最新精品露脸国产在线,色婷婷狠狠久久综合中文,天美传媒性色av

基于FCM flow的小規(guī)模數(shù)字電路芯片測(cè)試[測(cè)試測(cè)量][消費(fèi)電子]

隨著芯片工藝的不斷演進(jìn),，數(shù)字芯片的規(guī)模急劇增加,，測(cè)試成本進(jìn)一步增加,。目前先進(jìn)的DFT技術(shù)已應(yīng)用于大規(guī)模SoC芯片的測(cè)試,，包括掃描路徑設(shè)計(jì),、JTAG,、ATPG（自動(dòng)測(cè)試向量生成）等,。但對(duì)于一些小規(guī)模集成電路,，插入掃描鏈等測(cè)試電路會(huì)增加芯片面積并增加額外的功耗,。對(duì)于這種芯片,，功能case生成的pattern可用于檢測(cè)制造缺陷和故障。因此,，需要一些方法來(lái)驗(yàn)證覆蓋率是否達(dá)到了目標(biāo),。Verisium manager工具依靠Xcelium的故障仿真引擎和Jasper功能安全驗(yàn)證應(yīng)用程序（FSV）可以解決這個(gè)問(wèn)題。它為 ATE（自動(dòng)測(cè)試設(shè)備）pattern的覆蓋率分析提供了一個(gè)新的思路,。

發(fā)表于：2023/8/25 14:51:00

基于點(diǎn)云補(bǔ)全的三維目標(biāo)檢測(cè)[人工智能][其他]

LiDAR技術(shù)的發(fā)展為自動(dòng)駕駛提供了豐富的3D數(shù)據(jù),。然而，由于遮擋和某些反射材料的原因引起信號(hào)丟失,，LiDAR點(diǎn)云實(shí)際上是不完整的2.5D數(shù)據(jù),，這對(duì) 3D 感知提出了根本性挑戰(zhàn),。針對(duì)這一問(wèn)題，提出對(duì)原始數(shù)據(jù)進(jìn)行三維補(bǔ)全的方法,。根據(jù)大多數(shù)物體形狀對(duì)稱且重復(fù)率高的特點(diǎn),，通過(guò)學(xué)習(xí)先驗(yàn)對(duì)象形狀的方法估計(jì)點(diǎn)云中遮擋部分的完整形狀。該方法首先識(shí)別被遮擋和信號(hào)缺失影響的區(qū)域,，在這些區(qū)域中預(yù)測(cè)區(qū)域所包含對(duì)象形狀的占用概率,。針對(duì)物體間遮擋的情況，通過(guò)形狀的占用概率和共享同類形狀形態(tài)進(jìn)行三維補(bǔ)全,。對(duì)自身遮擋的物體,，通過(guò)自身鏡像進(jìn)行恢復(fù)。最后通過(guò)點(diǎn)云目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí),。結(jié)果表明,，通過(guò)該方法能有效地提高生成點(diǎn)云3D邊框的mAP（mean Average Precision）。

發(fā)表于：2023/8/25 14:46:12

核電行業(yè)網(wǎng)絡(luò)安全應(yīng)急演練模式研究[其他][其他]

針對(duì)核電行業(yè)網(wǎng)絡(luò)安全應(yīng)急演練問(wèn)題進(jìn)行研究,，首先分析了相關(guān)網(wǎng)絡(luò)安全威脅,，依此設(shè)計(jì)可能存在的應(yīng)急場(chǎng)景，基于核電工控系統(tǒng)實(shí)驗(yàn)室網(wǎng)絡(luò)環(huán)境研究應(yīng)急演練模式,，并通過(guò)開展應(yīng)急演練對(duì)其效果進(jìn)行評(píng)價(jià),。通過(guò)定期進(jìn)行應(yīng)急演練，可以提升核電行業(yè)應(yīng)急隊(duì)伍的安全事件監(jiān)測(cè),、響應(yīng),、處置和防護(hù)能力，不斷完善網(wǎng)絡(luò)安全應(yīng)急演練制度建設(shè),。

發(fā)表于：2023/8/24 18:07:00

基于白兔時(shí)間同步協(xié)議的加速器節(jié)點(diǎn)時(shí)鐘同步系統(tǒng)[其他][其他]

提出了一種基于白兔時(shí)間同步協(xié)議,，利用SPARTAN6系列現(xiàn)場(chǎng)可編程門陣列(FieldProgrammable Gate Array,FPGA)實(shí)現(xiàn)多節(jié)點(diǎn)亞納秒級(jí)別時(shí)間同步，并通過(guò)測(cè)量觸發(fā)信號(hào)到達(dá)時(shí)間,，根據(jù)設(shè)置的延遲進(jìn)行恢復(fù),，從而實(shí)現(xiàn)高于120 ps時(shí)間分辨率。該方法能夠精確控制多節(jié)點(diǎn)信號(hào)發(fā)生的絕對(duì)時(shí)間,，具有廣泛的應(yīng)用前景,。特別地，該方法可應(yīng)用于同步輻射加速器中,，提高實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性和穩(wěn)定性，有望在材料科學(xué),、生物學(xué)和化學(xué)等領(lǐng)域中得到廣泛應(yīng)用,。該研究成果為同步輻射加速器的研究和實(shí)驗(yàn)提供了新的解決方案，有望推動(dòng)同步輻射技術(shù)的發(fā)展,，為科學(xué)研究和工程應(yīng)用提供更多可能,。

發(fā)表于：2023/8/24 18:03:00

數(shù)據(jù)驅(qū)動(dòng)的工業(yè)元宇宙系統(tǒng)研究[人工智能][物聯(lián)網(wǎng)]

物聯(lián)網(wǎng),、大數(shù)據(jù)及新一代信息技術(shù)的發(fā)展，對(duì)傳統(tǒng)制造業(yè)帶來(lái)前所未有的沖擊,，基于數(shù)據(jù)關(guān)鍵生產(chǎn)要素的工業(yè)元宇宙建設(shè)得到越來(lái)越多的關(guān)注,，為傳統(tǒng)制造業(yè)帶來(lái)了機(jī)遇，也帶來(lái)了挑戰(zhàn),。分析討論了工業(yè)元宇宙的背景,、現(xiàn)狀、關(guān)鍵支撐技術(shù),，并以某企業(yè)智造元宇宙平臺(tái)的AR/VR虛擬仿真實(shí)訓(xùn)系統(tǒng)為例,，初

發(fā)表于：2023/8/24 17:57:00

基于TextCNN-Bert融合模型的不良信息識(shí)別技術(shù)[人工智能][其他]

敏感領(lǐng)域的不良信息具有極強(qiáng)的迷惑性和欺騙性，腐蝕人們的思想,，影響人們的價(jià)值觀和判斷能力,，危害社會(huì)安全，研究敏感領(lǐng)域不良信息的識(shí)別技術(shù)具有深遠(yuǎn)意義,。通用的識(shí)別技術(shù)忽略了背景知識(shí)和隱喻問(wèn)題,，直接應(yīng)用于敏感領(lǐng)域不良信息識(shí)別效果較差。提出一種基于TextCNNBert的融合模型,，通過(guò)敏感領(lǐng)域主題識(shí)別和情感隱喻識(shí)別,，實(shí)現(xiàn)對(duì)敏感領(lǐng)域不良信息的文本識(shí)別。實(shí)驗(yàn)結(jié)果表明,，該模型在準(zhǔn)確率,、F1評(píng)分等指標(biāo)方面取得了良好的結(jié)果，相較于現(xiàn)有模型有顯著提高,。

發(fā)表于：2023/8/24 17:47:00

基于圖像降噪的集成對(duì)抗防御模型研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

深度學(xué)習(xí)的快速發(fā)展使其在圖像識(shí)別,、自然語(yǔ)言處理等諸多領(lǐng)域廣泛應(yīng)用。但是,，學(xué)者發(fā)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)容易受到對(duì)抗樣本的欺騙,，使其以較高置信度輸出錯(cuò)誤結(jié)果。對(duì)抗樣本的出現(xiàn)給對(duì)安全性要求嚴(yán)格的系統(tǒng)帶來(lái)很大威脅,。研究了在低層特征（LowLevel Feature）和高層特征（HighLevel Feature）對(duì)圖像進(jìn)行降噪以提升模型防御性能,。在低層訓(xùn)練一個(gè)降噪自動(dòng)編碼器，并采用集成學(xué)習(xí)的思路將自動(dòng)編碼器,、高斯擾動(dòng)和圖像掩碼重構(gòu)等多種方式結(jié)合,；高層對(duì)ResNet18作微小改動(dòng)加入均值濾波。實(shí)驗(yàn)顯示,，所提出的方法在多個(gè)數(shù)據(jù)集的分類任務(wù)上有較好的防御性能,。

發(fā)表于：2023/8/24 17:40:00

基于因果關(guān)系和特征對(duì)齊的圖像分類域泛化模型[人工智能][其他]

針對(duì)現(xiàn)有域泛化方法性能較差或缺乏理論可解釋性的缺點(diǎn)，提出了一種基于因果關(guān)系和特征對(duì)齊的圖像分類域泛化模型,，并證明了該模型的可識(shí)別性,。該模型利用域泛化中的因果關(guān)系來(lái)學(xué)習(xí)含有不同信息的特征,，將域泛化問(wèn)題轉(zhuǎn)化為特征相關(guān)分布的偏移，再利用特征對(duì)齊消除偏移,。為提高模型的性能,，采用對(duì)抗訓(xùn)練進(jìn)一步優(yōu)化學(xué)到的特征。在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,，新提出的模型與目前最優(yōu)的方法性能相當(dāng),，表明該模型具有理論可解釋性的同時(shí)，還有不俗的實(shí)際性能表現(xiàn),。

發(fā)表于：2023/8/24 17:22:00

基于改進(jìn)的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[通信與網(wǎng)絡(luò)][汽車電子]

針對(duì)未來(lái)時(shí)刻交通流量的預(yù)測(cè)問(wèn)題,，在考慮歷史時(shí)刻車流量數(shù)據(jù)、日期屬性,、天氣,、降雨量等多方面影響因素的同時(shí)，提出一種考慮多方面影響因素的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM*)模型,。實(shí)驗(yàn)表明在對(duì)短期車流量進(jìn)行預(yù)測(cè)時(shí),，LSTM*模型的準(zhǔn)確性優(yōu)于現(xiàn)有的基線方法；對(duì)長(zhǎng)期車流量進(jìn)行預(yù)測(cè)時(shí),，基于粒子群算法改進(jìn)的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（PSOLSTM*）模型的準(zhǔn)確性優(yōu)于LSTM*模型,。

發(fā)表于：2023/8/24 17:00:00

基于多維特征融合驗(yàn)證的物聯(lián)終端安全防護(hù)方法研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

物聯(lián)網(wǎng)技術(shù)的快速發(fā)展和普及為人們的生活帶來(lái)了諸多便利，但普遍部署在非受控環(huán)境的終端設(shè)備也時(shí)刻面臨物理攻擊,、非法替換等安全隱患,。設(shè)備接入驗(yàn)證是保障物聯(lián)終端及物聯(lián)網(wǎng)整體安全的關(guān)鍵，對(duì)此提出了一種基于多維特征融合驗(yàn)證的物聯(lián)終端安全防護(hù)方法,，通過(guò)采集設(shè)備操作系統(tǒng)類型,、開放端口、MAC地址,、IP地址用以表征設(shè)備身份,，與預(yù)設(shè)規(guī)則進(jìn)行比對(duì)后驗(yàn)證設(shè)備的合法性。實(shí)驗(yàn)表明,，該方法在有效性和準(zhǔn)確性方面表現(xiàn)良好,，且具有低部署成本、高檢測(cè)性能等優(yōu)勢(shì),，具有一定的實(shí)用性和推廣價(jià)值,。

發(fā)表于：2023/8/24 16:46:53