精品国产一区二区三区香蕉91 ,伊人av大香蕉

改進(jìn)轉(zhuǎn)移概率矩陣的三維交互式跟蹤模型算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

由于現(xiàn)有的簡(jiǎn)單的轉(zhuǎn)移概率矩陣會(huì)導(dǎo)致跟蹤精度不高,，復(fù)雜的轉(zhuǎn)移概率矩陣會(huì)導(dǎo)致跟蹤時(shí)間過長(zhǎng)，難以滿足三維空間中機(jī)動(dòng)目標(biāo)跟蹤要求,。針對(duì)轉(zhuǎn)移概率矩陣的設(shè)計(jì)問題,，從機(jī)理分析入手，提出了一種基于隸屬度函數(shù)的模型轉(zhuǎn)移概率矩陣設(shè)計(jì)方法,，并對(duì)三維交互式多模型算法進(jìn)行了改進(jìn)完善,。仿真結(jié)果表明，依據(jù)隸屬度函數(shù)修正轉(zhuǎn)移概率矩陣的方法有效提高了三維機(jī)動(dòng)目標(biāo)的跟蹤精度,。

發(fā)表于：2024/7/25

有偏量測(cè)下基于最大相關(guān)熵卡爾曼濾波的目標(biāo)跟蹤方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標(biāo)狀態(tài)估計(jì)精度較差的問題,，提出一種有偏量測(cè)下基于最大相關(guān)熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標(biāo)跟蹤方法,。該方法通過引入差分機(jī)制,，利用目標(biāo)相鄰時(shí)刻的有偏量測(cè)之差構(gòu)建差分量測(cè)方程，有效克服了系統(tǒng)偏差的影響,。隨后基于最大相關(guān)熵準(zhǔn)則（Maximum Correntropy Criterion,， MCC）量化估計(jì)誤差的高階矩信息,，并以差分量測(cè)為先驗(yàn)條件推導(dǎo)出有偏量測(cè)下算法的濾波迭代方程。仿真結(jié)果表明,，當(dāng)系統(tǒng)觀測(cè)值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時(shí),，與現(xiàn)有方法相比，所提方法具有更好的跟蹤性能,。

發(fā)表于：2024/7/25

機(jī)動(dòng)目標(biāo)跟蹤時(shí)滯問題分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

機(jī)動(dòng)目標(biāo)跟蹤結(jié)果在時(shí)間軸上的滯后問題是當(dāng)前機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域的一大難點(diǎn),。產(chǎn)生時(shí)滯的情況很多，一般在跟蹤初期和發(fā)生較大機(jī)動(dòng)的時(shí)間段內(nèi)尤為明顯,，常常會(huì)因此出現(xiàn)誤差高峰,。如果能有方法抑制或者消除時(shí)滯現(xiàn)象，將能顯著提高跟蹤效果,。從仿真實(shí)驗(yàn)的結(jié)果和現(xiàn)象入手，結(jié)合卡爾曼濾波理論,、交互式多模型算法和現(xiàn)代神經(jīng)網(wǎng)絡(luò)模型對(duì)時(shí)滯問題進(jìn)行剖析,，根據(jù)跟蹤各個(gè)階段情況的變化，分析時(shí)滯產(chǎn)生的不同原因,，并提出可能的解決方法,，以期為提高機(jī)動(dòng)目標(biāo)跟蹤效果提供參考。

發(fā)表于：2024/7/25

大幅提高48 V至12 V調(diào)節(jié)第一級(jí)的效率[電源技術(shù)][數(shù)據(jù)中心]

　　本文介紹了一個(gè)示例,，其磁元件的體積和重量只有原來的1/4,，使得1.2 kW解決方案符合1/8磚的行業(yè)標(biāo)準(zhǔn)尺寸，并且峰值效率高于98%,。本文還重點(diǎn)討論了如何根據(jù)耦合電感的品質(zhì)因數(shù)（FOM）優(yōu)化48 V拓?fù)?。專注于DC-DC轉(zhuǎn)換領(lǐng)域的工程師將會(huì)對(duì)此感興趣。

發(fā)表于：2024/7/25

用混合信號(hào)示波器識(shí)別建立和保持時(shí)間違規(guī)[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

　　信號(hào)之間的時(shí)間關(guān)系對(duì)數(shù)字設(shè)計(jì)的可靠運(yùn)行至關(guān)重要,。對(duì)于同步設(shè)計(jì),，時(shí)鐘信號(hào)相對(duì)于數(shù)據(jù)信號(hào)的時(shí)間尤為重要。使用混合信號(hào)示波器,，可以輕松確定多個(gè)邏輯輸入和時(shí)鐘信號(hào)之間的時(shí)間關(guān)系,。建立和保持時(shí)間觸發(fā)器自動(dòng)確定時(shí)鐘與數(shù)據(jù)時(shí)間關(guān)系。

發(fā)表于：2024/7/19

藍(lán)牙技術(shù)支持精確定位[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

信道探測(cè)技術(shù)不僅能提升生活的便利性,，還能用于高效的能源管理,。以恩智浦在“國(guó)際嵌入式大會(huì)”上展示的信道探測(cè)演示為例，空調(diào)能夠使用通道探測(cè)技術(shù)自動(dòng)開啟或關(guān)閉,。隨著未來幾代BLE標(biāo)準(zhǔn)的推出,，這種基于信道探測(cè)的定位功能有望變得像藍(lán)牙技術(shù)一樣普及1。

發(fā)表于：2024/7/19

派拓網(wǎng)絡(luò)：利用AI確保網(wǎng)絡(luò)安全的秘訣[人工智能][信息安全]

企業(yè)領(lǐng)導(dǎo)人往往關(guān)心如何才能更好地利用人工智能（AI）和機(jī)器學(xué)習(xí)（ML）提高網(wǎng)絡(luò)安全性,，以及如何防范犯罪分子利用AI創(chuàng)造出的更加復(fù)雜的攻擊

發(fā)表于：2024/7/18

評(píng)估分布式雷達(dá)架構(gòu)的四個(gè)理由[MEMS|傳感技術(shù)][汽車電子]

　　汽車制造商正積極研究多元化的雷達(dá)技術(shù)方案,，以提升新一代高級(jí)駕駛輔助系統(tǒng)（ADAS）架構(gòu)的性能和系統(tǒng)優(yōu)化,，同時(shí)簡(jiǎn)化向軟件定義汽車（SDV）的過渡。為助力汽車制造商進(jìn)行開發(fā),，恩智浦PurpleBox參考設(shè)計(jì)應(yīng)運(yùn)而生,。

發(fā)表于：2024/7/15

醫(yī)療健康領(lǐng)域的NFC[微波|射頻][醫(yī)療電子]

　　NFC是一種近距離無線通信技術(shù)，當(dāng)兩個(gè)設(shè)備相互靠近時(shí),，NFC可以在設(shè)備之間傳輸數(shù)據(jù),。在醫(yī)用領(lǐng)域，NFC同樣可以發(fā)揮非常重要的作用,，提高醫(yī)療設(shè)備的通信便捷性,，準(zhǔn)確識(shí)別患者身份，安全傳輸健康數(shù)據(jù),。

發(fā)表于：2024/7/11

派拓網(wǎng)絡(luò)：潛伏在企業(yè)中的AI風(fēng)險(xiǎn)[人工智能][信息安全]

第三方生成式AI應(yīng)用大多未經(jīng)審查或批準(zhǔn)就被用于工作,，這會(huì)給企業(yè)帶來嚴(yán)重的風(fēng)險(xiǎn)。IT和信息安全團(tuán)隊(duì)必須對(duì)企業(yè)技術(shù)生態(tài)中所使用的第三方應(yīng)用進(jìn)行審查和批準(zhǔn),，這是因?yàn)樗麄冃枰私庹谑褂玫膽?yīng)用,、這些應(yīng)用是否安全，以及有哪些敏感的公司數(shù)據(jù)（如果有的話）進(jìn)入了這些應(yīng)用,。

發(fā)表于：2024/7/11

過程論視野下的算法裁量：形成機(jī)理、現(xiàn)實(shí)困境和法治路徑[其他][信息安全]

算法在行政裁量領(lǐng)域中的廣泛應(yīng)用,，形成了一種新型的算法裁量模式，與此同時(shí),，亦帶來諸多法治挑戰(zhàn),，有必要對(duì)其形成機(jī)理、現(xiàn)實(shí)困境和法治路徑展開研究,。在形成機(jī)理方面,，基于法律與事實(shí)的交織構(gòu)造，算法裁量的產(chǎn)生得益于法律的代碼化以及技術(shù)對(duì)事實(shí)的豐富處理,。從過程論視角,，對(duì)其進(jìn)行“接收-處理-輸出”階段性劃分，針對(duì)性地逐一釋明不同階段所存在的數(shù)據(jù)質(zhì)量問題,、算法黑箱,、算法歧視問題?；诖?，有必要從范圍限定、程序約束及權(quán)利保障三個(gè)方面進(jìn)行過程性的法律控制,，從而推動(dòng)算法裁量的法治化實(shí)踐,。

發(fā)表于：2024/7/2

數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記對(duì)象研究[其他][信息安全]

數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記制度正處于探索建設(shè)階段,，從北京等四地公布的相關(guān)文件來看，四地方數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記的對(duì)象在試點(diǎn)層面存在著定義與要件不一致,、具體登記內(nèi)容存在差別,、不予登記的情形不統(tǒng)一的實(shí)施現(xiàn)狀。從既有知識(shí)產(chǎn)權(quán)制度的數(shù)據(jù)保護(hù)模式和我國(guó)數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記制度來看,，數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記對(duì)象的要求仍然是對(duì)知識(shí)產(chǎn)權(quán)和競(jìng)爭(zhēng)法規(guī)則的反映,。數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記對(duì)象不應(yīng)該局限于商業(yè)數(shù)據(jù)，且不以數(shù)據(jù)規(guī)模為條件,，而應(yīng)當(dāng)具備價(jià)值性,、固定性、處理性等要件,，數(shù)據(jù)知識(shí)產(chǎn)權(quán)制度需要以明確登記對(duì)象為核心,，從法律完善、規(guī)范適用,、平臺(tái)建設(shè)和配套制度等層面加以完善,。

發(fā)表于：2024/7/2

網(wǎng)絡(luò)犯罪抽樣取證的實(shí)踐困境與完善[通信與網(wǎng)絡(luò)][信息安全]

信息網(wǎng)絡(luò)時(shí)代，網(wǎng)絡(luò)犯罪的海量證據(jù)引發(fā)證明困難的司法困境,，抽樣取證規(guī)則為化解網(wǎng)絡(luò)犯罪海量證據(jù)取證困境提供了有益探索。然而抽樣取證在實(shí)踐中仍存在取證標(biāo)準(zhǔn)不明晰,、取證程序設(shè)計(jì)不足,、取證范圍寬泛、被追訴人權(quán)利保障不健全等困境,。對(duì)此,，需要明確抽樣取證的標(biāo)準(zhǔn)；程序設(shè)計(jì)上,，需要從主體權(quán)限,、審批程序、構(gòu)建類型化抽樣方法體系,、非法抽樣證據(jù)排除角度進(jìn)行完善,；同時(shí)需要對(duì)抽樣取證的案件范圍、證據(jù)范圍,、程序范圍進(jìn)行必要限縮,；最后需要從知情權(quán)、參與權(quán),、異議權(quán)等角度加強(qiáng)被追訴人救濟(jì)權(quán)保障,。

發(fā)表于：2024/7/2

從失范到規(guī)范：生成式人工智能的監(jiān)管框架革新[人工智能][信息安全]

生成式人工智能在技術(shù)變革下引發(fā)的失范性風(fēng)險(xiǎn)，對(duì)既有人工智能監(jiān)管框架提出了挑戰(zhàn),。從底層技術(shù)機(jī)理出發(fā),，可知當(dāng)前生成式人工智能呈現(xiàn)出“基礎(chǔ)模型-專業(yè)模型-服務(wù)應(yīng)用”的分層業(yè)態(tài),，分別面臨算法監(jiān)管工具失靈、訓(xùn)練數(shù)據(jù)侵權(quán)風(fēng)險(xiǎn)加劇,、各層級(jí)間法律定位不明,、責(zé)任界限劃分不清等監(jiān)管挑戰(zhàn)。為此需以分層監(jiān)管為邏輯內(nèi)核,，對(duì)我國(guó)既有人工智能監(jiān)管框架進(jìn)行革新,。在監(jiān)管方式上應(yīng)善用提示工程、機(jī)器遺忘等科技監(jiān)管工具,；在責(zé)任劃定上應(yīng)進(jìn)行主體拆解與分層回溯,，從而規(guī)范“基礎(chǔ)模型-專業(yè)模型-服務(wù)應(yīng)用”的分層監(jiān)管框架，以期實(shí)現(xiàn)有效監(jiān)管,，促進(jìn)生成式人工智能的高質(zhì)量發(fā)展,。

發(fā)表于：2024/7/2

基于生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的流量生成方法研究[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)仿真中的流量生成對(duì)于確保仿真效果至關(guān)重要。目前常見的網(wǎng)絡(luò)流量生成器通?；谀撤N隨機(jī)模型,，生成的流量只能服從指定的隨機(jī)分布。實(shí)際網(wǎng)絡(luò)中的隨機(jī)模型往往難以確定,，導(dǎo)致現(xiàn)有模型對(duì)真實(shí)網(wǎng)絡(luò)流量的仿真有一定的偏差,。為了解決這些問題，提出了基于生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的時(shí)空相關(guān)流量生成模型,；對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)改進(jìn)了其編碼方式,，并使用 Z-score 處理流量數(shù)據(jù)，使數(shù)據(jù)趨于標(biāo)準(zhǔn)正態(tài)分布,；提出了一種網(wǎng)絡(luò)流量時(shí)空相關(guān)性的度量方法,。實(shí)驗(yàn)結(jié)果表明，相較于現(xiàn)有的基線生成方式,，所提出的方法在真實(shí)性和相關(guān)性的度量上平均提高了9%,。

發(fā)表于：2024/7/2