国产欧美日韩精品a在线观看 ,亚洲欧美成人网站AAA,欧美xxxxx性喷潮

基于SVM和Word2Vec的Web應(yīng)用入侵檢測(cè)系統(tǒng)[其他][其他]

高校應(yīng)用系統(tǒng)中的Web日志數(shù)據(jù)是系統(tǒng)運(yùn)維、安全分析的重要來(lái)源。針對(duì)數(shù)據(jù)中心產(chǎn)生的Web日志進(jìn)行研究，同時(shí)考慮GET和POST請(qǐng)求的所有數(shù)據(jù)，采用Word2Vec構(gòu)造特征向量，利用支持向量機(jī)進(jìn)行模型構(gòu)建。并基于MapReduce并行計(jì)算模型，給出了一種異常入侵檢測(cè)算法，構(gòu)建了一套基于Web日志的安全分析平臺(tái)。系統(tǒng)運(yùn)行結(jié)果表明，該平臺(tái)可以有效地發(fā)現(xiàn)校園網(wǎng)中的異常入侵，檢索效率高，能有效提高運(yùn)維效率和異常排查速度。

發(fā)表于：9/1/2022

短視頻內(nèi)容失范的算法治理邏輯及路徑優(yōu)化[其他][其他]

近年來(lái)，短視頻領(lǐng)域低俗色情、著作權(quán)侵權(quán)等失范內(nèi)容屢禁不絕，僅依靠以政府為主導(dǎo)的運(yùn)動(dòng)式治理難以遏制其蔓延。算法技術(shù)的蓬勃發(fā)展提供了新的治理思路，將治理鏈條延伸至平臺(tái)運(yùn)行的算法技術(shù)，從生產(chǎn)和流通環(huán)節(jié)對(duì)短視頻內(nèi)容予以技術(shù)性審核，將有力提升治理效能。然而，算法治理還存在短期內(nèi)難以克服的局限：平臺(tái)算法邏輯受流量思維主導(dǎo)、算法技術(shù)落后于治理需要?；诖耍瑖@“政府—平臺(tái)—用戶(hù)”三方社會(huì)主體構(gòu)建協(xié)同治理模式，形成治理合力。

發(fā)表于：8/31/2022

美國(guó)審查T(mén)ikTok數(shù)據(jù)安全帶來(lái)的啟示與思考[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

近日，美國(guó)媒體、國(guó)會(huì)對(duì)TikTok(抖音海外版)接連發(fā)出質(zhì)疑，認(rèn)為這家在美運(yùn)營(yíng)的中資背景企業(yè)獲取美國(guó)數(shù)據(jù)，破壞美國(guó)數(shù)據(jù)安全。相較于以往，此次攻擊反映出中美網(wǎng)絡(luò)空間對(duì)抗博弈進(jìn)入以數(shù)據(jù)安全為主題的新階段。預(yù)判美國(guó)可能對(duì)我國(guó)高科技企業(yè)實(shí)施進(jìn)一步遏制，通過(guò)分析美國(guó)對(duì)TikTok數(shù)據(jù)安全監(jiān)管的原因、具體措施及其政策方向，為我國(guó)的數(shù)據(jù)安全監(jiān)管工作提出建議。

發(fā)表于：8/31/2022

FDA903和FDA803：不只是D類(lèi)音頻放大器，還可大幅度提升音質(zhì)[通信與網(wǎng)絡(luò)][汽車(chē)電子]

ST最近發(fā)布了FDA903Q 規(guī)單聲道D類(lèi)音頻放大器，進(jìn)一步完善了FDA903產(chǎn)品系列。該系列其他兩款產(chǎn)品分別是FDA903D 和 FDA903U。

發(fā)表于：8/29/2022

光伏逆變器應(yīng)用方案[電源技術(shù)][工業(yè)自動(dòng)化]

今年第一季度， Littelfuse的碳化硅MOSFET產(chǎn)品在國(guó)內(nèi)某光伏系統(tǒng)項(xiàng)目投標(biāo)成功，該產(chǎn)品被成功應(yīng)用于三相太陽(yáng)能逆變器輔助電源電路。Littelfuse 的設(shè)計(jì)方案再次被市場(chǎng)認(rèn)可，取得長(zhǎng)期合作機(jī)會(huì)。

發(fā)表于：8/18/2022

Synchronoss支持Telkomsigma在印度尼西亞推出兩項(xiàng)全新的高端個(gè)人云解決方案[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

印度尼西亞各地的大學(xué)新生均將獲得免費(fèi)的Floudrive個(gè)人云賬戶(hù)；高級(jí)Floudrive賬戶(hù)也將向1.7億Telkomsel移動(dòng)客戶(hù)陸續(xù)提供

發(fā)表于：8/16/2022

氮化鋁基大功率混合電路厚膜材料[電子元件][工業(yè)自動(dòng)化]

40多年來(lái)，設(shè)計(jì)和制造傳統(tǒng)混合電路的首選基板一直是氧化鋁。它提供了正確電路操作所需的機(jī)械強(qiáng)度、電阻率和熱性能。然而，在過(guò)去幾年中，我們經(jīng)歷了混合技術(shù)向具有高度復(fù)雜、密集電路配置的電子設(shè)備的轉(zhuǎn)變，這些電子設(shè)備比以前的設(shè)計(jì)產(chǎn)生更多的功率，從而產(chǎn)生更多的熱量。這需要使用具有更高導(dǎo)熱性的基板來(lái)正確管理傳熱和散熱，以保持終端設(shè)備的最佳性能和功能。氮化鋁顯示的熱性能為設(shè)計(jì)工程師提供了一種可靠的替代傳統(tǒng)氧化鋁的方法。

發(fā)表于：8/16/2022

為下一代工業(yè)自動(dòng)化控制器構(gòu)建高通道密度數(shù)字IO模塊[電子元件][工業(yè)自動(dòng)化]

　　當(dāng)工業(yè)4.0浪潮席卷而來(lái)，智能傳感器在工廠環(huán)境中日益普及。廣泛使用的傳感器正帶來(lái)一個(gè)重要變化，即要在舊款控制器內(nèi)處理大量IO，包括數(shù)字IO或模擬IO。由此，構(gòu)建可控尺寸和熱量的高密度IO模塊成為關(guān)鍵。本文中ADI將重點(diǎn)介紹數(shù)字IO。

發(fā)表于：8/14/2022

地面站Ka頻段G/T值測(cè)量方法研究[測(cè)試測(cè)量][航空航天]

航天測(cè)控地面站的系統(tǒng)品質(zhì)因數(shù)(G/T值)測(cè)量一般采用對(duì)塔測(cè)量、對(duì)射電星測(cè)量及對(duì)同步衛(wèi)星測(cè)量等方法。目前國(guó)內(nèi)大部分用于接收低軌衛(wèi)星Ka頻段寬帶數(shù)據(jù)的12 m口徑地面站均無(wú)法采用常規(guī)方法進(jìn)行G/T值測(cè)量，同時(shí)傳統(tǒng)的計(jì)算公式在Ka頻段也無(wú)法滿足G/T值測(cè)量精度的要求。針對(duì)該問(wèn)題，提出了利用無(wú)人機(jī)在滿足遠(yuǎn)場(chǎng)和仰角條件下的測(cè)試方法，給出了待誤差修正的計(jì)算公式，對(duì)該方法下的大氣損耗、無(wú)人機(jī)定位精度、信標(biāo)功率修正及指向精度等影響因素進(jìn)行了分析和計(jì)算，在試驗(yàn)場(chǎng)進(jìn)行了對(duì)比試驗(yàn)，證明利用該方法測(cè)量Ka頻段的G/T值可行且精度滿足要求，解決了目前大部分地面站Ka頻段G/T值無(wú)法準(zhǔn)確測(cè)量的問(wèn)題。

發(fā)表于：8/9/2022

星敏感器DC-DC浪涌抑制電路的EMC分析設(shè)計(jì)[電子元件][工業(yè)自動(dòng)化]

對(duì)某型號(hào)星敏感器的浪涌抑制電路作了簡(jiǎn)要介紹，針對(duì)現(xiàn)有浪涌抑制電路設(shè)計(jì)方法提出了一種電路性能最佳的元器件參數(shù)分析計(jì)算方法。從電路功能的穩(wěn)定實(shí)現(xiàn)和電路的電磁兼容性?xún)蓚€(gè)方面入手，分析了浪涌抑制電路中關(guān)鍵器件的選型分析，并通過(guò)理論分析和試驗(yàn)仿真驗(yàn)證，證明了文中提出的兼容性分析思路所得出的器件選型在給定的設(shè)計(jì)條件下具有有效性和正確性，同時(shí)為其他分系統(tǒng)的浪涌抑制設(shè)計(jì)提供參考，從而提高整個(gè)星上電子設(shè)備的可靠性。

發(fā)表于：8/9/2022

軟件無(wú)線電架構(gòu)的導(dǎo)航接收機(jī)模擬前端設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)基于超外差或低中頻的傳統(tǒng)導(dǎo)航接收機(jī)模擬前端電路功能復(fù)雜、功耗高、不利于單片集成等問(wèn)題，基于模擬最小化，數(shù)字最大化的思想，通過(guò)芯片內(nèi)部集成高增益射頻放大器、低功耗的高速模數(shù)轉(zhuǎn)換器、低抖動(dòng)的時(shí)鐘鎖相環(huán)，創(chuàng)新性地設(shè)計(jì)并實(shí)現(xiàn)了一款基于軟件無(wú)線電架構(gòu)的接收機(jī)模擬前端電路。通過(guò)55 nm CMOS 工藝電路設(shè)計(jì)、版圖設(shè)計(jì)、仿真及硅流片驗(yàn)證，測(cè)試結(jié)果表明該接收機(jī)前端電路各模塊功能正常，實(shí)現(xiàn)了單個(gè)模擬接收通道處理多模導(dǎo)航信號(hào)，極大地降低了模擬電路的規(guī)模及功耗并成功應(yīng)用于一款多模導(dǎo)航SoC芯片中。

發(fā)表于：8/9/2022

基于電壓比較器的固態(tài)功率控制器驅(qū)動(dòng)保護(hù)電路研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

研究了基于電壓比較器的固態(tài)功率控制器驅(qū)動(dòng)保護(hù)技術(shù)原理，設(shè)計(jì)了降柵壓保護(hù)電路。通過(guò)設(shè)置降柵壓保護(hù)電路的輸出電壓值和電壓上升/下降的速度，實(shí)現(xiàn)了對(duì)MOSFET柵極電壓的控制和對(duì)負(fù)載在過(guò)流或短路時(shí)的及時(shí)保護(hù)功能。解決了現(xiàn)有技術(shù)中使用穩(wěn)壓二極管判斷過(guò)流門(mén)限電壓，導(dǎo)致對(duì)MOSFET柵極電壓的控制精度不高和受保護(hù)MOSFET在一個(gè)時(shí)延內(nèi)反復(fù)開(kāi)通/關(guān)斷的問(wèn)題。經(jīng)過(guò)電路分析和仿真實(shí)驗(yàn)，結(jié)果表明降柵壓保護(hù)電路可以在45 μs內(nèi)對(duì)短路負(fù)載進(jìn)行關(guān)斷保護(hù)。

發(fā)表于：8/9/2022

基于諧波分量與有效值的神經(jīng)網(wǎng)絡(luò)負(fù)荷分解[電源技術(shù)][智能電網(wǎng)]

非侵入式負(fù)荷分解可以從主表電流變化信息中分解出各個(gè)用電器的用電信息，方便為用電戶(hù)提供更精細(xì)化、有針對(duì)性的用電管理和調(diào)度服務(wù)。當(dāng)前利用一維卷積的非侵入式負(fù)荷分解算法存在分解準(zhǔn)確率不高、新增用戶(hù)用電器需要重新訓(xùn)練、復(fù)雜度較高的問(wèn)題?；诖耍秒娏饔行е岛透道锶~變換后的諧波分量信息，提出一種基于一維卷積神經(jīng)網(wǎng)絡(luò)的負(fù)荷分解算法，利用相似性對(duì)比分解出各個(gè)用電器電流信息，解決了新增用戶(hù)或用電器需要重新訓(xùn)練的問(wèn)題。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，所提出的方法還可以在一定程度上提高負(fù)荷分解的準(zhǔn)確率，且復(fù)雜度較低。

發(fā)表于：8/9/2022

基于雙注意力和多區(qū)域檢測(cè)的細(xì)粒度圖像分類(lèi)[其他][其他]

有效地檢測(cè)具有辨別性的局部區(qū)域和更準(zhǔn)確地提取圖像的細(xì)粒度特征有助于提高細(xì)粒度圖像的分類(lèi)效果。為此，提出了一種結(jié)合雙注意力機(jī)制和多區(qū)域檢測(cè)的細(xì)粒度圖像分類(lèi)方法。多區(qū)域檢測(cè)旨在通過(guò)類(lèi)別標(biāo)簽學(xué)習(xí)定位到具有辨別性的圖像區(qū)域，然后通過(guò)特征提取網(wǎng)絡(luò)提取辨別性局部區(qū)域的特征并與全局特征相融合。同樣，更精確的特征提取網(wǎng)絡(luò)能夠提取圖像細(xì)粒度的特征。因此，通過(guò)將雙注意力機(jī)制和多區(qū)域檢測(cè)相結(jié)合，所提出的方法在3個(gè)公開(kāi)的細(xì)粒度圖像數(shù)據(jù)集CUB-200-2011、StanfordCars和FGVC Aircraft上分別達(dá)到了88.3%、94.5%和92.3%的準(zhǔn)確率。

發(fā)表于：8/9/2022

基于空間深度置信網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)優(yōu)化方法[測(cè)試測(cè)量][通信網(wǎng)絡(luò)]

風(fēng)能是目前應(yīng)用最為廣泛、技術(shù)最為成熟的可再生能源。為了保證風(fēng)電場(chǎng)的穩(wěn)定和安全運(yùn)行，風(fēng)速的準(zhǔn)確預(yù)測(cè)至關(guān)重要。除傳統(tǒng)的數(shù)值天氣預(yù)報(bào)以外，機(jī)器學(xué)習(xí)技術(shù)已經(jīng)廣泛應(yīng)用于不同時(shí)間尺度的風(fēng)速預(yù)測(cè)。然而這些工作大多局限于單一地點(diǎn)的風(fēng)速序列分析，沒(méi)有考慮和利用風(fēng)速的空間相關(guān)性。對(duì)此，使用深度置信網(wǎng)絡(luò)(Deep Belief Network，DBN)對(duì)同一區(qū)域內(nèi)多個(gè)地點(diǎn)的風(fēng)速序列進(jìn)行空間相關(guān)性特征識(shí)別。在訓(xùn)練過(guò)程中，深度置信網(wǎng)絡(luò)充分挖掘了該區(qū)域內(nèi)歷史風(fēng)速的聯(lián)合分布，借此改善未來(lái)的風(fēng)速預(yù)測(cè)。多組風(fēng)速預(yù)測(cè)實(shí)驗(yàn)表明，空間深度置信網(wǎng)絡(luò)能夠有效降低風(fēng)速的預(yù)測(cè)誤差，經(jīng)過(guò)空間深度置信網(wǎng)絡(luò)重構(gòu)后的風(fēng)速預(yù)測(cè)誤差平均降低了0.4 m/s。

發(fā)表于：8/9/2022