午夜av内射,久久中文字幕www一区二区

基于GWO-SVM算法的物聯(lián)網(wǎng)入侵檢測(cè)研究

物聯(lián)網(wǎng)時(shí)代悄然而至,，然而物聯(lián)網(wǎng)技術(shù)在給人們帶來(lái)方便的同時(shí)，其安全問(wèn)題也日趨突出,。針對(duì)物聯(lián)網(wǎng)存在的網(wǎng)絡(luò)入侵安全問(wèn)題，提出GWO-SVM算法實(shí)現(xiàn)網(wǎng)絡(luò)入侵檢測(cè),?；依莾?yōu)化算法(GWO)具有收斂速度快、全局搜索能力強(qiáng)等優(yōu)點(diǎn),，將GWO用于優(yōu)化支持向量機(jī)(SVM)的參數(shù)選擇,，有助于提升分類(lèi)模型的準(zhǔn)確率,。同時(shí)通過(guò)調(diào)整適應(yīng)度值函數(shù),，避免分類(lèi)模型過(guò)擬合,。在UNSW-NB15數(shù)據(jù)集上，將GWO-SVM分類(lèi)算法與SVM,、PSO-SVM,、GA-SVM分類(lèi)算法進(jìn)行對(duì)比,，實(shí)驗(yàn)結(jié)果表明，GWO-SVM算法具有更高的分類(lèi)準(zhǔn)確率和性能,，適用于物聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡(luò)入侵檢測(cè),。

發(fā)表于：12/15/2020

基于混合注意力機(jī)制的表情識(shí)別研究

針對(duì)目前傳統(tǒng)人臉表情識(shí)別算法存在特征提取復(fù)雜、表情識(shí)別率低等問(wèn)題,，提出一種基于混合注意力機(jī)制的ResNet人臉表情識(shí)別方法,。該方法把通道注意力模塊和空間注意力模塊組成混合注意力模塊，將混合注意力模塊嵌入ResNet殘差學(xué)習(xí)分支中,。針對(duì)CK+人臉表情數(shù)據(jù)集過(guò)小問(wèn)題,，采用數(shù)據(jù)增強(qiáng)策略擴(kuò)充數(shù)據(jù)集,。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的ResNet在CK+數(shù)據(jù)集上表情識(shí)別準(zhǔn)確率為97.04%,，有效提高了表情識(shí)別準(zhǔn)確率。

發(fā)表于：12/15/2020

一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法

傳統(tǒng)基于協(xié)同過(guò)濾和矩陣分解的靜態(tài)表示推薦算法,，不能很好地體現(xiàn)用戶的動(dòng)態(tài)興趣,。循環(huán)神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行序列推薦，但存在序列之間的長(zhǎng)距離依賴性差,、各項(xiàng)目的區(qū)分度差等問(wèn)題,。由此提出一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法，根據(jù)Word2vec算法,，引申item2vec和user2vec,，初始化用戶和項(xiàng)目的固定表示嵌入矩陣，通過(guò)結(jié)合注意力機(jī)制和長(zhǎng)短期記憶網(wǎng)絡(luò)(Long ShortTerm Memory,LSTM)解決序列之間的長(zhǎng)距離依賴性差和區(qū)分度差問(wèn)題,。利用記憶網(wǎng)絡(luò)獲取用戶的動(dòng)態(tài)鄰居,，加強(qiáng)用戶的動(dòng)態(tài)表示，實(shí)現(xiàn)更準(zhǔn)確的推薦,。通過(guò)在MovieLens數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,，所提出的算法相比其他算法推薦效果顯著提高,。

發(fā)表于：12/15/2020

人民日?qǐng)?bào)：“雙12”網(wǎng)聯(lián)處理網(wǎng)絡(luò)支付56.33億筆

本報(bào)北京12月14日電（記者葛孟超）記者14日從網(wǎng)聯(lián)清算有限公司獲悉：“雙12”大促期間,，網(wǎng)聯(lián)平臺(tái)組織支付行業(yè)各方順利完成網(wǎng)絡(luò)支付交易峰值保障,，支付清算系統(tǒng)平穩(wěn)運(yùn)行。

發(fā)表于：12/15/2020

電力物聯(lián)網(wǎng)信息安全防護(hù)技術(shù)研究

介紹了電力物聯(lián)網(wǎng)在配電網(wǎng)的應(yīng)用場(chǎng)景,，總結(jié)了我國(guó)電力物聯(lián)網(wǎng)信息安全防護(hù)的發(fā)展歷程,，分析了當(dāng)前電力物聯(lián)網(wǎng)信息安全應(yīng)用中存在的主要問(wèn)題和解決電力物聯(lián)網(wǎng)信息安全的關(guān)鍵技術(shù)，最后提出了電力物聯(lián)網(wǎng)終端本體的信息安全防護(hù)的四道防線模型和實(shí)踐,。

發(fā)表于：12/14/2020

一種支持工業(yè)物聯(lián)網(wǎng)故障檢測(cè)的混合互認(rèn)證方案

在工業(yè)物聯(lián)網(wǎng)（IIoT）中,，工業(yè)機(jī)器人和員工在制造過(guò)程中扮演著非常重要的角色,。一個(gè)安全、高效的工業(yè)機(jī)器人和員工認(rèn)證方案一直是研究熱點(diǎn),，并面臨諸多挑戰(zhàn),。例如,，工業(yè)機(jī)器人和員工在身份驗(yàn)證階段容易受到模擬和去同步攻擊。同時(shí),，控制中心很難找到不受控制的工業(yè)機(jī)器人,。針對(duì)上述情況，提出了一種支持工業(yè)物聯(lián)網(wǎng)故障檢測(cè)的混合互認(rèn)證方案,。分別為員工和工業(yè)機(jī)器人（IR）設(shè)計(jì)了基于橢圓曲線加密（ECC）的認(rèn)證和基于物理不可克隆函數(shù)（PUF）的認(rèn)證,。使用了基于閾值的故障檢測(cè)，添加了禁用表以防止無(wú)授權(quán)員工訪問(wèn)監(jiān)控和數(shù)據(jù)采集中心（SCDAC）,。最后,，分析論證了該方案的可行性和高效性。

發(fā)表于：12/14/2020

基于改進(jìn)VGG16的猴子圖像分類(lèi)方法

為提高對(duì)細(xì)粒度圖像分類(lèi)的準(zhǔn)確性和分類(lèi)速度,，提出基于改進(jìn)VGG16和遷移學(xué)習(xí)的圖像分類(lèi)方法,。首先從kaggle平臺(tái)中獲取十種不同猴子數(shù)據(jù)集，并對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理,，包含圖片去椒鹽噪聲,、將數(shù)據(jù)集轉(zhuǎn)換為T(mén)ensorFlow中提供的統(tǒng)一TFRecord數(shù)據(jù)格式。然后遷移學(xué)習(xí)改進(jìn)的VGG16卷積神經(jīng)網(wǎng)絡(luò),，模型的優(yōu)化包括利用Swish作為激活函數(shù),、將softmax loss與center loss相結(jié)合作為損失函數(shù)以實(shí)現(xiàn)更好的聚類(lèi)效果、采用性能完善的Adam優(yōu)化器,。用訓(xùn)練集訓(xùn)練模型以確定微調(diào)參數(shù)信息,，再用測(cè)試集檢驗(yàn)?zāi)Ｐ蜏?zhǔn)確性。結(jié)果表明,，該方法對(duì)猴子圖像分類(lèi)的準(zhǔn)確度可達(dá)到98.875%,，分類(lèi)速度也得到了顯著提升。與其他傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型相比,，該方法具有更高的準(zhǔn)確性和適用性,。

發(fā)表于：12/14/2020

一種基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配算法設(shè)計(jì)

為了解決傳統(tǒng)立體匹配算法對(duì)立體圖像在低紋理以及遮擋區(qū)域匹配效果較差的問(wèn)題，設(shè)計(jì)了一種端到端的基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的立體匹配算法,。該算法采取了殘差卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像特征進(jìn)行提取,，之后利用空洞空間金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)模塊來(lái)獲取圖像的上下文信息,，并結(jié)合多尺度的三維卷積神經(jīng)網(wǎng)絡(luò)對(duì)代價(jià)空間進(jìn)行規(guī)整,，最終實(shí)現(xiàn)了高精度的立體匹配算法。所獲取的視差圖在KITTI2015測(cè)試平臺(tái)上的誤匹配率為2.42%,，與幾何上下文(Geometry and Context,GC)網(wǎng)絡(luò)相比較,，視差圖的精度提高了0.45%，且運(yùn)行時(shí)間縮短了一半,。

發(fā)表于：12/14/2020

歐瑞博攜手Silicon Labs打造全新智能面板，改善智能家居體驗(yàn)

中國(guó),，深圳 – 2020年12月11日 – 致力于建立更智能、更互聯(lián)世界的領(lǐng)先芯片,、軟件和解決方案供應(yīng)商Silicon Labs（亦稱“芯科科技”,，NASDAQ：SLAB）與AIoT智能家居設(shè)備、系統(tǒng)和解決方案供應(yīng)商歐瑞博（Orvibo）宣布雙方正在開(kāi)展合作,，歐瑞博利用Silicon Labs的Zigbee無(wú)線技術(shù)開(kāi)發(fā)了全新系列的智能家居設(shè)備,。包括最新MixPad X系列在內(nèi)的歐瑞博MixPad系列產(chǎn)品先后采用了Silicon Labs的Zigbee EFR32 MG21片上系統(tǒng)（SoC）解決方案，從而能可靠地將智能家居面板和開(kāi)關(guān)與諸多應(yīng)用連接,，包括照明設(shè)備,、窗簾、暖通空調(diào)（HVAC）系統(tǒng)和家居安防設(shè)備,。

發(fā)表于：12/14/2020

供應(yīng)鏈數(shù)字化轉(zhuǎn)型初探

　　供應(yīng)鏈?zhǔn)怯芍T多上下游企業(yè)因利益攸關(guān)而構(gòu)建,。供應(yīng)鏈的形成和運(yùn)行具有買(mǎi)方驅(qū)動(dòng)、自發(fā)構(gòu)建,、協(xié)同作業(yè),、持續(xù)改進(jìn)等特點(diǎn)。現(xiàn)如今競(jìng)爭(zhēng)已從企業(yè)之間延伸到企業(yè)的供應(yīng)鏈之間,，主要體現(xiàn)在三個(gè)維度,，一是供應(yīng)鏈運(yùn)行效率高低；二是供應(yīng)鏈的持續(xù)優(yōu)化能力,；三是對(duì)數(shù)據(jù)資源的匯聚和利用能力,。打造一個(gè)服務(wù)于采購(gòu)招標(biāo)和供應(yīng)鏈管理的信息化、數(shù)字化系統(tǒng),，其本質(zhì)是探討數(shù)字化如何賦能供應(yīng)鏈管理,。深入研究用戶的業(yè)務(wù)場(chǎng)景，對(duì)底層架構(gòu),、技術(shù)路徑,、產(chǎn)品形態(tài)以及運(yùn)行方式進(jìn)行高度統(tǒng)籌的“頂層設(shè)計(jì)”。數(shù)字化賦能必須聚焦供應(yīng)鏈伙伴企業(yè)的協(xié)同作業(yè),，以及可持續(xù)發(fā)展所依賴的資源,，包括供應(yīng)商資源和數(shù)據(jù)資源的匯聚和利用。　

發(fā)表于：12/11/2020

物聯(lián)網(wǎng)安全威脅情報(bào)（2020年11月）

根據(jù)CNCERT監(jiān)測(cè)數(shù)據(jù),，自2020年11月1日至30日,，共監(jiān)測(cè)到物聯(lián)網(wǎng)（IoT）設(shè)備惡意樣本7941個(gè)，發(fā)現(xiàn)樣本傳播服務(wù)器IP地址17萬(wàn)6249個(gè),，境內(nèi)被攻擊的設(shè)備地址達(dá)699萬(wàn)個(gè),。

發(fā)表于：12/10/2020

新工業(yè),、智物聯(lián),，數(shù)字化CEO峰會(huì)&數(shù)字化船舶峰會(huì)在上海成功舉行

　2020全國(guó)《新工業(yè),、智物聯(lián)》CEO峰會(huì)，11月26日在上海成功舉行,，本次峰會(huì)由工控兄弟連主辦,，東普起重機(jī)、江蘇省國(guó)際科技交流與合作中心,、中國(guó)工業(yè)服務(wù)聯(lián)盟,、工業(yè)4.0產(chǎn)業(yè)聯(lián)盟、華中科大上海校友會(huì)船舶分會(huì)等單位協(xié)辦,。

發(fā)表于：12/10/2020

成立兩年，清華出身的他們用產(chǎn)品描繪出了基于第三代AI的基礎(chǔ)設(shè)施藍(lán)圖

「第一代知識(shí)驅(qū)動(dòng)的 AI 利用知識(shí),、算法和算力 3 個(gè)要素構(gòu)造 AI；第二代數(shù)據(jù)驅(qū)動(dòng)的 AI 利用數(shù)據(jù),、算法與算力 3 個(gè)要素構(gòu)造 AI,。由于第一、二代 AI 只是從一個(gè)側(cè)面模擬人類(lèi)的智能行為,，因此存在各自的局限性,，不可能觸及人類(lèi)真正的智能?！骨迦A大學(xué)人工智能研究院院長(zhǎng),、中國(guó)科學(xué)院院士張鈸等人在今年 9 月份的一篇專(zhuān)刊文章中這樣寫(xiě)道。

發(fā)表于：12/10/2020

安富利發(fā)布全新蜂窩模塊,，加快物聯(lián)網(wǎng)應(yīng)用的開(kāi)發(fā)

2020年12月10日,，中國(guó)北京 —— 全球領(lǐng)先的技術(shù)解決方案提供商安富利（納斯達(dá)克股票代碼：AVT）宣布推出AVT9152模塊,，進(jìn)一步拓展了其產(chǎn)品陣容。該模塊專(zhuān)為各種采用蜂窩網(wǎng)絡(luò)連接并要求低功耗和超小組件尺寸的嵌入式應(yīng)用而設(shè)計(jì),，以加快物聯(lián)網(wǎng)應(yīng)用的開(kāi)發(fā),。AVT9152模塊采用了Nordic Semiconductor的領(lǐng)先技術(shù)，能夠?yàn)楣こ處熀烷_(kāi)發(fā)者提供NB-IoT/LTE-M、GPS和低功耗藍(lán)牙（Bluetooth LE）無(wú)線連接,，是市面上尺寸最小的模塊之一,。這款新產(chǎn)品的推出進(jìn)一步豐富了安富利的生態(tài)系統(tǒng)。

發(fā)表于：12/10/2020

Maxim Integrated新型神經(jīng)網(wǎng)絡(luò)加速器MAX78000 SoC在貿(mào)澤開(kāi)售

2020年12月9日 – 專(zhuān)注于引入新品的全球電子元器件授權(quán)分銷(xiāo)商貿(mào)澤電子 (Mouser Electronics) 即日起備貨Maxim Integrated的新型MAX78000芯片,。MAX78000基于雙核MCU,，結(jié)合了超低功耗深度神經(jīng)網(wǎng)絡(luò)加速器,，為高性能人工智能 (AI) 應(yīng)用提供所需的算力,，是機(jī)器視覺(jué)、面部識(shí)別,、目標(biāo)檢測(cè)和分類(lèi),、時(shí)序數(shù)據(jù)處理和音頻處理等應(yīng)用的理想選擇。

發(fā)表于：12/10/2020