国产精品久久久久久中文字幕,中文字幕日韩 av,韩日中文字幕av

基于交點(diǎn)的新層次聚類(lèi)算法[人工智能][其他]

介紹了一種新的分層聚類(lèi)算法，該聚類(lèi)算法的主要目的是利用交點(diǎn)提供更好的聚類(lèi)質(zhì)量和更高的準(zhǔn)確性。為了驗(yàn)證該聚類(lèi)算法,，對(duì)基準(zhǔn)數(shù)據(jù)集進(jìn)行了幾次實(shí)驗(yàn)，并與其他五種廣泛使用的聚類(lèi)算法進(jìn)行對(duì)比,。使用純度作為外部標(biāo)準(zhǔn)來(lái)評(píng)估聚類(lèi)算法的性能，并計(jì)算了由聚類(lèi)算法得出的每個(gè)聚類(lèi)的緊密度,，以評(píng)估聚類(lèi)算法的有效性,。實(shí)驗(yàn)結(jié)果表明，在大多數(shù)情況下,，該算法的錯(cuò)誤率低于研究中使用的其他聚類(lèi)算法,。

發(fā)表于：12/15/2020 3:28:16 PM

16線POTS ONT硬件設(shè)計(jì)[模擬設(shè)計(jì)][其他]

光網(wǎng)絡(luò)設(shè)備（Optical Network Terminal,ONT）是XPON網(wǎng)絡(luò)接入方案中的產(chǎn)品,，是一種應(yīng)用在用戶端的光網(wǎng)絡(luò)終端,，有GPON和EPON。介紹以PON ONU SOC為主控芯片的16線POTS ONT的硬件設(shè)計(jì)及遇到的問(wèn)題以及如何解決這些問(wèn)題,。此設(shè)計(jì)是一款基于GPON（ITU-T G.984）標(biāo)準(zhǔn)并支持以太網(wǎng)和語(yǔ)音接口的ONT,，適用于北美市場(chǎng)，滿足NEBS1標(biāo)準(zhǔn),。本設(shè)計(jì)的特點(diǎn)是有16線的語(yǔ)音用戶接口和1個(gè)GE的接口,，上聯(lián)是GPON，支持Dying Gasp且功耗低,。

發(fā)表于：12/15/2020 3:22:00 PM

基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[人工智能][通信網(wǎng)絡(luò)]

網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具,，在游戲娛樂(lè)、工程設(shè)計(jì),、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景,。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過(guò)求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果,，存在著求解速度慢、不夠魯棒的問(wèn)題,。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型,，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò)，使用一類(lèi)人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù),，并與傳統(tǒng)優(yōu)化算法進(jìn)行對(duì)比,。結(jié)果表明，使用建立的網(wǎng)格參數(shù)化模型,，在保證參數(shù)化效果的同時(shí),，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%,，比PP(Progressive Parameterizations)算法快約4倍,。

發(fā)表于：12/15/2020 3:20:50 PM

微型仿生撲翼飛行器研究綜述[人工智能][航空航天]

基于仿生學(xué)原理的撲翼飛行器因質(zhì)量輕、體積小,、靈活性好,、隱蔽性高等優(yōu)點(diǎn)在軍事和民用領(lǐng)域應(yīng)用廣泛，實(shí)現(xiàn)撲翼飛行器的微型化是未來(lái)發(fā)展方向,。首先介紹了微型仿生撲翼飛行器的概念和特點(diǎn),，分析了研究背景和國(guó)內(nèi)外研究現(xiàn)狀及成果，在此基礎(chǔ)上,，就實(shí)現(xiàn)微型仿生撲翼飛行器需要解決的關(guān)鍵技術(shù)和難題進(jìn)行了討論,，最后對(duì)我國(guó)微型仿生撲翼飛行器的應(yīng)用前景作出展望。

發(fā)表于：12/15/2020 3:15:13 PM

用戶行為仿真的部署與調(diào)度問(wèn)題研究[其他][其他]

近年來(lái),，網(wǎng)絡(luò)空間對(duì)抗形勢(shì)日趨嚴(yán)峻,，網(wǎng)絡(luò)攻擊技術(shù)更是日益復(fù)雜。但對(duì)網(wǎng)絡(luò)攻擊技術(shù)的測(cè)試不能在現(xiàn)實(shí)的網(wǎng)絡(luò)環(huán)境中進(jìn)行,，對(duì)此,，網(wǎng)絡(luò)靶場(chǎng)技術(shù)成為近年來(lái)關(guān)注的一個(gè)熱點(diǎn)。為在網(wǎng)絡(luò)靶場(chǎng)中高逼真地模擬現(xiàn)實(shí)網(wǎng)絡(luò),，大規(guī)模用戶行為仿真技術(shù)至關(guān)重要,。研究了如何在有限的資源條件下，通過(guò)虛擬化容器技術(shù),，實(shí)現(xiàn)大規(guī)模的用戶行為仿真,，并實(shí)現(xiàn)其部署和調(diào)度問(wèn)題。

發(fā)表于：12/15/2020 3:14:00 PM

Raw格式巖心圖像超分辨率重建[人工智能][其他]

在巖心面陣相機(jī)開(kāi)發(fā)中,，可以使用基于學(xué)習(xí)的超分辨率技術(shù)來(lái)提升巖心圖像的分辨率,。針對(duì)現(xiàn)有超分辨率技術(shù)在重建巖心圖像時(shí)存在的細(xì)節(jié)模糊或色彩偏差等問(wèn)題，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的Raw格式巖心圖像超分辨率重建算法,。首先,，模擬相機(jī)圖像處理器的線性處理部分合成線性圖像數(shù)據(jù)集,；然后，通過(guò)一個(gè)雙層卷積神經(jīng)網(wǎng)絡(luò),，分別訓(xùn)練高低分辨率圖像之間的紋理,、色彩映射關(guān)系；最后,，用重建出的線性高分辨率圖像模擬相機(jī)圖像處理器的非線性處理部分,，獲得紋理清晰且色彩逼真的巖心重建圖像。實(shí)驗(yàn)結(jié)果表明,，本文提出的重建算法提升了巖心圖像的重建效果,。

發(fā)表于：12/15/2020 3:09:34 PM

基于AWK和Shell的計(jì)費(fèi)賬務(wù)內(nèi)控監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][信創(chuàng)產(chǎn)業(yè)]

為了適應(yīng)日趨激烈的電信市場(chǎng)競(jìng)爭(zhēng)，電信企業(yè)內(nèi)部在不斷進(jìn)行改革,。建立電信運(yùn)營(yíng)企業(yè)內(nèi)部控制體系是公司健康持續(xù)發(fā)展的重要一環(huán),，而計(jì)費(fèi)賬務(wù)系統(tǒng)數(shù)據(jù)涉及公司財(cái)務(wù)收入，對(duì)它的管控到位能反映出一個(gè)公司內(nèi)控管理水平,?；贏WK和Shell編程語(yǔ)言，設(shè)計(jì)了計(jì)費(fèi)賬務(wù)內(nèi)控監(jiān)測(cè)系統(tǒng),，并重點(diǎn)闡述其軟件設(shè)計(jì),。系統(tǒng)采用C/S和B/S混合編程的方法，在采集交換機(jī)話單文件列表流程中使用封裝腳本體的方法,，實(shí)現(xiàn)交換機(jī)登錄,、采集文件、標(biāo)準(zhǔn)化,、入庫(kù)一次性自動(dòng)執(zhí)行,，在采集核對(duì)功能展示上采用B/S架構(gòu)進(jìn)行前臺(tái)告警展現(xiàn)。該設(shè)計(jì)提高了省級(jí)中心和地市運(yùn)維兩級(jí)對(duì)計(jì)費(fèi)賬務(wù)流程監(jiān)控效率,，為后期內(nèi)控審計(jì)工作提供了有效的憑據(jù),。

發(fā)表于：12/15/2020 3:07:43 PM

一種OFDM電力線通信系統(tǒng)的自動(dòng)增益控制方法[電源技術(shù)][智能電網(wǎng)]

低壓電力線信道中普遍存在較大的脈沖噪聲，這對(duì)OFDM電力線通信系統(tǒng)的自動(dòng)增益控制（AGC）帶來(lái)了極大的挑戰(zhàn),。在分析電力線通信系統(tǒng)架構(gòu)及脈沖噪聲特點(diǎn)的基礎(chǔ)上,，提出了一種抗脈沖噪聲能力強(qiáng)的自動(dòng)增益控制新方法,。該方法通過(guò)在自動(dòng)增益控制中嵌入脈沖檢測(cè)電路,，在檢測(cè)到脈沖噪聲或系統(tǒng)幀同步時(shí)，停止增益調(diào)整,，可有效防止脈沖噪聲引起AGC誤動(dòng)作,，降低接收過(guò)程中脈沖噪聲對(duì)AGC的干擾。仿真結(jié)果表明,，所提出的自動(dòng)增益控制方法能有效提高電力線通信接收機(jī)的性能,。

發(fā)表于：12/15/2020 3:00:00 PM

基于BIM與GIS數(shù)據(jù)融合的智慧地鐵運(yùn)維系統(tǒng)研究[其他][工業(yè)自動(dòng)化]

建筑信息模型(BIM)和地理信息系統(tǒng)(GIS)的融合為智慧地鐵運(yùn)維系統(tǒng)的實(shí)現(xiàn)提供了強(qiáng)有力的技術(shù)支持,。論證了將BIM+GIS運(yùn)用到地鐵設(shè)備運(yùn)維系統(tǒng)中的優(yōu)勢(shì)和可行性，從BIM和GIS模型的數(shù)據(jù)規(guī)范入手,，提出了一種有效的BIM和GIS數(shù)據(jù)融合方案,。通過(guò)運(yùn)用BIM和GIS，實(shí)現(xiàn)了設(shè)備智慧巡檢,、設(shè)備故障預(yù)警與智能維修和應(yīng)急智能處置等智慧功能,。BIM和GIS數(shù)據(jù)的成功融合，為智慧地鐵運(yùn)維系統(tǒng)的建成提供了一種強(qiáng)有力的技術(shù)手段,。

發(fā)表于：12/15/2020 2:58:31 PM

融合位置信息的卷積門(mén)控網(wǎng)絡(luò)實(shí)現(xiàn)與應(yīng)用[其他][其他]

基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長(zhǎng)短期記憶網(wǎng)絡(luò)和注意力機(jī)制方法,，這兩種模型結(jié)構(gòu)復(fù)雜，運(yùn)行時(shí)間長(zhǎng)?，F(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語(yǔ)的順序信息,，不能準(zhǔn)確快速地關(guān)注到關(guān)鍵詞,。因此提出了一種融合位置信息的卷積門(mén)控網(wǎng)絡(luò)方法。采用SemEval數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),，并與采用GCAE模型的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比,，結(jié)果表明，所提模型迭代一次約用時(shí)5.96 s,，優(yōu)于長(zhǎng)短期記憶模型的81 s,。該模型對(duì)句子中有多個(gè)方面的情感極性判斷準(zhǔn)確度為55.00%，高于GCAE模型的53.00%,。該研究對(duì)于提高基于方面的情感分析的迭代時(shí)間和準(zhǔn)確度有一定的參考意義,。

發(fā)表于：12/15/2020 2:52:00 PM