日本欧美韩国日本精品,亚洲欧美日韩在线不卡,国产欧美亚洲一区二区

頭條

使用有安全保障的閃存存儲構建安全的汽車系統

使用有安全保障的閃存存儲構建安全的汽車系統

在現代汽車嵌入式系統中，高度安全的數據存儲是必不可少的，尤其是在面對日益高明的網絡攻擊時。本文將介紹設計師正確使用閃存的步驟。

最新設計資源

泛在電力物聯——智能電纜井蓋您見過嗎？[EDA與制造][工業自動化]

“智慧城市”、“智能電網”、“泛在電力物聯”......近幾年一些新概念相繼被提出，這些規劃相互交叉影響，在一些試點城市快速建設推進，如高壓電纜線已由空架開始轉到地下，以青島為例，主干道、高新區老區改造新區建設都要求電纜下地，每50m-100m覆蓋一個智能井蓋來保證城市安全，釋放城市空間資源。

發表于：12/16/2020

無中斷向量重定位單片機中實現IAP和APP中斷的方法[嵌入式技術][工業自動化]

獨創了一種基于RAM中轉的中斷跳轉方法，該方法以軟件形式實現了單片機的中斷向量重定位功能，實現了在應用中編程，克服了某類普通經濟型單片機無法通過硬件寄存器設置中斷跳轉地址來實現跳轉的局限性，使得這類單片機也能在同一片Flash內運行IAP和APP并相互跳轉，大大拓展了實用性。采用某國產單片機(SWM240)實現了IAP和APP部分，并在生產實際中得到檢驗。

發表于：12/16/2020

一種高速網絡流識別處理系統的設計與實現[通信與網絡][通信網絡]

隨著骨干網絡傳輸速率不斷提高，對高速網絡信號分析處理系統的需求十分迫切。骨干網絡高速率、大帶寬的特點給整個網絡空間的管理帶來了許多困難。采用五元組定義的網絡流作為研究對象，通過理論分析，設計和實現了高速網絡流識別處理系統硬件平臺，實現網絡信號在流層面的分析識別，并根據分析結果執行不同的處理策略，從而為網絡流的分類處理提供了依據。

發表于：12/16/2020

基于深度學習的在線字臨摹分析系統設計[其他][其他]

為方便和快速地進行字體臨摹分析，該系統將紙面手寫字與名人真跡字進行相似度比較，使用殘差網絡ResNet50模型和新的字相似度算法對手寫字進行高精度識別并與名人真跡字快速地進行相似度計算。將自制的名人書法字數據集和普通中文數據集合在一起訓練ResNet50模型，最后結合Web網站和Android開發了一個實時在線手寫字與各名人書法字進行相似度比較的系統。Android端主要用來上傳紙面手寫字照片和展示處理的結果，搭建的Web網站用來對圖片進行識別和相似度的計算與分析。

發表于：12/16/2020

基于Wi-Fi信號的環境反向散射技術分析[通信與網絡][物聯網]

環境反向散射技術給物聯網低功耗設備部署的商業化帶來了新的技術方案。首先簡要概述反向散射技術的分類和基本特點，然后基于Wi-Fi信號下的環境反向散射技術，分析反向散射的設備通過接收Wi-Fi報文及反射信號來傳遞信息的可行性，討論設備實現Wi-Fi雙向通信的硬件框架和軟件模塊結構，介紹反向散射技術的應用場景，并歸納該技術的挑戰和改進方向。最后展望了基于Wi-Fi信號的環境反向散射技術的發展趨勢和研究方向。

發表于：12/16/2020

5G基站型路側設備技術方案與應用研究[通信與網絡][5G]

隨著5G技術的發展和商用，基于車路協同的自動駕駛被業界認為是車聯網未來發展的主要方向之一，路側設備RSU是車路協同關鍵設備之一。立足于未來5G網絡和C-V2X網絡發展趨勢，分析了5G基站型RSU的需求，并對5G基站型RSU的技術方案、基本功能進行了描述，展望了5G基站型RSU的應用場景。

發表于：12/16/2020

基于CNN-LightGBM模型的高速公路交通量預測[人工智能][物聯網]

有效的交通流量預測對人們出行和交管部門監管都有著重要的意義。傳統的交通量預測模型主要基于交通流的時間特性，未結合交通流的時間和空間特性進行深入挖掘，因此預測效果有時不佳。提出了一種基于CNN與LightGBM結合的交通流預測模型，首先利用CNN模型挖掘出高速公路相鄰路段監測點和出入口的時間和空間關聯性，實現對交通流數據的時空特征提取，然后將CNN提取到的特征向量輸入到LightGBM模型中進行預測。為了驗證模型的有效性，實驗中使用了多種預測模型進行對比，實驗結果表明，所提出的考慮到時空特性的CNNLightGBM組合的模型可以明顯降低預測誤差，是一種有效快速的交通流預測模型。

發表于：12/15/2020

一種鄰域自適應的雙閾值點云特征提取方法[其他][其他]

點云數據的特征提取是點云數據處理環節中的一項重要內容，對幾何分析、數據分割、點云配準、模型重建等研究起關鍵作用。研究了基于法向量和曲率的點云特征提取技術，闡明了特征提取過程中鄰域選取與單一參數計算存在的問題，提出了鄰域自適應的雙閾值點云特征提取方法。通過實驗對比了該算法與基于曲率的特征提取算法的提取效果，驗證了本算法的穩定性、準確性。該算法對于幾何特征復雜的點云具有較好的提取效果，對提高點云特征點提取的精度及效率具有重要的意義。

發表于：12/15/2020

基于Flink框架的TopN堆排序優化算法[其他][其他]

為了解決大數據TopN排序問題，將傳統的堆排序進行優化，闡述了優化后的HeapOptimize方法的處理過程。HeapOptimize方法基于Flink框架來完成TopN作業，可以實時地接收并處理大量的數據，根據單位時間需要處理的數據數量來調整算子的并行度，增加Flink框架的吞吐量，提高處理數據的速度。通過實驗測量的數據結果佐證了HeapOptimize方法的優勢。

發表于：12/15/2020

基于改進馬爾科夫特征的圖像拼接檢測研究[通信與網絡][信息安全]

針對傳統馬爾科夫特征拼接檢測準確率不高的問題，提出了一種有效的馬爾科夫特征提取方法。與傳統馬爾科夫特征的計算過程不同，只計算水平和垂直兩個方向的轉移概率矩陣，選擇四個轉移概率矩陣中對應位置求和后的值作為最終特征。求和操作不僅降低了特征維度，而且使真實圖像與拼接圖像之間的概率分布區分更加明顯。所提出的算法的特征維度與數據集無關。該方法在哥倫比亞彩色拼接檢測圖庫、CASIA V1.0和CASIA V2.0數據集上測試的準確率分別為94.38%、99.19%、96.02%。

發表于：12/15/2020

基于DAPA的卷積神經網絡Web異常流量檢測方法[測試測量][通信網絡]

針對Web攻擊流量檢測問題，提出一種基于動態自適應池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷積神經網絡模型。首先將數據集中每一條請求流量進行剪裁、對齊、補足等操作，生成一系列50×150的矩陣數據A作為輸入，然后搭建基于動態自適應的卷積神經網絡模型去進行異常流量檢測，使之可以根據特征圖的不同，動態地調整池化過程，在網絡結構中添加Dropout層來解決流量特征提取過程中的過擬合問題。實驗表明，該方法比未使用動態自適應池化的方式精確度提升了1.2%，損失值降低了2.6%，過擬合問題也得到了解決。

發表于：12/15/2020

基于KNN的剩余油形態識別[其他][其他]

對從實驗中采集到的剩余油圖像進行分析研究，可以為油藏后期開采提供理論依據。通過收集確定類型的剩余油特征數據作為樣本集向量空間，對待分類剩余油特征數據進行歸一化處理，之后求取歐氏距離。使用KNN（K近鄰）分類方法近鄰投票確定剩余油類別，可以較為快速準確地得到分類結果。

發表于：12/15/2020

基于方面情感的層次化雙注意力網絡[人工智能][信創產業]

基于深度學習的方面級情感分析，結合注意力機制的神經網絡模型取得較好的分類效果，但常用方法僅考慮單一層面注意力機制，且無法獲取句子間依賴關系。設計了一種層次化的雙注意力神經網絡模型用于方面級情感分析，針對特定方面引入方面目標的注意力機制以及文本上下文自注意力機制，獲取方面特征信息和句子的全局依賴信息；設計層次化GRU網絡，其中單詞層嵌入特定方面信息，獲取針對方面目標的句子內部特征信息，句子層網絡通過雙注意力機制和詞語層的輸入，獲取句子間的特征依賴信息，從而實現深層次的方面情感分類。在SemEval 2014兩個數據集和Twitter數據集上進行對比實驗，驗證了該方法的有效性，針對方面級情感，分類準確率均得到了有效提升。

發表于：12/15/2020

基于疲勞駕駛的人眼定位方法研究[人工智能][工業自動化]

人眼定位是疲勞駕駛的研究關鍵。由粗到精，先后進行了人臉檢測、瞳孔定位。針對現有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權的HOG特征提取算法，該算法將待分類的人臉特征進行信息熵閾值加權，形成新的HOG特征，然后通過支持向量機進行分類；針對現有瞳孔定位算法準確率不高的問題，提出了多算法協同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點，實現了眼部區域光照不變性，以灰度積分投影為依據實現了瞳孔精確定位。實驗結果表明，該文提出的人臉檢測算法在CelebA驗證數據集準確率可達到98.26%，較傳統識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度，提高了瞳孔定位的準確性。

發表于：12/15/2020

基于頻域注意力時空卷積網絡的步態識別方法[模擬設計][信創產業]

為了解決步態信息冗余多、特征重要性分布不均勻以及步態的時空特征難以學習的問題，提出了基于頻域注意力的時空卷積網絡進行步態識別。該方法改進了三維卷積網絡(C3D)學習時空特征，同時提出了一種頻域注意力卷積操作，既減少了冗余計算，注意力的調整又提高了學習效果。網絡首先將步態信息劃分為五組，然后通過改進的卷積進行時空特征抽取，最后通過Softmax層進行分類。在中科大數據集CASIA dataset B中進行測試，在Bag狀態與Coat狀態下準確率分別為88.5%、92.8%，分別較傳統深度卷積網絡(Deep CNN)提升3%左右，同時注意力在網絡學習中重新分布，各個角度下的準確率也平均提升2%左右。

發表于：12/15/2020

主站蜘蛛池模板：快点使劲舒服爽视频| 亚洲国产精品嫩草影院| 国产无遮挡又黄又爽在线观看| 国产男女视频在线观看| 国产一级性生活片| 亚洲自偷自拍另类图片二区| 亚洲国产精品嫩草影院| 久久久久久亚洲av无码蜜芽| 久久99精品久久久久久国产| 久久精品视频7| 中文字幕丝袜制服| 99久久亚洲综合精品成人网| 黄色一级视频免费| 精品视频一区二区三区四区| 波多野结衣中文字幕一区二区三区 | 亚洲欧美日韩在线一区| 伊人任线任你躁| 亚洲国产成人一区二区精品区| 中文精品北条麻妃中文| 91成人高清在线播放| 色窝窝无码一区二区三区成人网站| 没带罩子的英语老师| 无码不卡av东京热毛片| 国产精品欧美一区二区三区| 动漫人物桶动漫人物免费观看| 君子温如玉po| 伊人婷婷综合缴情亚洲五月| 乱码一乱码二乱码三新区| h无遮挡男女激烈动态图| 韩国r级2020年最新| 狠狠做深爱婷婷综合一区| 日产乱码卡1卡2卡三免费| 国产精品视频福利| 别揉我胸啊嗯～| 久久婷婷激情综合色综合俺也去| 99久久人妻精品免费一区| 美国式禁忌矿桥矿17集| 极品欧美jiizzhd欧美| 妈妈的柔润小说在线阅读| 国产在线观看午夜不卡| 亚洲黄色小说网|