(shí)驗(yàn)結(jié)果表明，在公開(kāi)數(shù)據(jù)集上，提出的方法可以有效提高事件流的重建效果。

發(fā)表于：11/14/2024

稀疏矩陣在C66x上的應(yīng)用及優(yōu)化[模擬設(shè)計(jì)][其他]

隨著大數(shù)據(jù)的爆炸式發(fā)展，稀疏矩陣已經(jīng)成為機(jī)器學(xué)習(xí)和邊緣計(jì)算的重要一環(huán)。在機(jī)器學(xué)習(xí)領(lǐng)域，數(shù)據(jù)集的稀疏矩陣化既可以保存信息又可以節(jié)省內(nèi)存，已成為不可避免的趨勢(shì)。SpMV（稀疏矩陣向量乘）作為稀疏矩陣計(jì)算中的核心，其迭代求解過(guò)程的空間復(fù)雜度和時(shí)間復(fù)雜度具有重要研究意義。分析稀疏矩陣C00、CSR、ELLPACK和DIA壓縮格式，改變稀疏矩陣的稀疏度和非零元素的分布，得出COO讀取數(shù)據(jù)、CSR進(jìn)行計(jì)算的SpMV通用性更強(qiáng)。利用C66x的VLIW指令構(gòu)架，采用軟件流水的方式對(duì)SpMV_CSR算法進(jìn)行指令并行優(yōu)化，利用SIMD單指令多數(shù)據(jù)指令集對(duì)SpMV_CSR算法完成數(shù)據(jù)并行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的SpMV_CSR算法相較于優(yōu)化前的加速比平均達(dá)到5倍以上。

發(fā)表于：11/14/2024

一種基于Yarn云平臺(tái)的基因啟發(fā)式多序列比對(duì)算法[模擬設(shè)計(jì)][醫(yī)療電子]

提出一種基于Yarn云平臺(tái)的基因啟發(fā)式多序列比對(duì)算法。建立核酸替換等價(jià)矩陣作為基因啟發(fā)式數(shù)學(xué)模型，構(gòu)建Yarn云平臺(tái)邏輯架構(gòu)，通過(guò)對(duì)基因數(shù)據(jù)預(yù)處理、基因數(shù)據(jù)存儲(chǔ)、基因序列比對(duì)、基因數(shù)據(jù)管理、基因數(shù)據(jù)分析等步驟，對(duì)數(shù)據(jù)分類保存，劃分錯(cuò)誤率較高的長(zhǎng)序列，得到多個(gè)較短的基因片段。對(duì)不同片段實(shí)施定位，將其中的變長(zhǎng)種子生成，進(jìn)行骨架構(gòu)建和孔隙填補(bǔ)，可以實(shí)現(xiàn)基因啟發(fā)式多序列比對(duì)。結(jié)果表明，設(shè)計(jì)的算法在不同數(shù)據(jù)集下處理時(shí)間縮短，多序列比對(duì)SP（Sum of Pairs）的分值較高，實(shí)驗(yàn)驗(yàn)證了該多序列比對(duì)方法具有很好的應(yīng)用價(jià)值。

發(fā)表于：11/14/2024

基于電路切割方法的并行量子模擬方法[模擬設(shè)計(jì)][其他]

量子計(jì)算在解決傳統(tǒng)計(jì)算難題方面展現(xiàn)了巨大潛力，但由于其高錯(cuò)誤率和噪聲問(wèn)題，經(jīng)典模擬成為驗(yàn)證其性能的重要手段。然而，量子的疊加和糾纏特性帶來(lái)了模擬上的巨大挑戰(zhàn)，尤其是在內(nèi)存受限的情況下。盡管電路切割方法能夠?qū)⒋笠?guī)模量子電路分解為更小的計(jì)算任務(wù)，減輕計(jì)算壓力，先前的研究主要關(guān)注其在量子計(jì)算機(jī)上的應(yīng)用，未充分考慮其在量子電路模擬中的效果。論文研究填補(bǔ)了這一空白，提出了基于啟發(fā)式切割算法和子電路狀態(tài)向量復(fù)用的優(yōu)化方案，以應(yīng)對(duì)模擬中的內(nèi)存限制。通過(guò)引入全局計(jì)算成本的考量和整數(shù)規(guī)劃模型，提出的啟發(fā)式方法不僅優(yōu)化了切割過(guò)程，還結(jié)合了子電路狀態(tài)向量復(fù)用技術(shù)，以減少重復(fù)計(jì)算和內(nèi)存占用。實(shí)驗(yàn)結(jié)果顯示，與當(dāng)前流行的電路切割方法相比，所提出方法在提升模擬速度的同時(shí)顯著降低了內(nèi)存需求，有效應(yīng)對(duì)了量子電路模擬中的挑戰(zhàn)。在經(jīng)典量子電路的測(cè)試中總體平均加速達(dá)到了46%。

發(fā)表于：11/14/2024

基于GPU的稀疏矩陣壓縮存儲(chǔ)格式研究[模擬設(shè)計(jì)][其他]

稀疏矩陣向量乘法（Sparse Matrix-Vector Multiplication，SpMV）是矩陣數(shù)值計(jì)算領(lǐng)域重要的線性代數(shù)子程序。通過(guò)對(duì)SpMV算法的負(fù)載均衡以及訪存頻度這兩個(gè)關(guān)鍵性能瓶頸的研究，提出了一種VCSR（Vectorized Compressed Sparse Row）稀疏矩陣壓縮存儲(chǔ)格式。該格式根據(jù)各行非零元素分布的統(tǒng)計(jì)特性調(diào)整各個(gè)線程的數(shù)據(jù)負(fù)載來(lái)防止線程發(fā)散的問(wèn)題，并且基于快速分段求和的策略以及使用矢量化的方法來(lái)提高SpMV流程的計(jì)算性能。通過(guò)使用佛羅里達(dá)大學(xué)的稀疏矩陣作為測(cè)試集，在GPU上進(jìn)行性能測(cè)試，獲得了相較CSR5（Compressed Sparse Row 5）格式平均10%到30%，最高50%的性能提升。

發(fā)表于：11/14/2024

貿(mào)澤開(kāi)售用于快速開(kāi)發(fā)精密數(shù)據(jù)采集系統(tǒng)的Analog Devices ADAQ7767-1 μModule DAQ解決方案[測(cè)試測(cè)量][消費(fèi)電子]

　　2024年11月6日 – 提供超豐富半導(dǎo)體和電子元器件?的業(yè)界知名新品引入（NPI）代理商貿(mào)澤電子（Mouser Electronics）即日起供應(yīng)Analog Devices, Inc. （ADI）的ADAQ7767-1 μModule DAQ解決方案。這是一款24位精密數(shù)據(jù)采集（DAQ）µModule系統(tǒng)，可用于快速開(kāi)發(fā)緊湊、高性能的精密DAQ系統(tǒng)。ADAQ7767-1非常適合電氣測(cè)試和測(cè)量、預(yù)測(cè)性維護(hù)的狀態(tài)監(jiān)控、通用輸入測(cè)量平臺(tái)、音頻測(cè)試，以及其他需要高精度數(shù)據(jù)采集的應(yīng)用。

發(fā)表于：11/11/2024

派拓網(wǎng)絡(luò)醫(yī)療物聯(lián)網(wǎng)安全方案為更多醫(yī)療服務(wù)保駕護(hù)航[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

派拓網(wǎng)絡(luò)于2022年推出了專為醫(yī)療機(jī)構(gòu)設(shè)計(jì)的物聯(lián)網(wǎng)安全產(chǎn)品醫(yī)療物聯(lián)網(wǎng)安全方案。自那時(shí)起，這款產(chǎn)品就一直是行業(yè)分析師公認(rèn)的領(lǐng)先產(chǎn)品，并且?guī)椭赏鼐W(wǎng)絡(luò)的醫(yī)療行業(yè)客戶提高了設(shè)備和網(wǎng)絡(luò)的安全性，保護(hù)了數(shù)百萬(wàn)臺(tái)設(shè)備的安全，使全球醫(yī)療機(jī)構(gòu)每年能夠?yàn)閿?shù)百萬(wàn)患者提供醫(yī)療服務(wù)。

發(fā)表于：11/7/2024