自拍亚洲欧美另类动漫,欧美人与动牲猛交xxxxbbbb,国产欧美视频综合二区

基于編程組態(tài)軟件的二總線圖形建模及調(diào)試研究[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

以太網(wǎng)控制自動(dòng)化技術(shù)（Ethernet Control Automation Technology，EtherCAT）是當(dāng)前工業(yè)控制領(lǐng)域的一個(gè)重要應(yīng)用技術(shù)。基于EtherCAT總線的PLC可以集成控制二總線系統(tǒng)，在實(shí)施過程中，用戶為PLC編程時(shí)會(huì)編寫大量代碼，在異步系統(tǒng)間也會(huì)存在消息不同步的問題。為解決上述問題，提出了一種基于編程組態(tài)軟件對(duì)二總線設(shè)備組態(tài)建模和圖形化調(diào)試技術(shù)，該技術(shù)包括異步系統(tǒng)間消息同步、二總線協(xié)議轉(zhuǎn)換與解析、二總線拓?fù)錁?gòu)建狀態(tài)機(jī)、在線實(shí)時(shí)調(diào)試功能以及可視化交互界面設(shè)計(jì)。

發(fā)表于：12/16/2024 5:31:01 PM

通信模塊和計(jì)算主機(jī)分離場(chǎng)景下安全有效入網(wǎng)認(rèn)證的研究[通信與網(wǎng)絡(luò)][5G]

隨著5G、移動(dòng)技術(shù)的不斷發(fā)展，移動(dòng)終端的形態(tài)越來越多樣，具備移動(dòng)接入能力的設(shè)備推動(dòng)了萬物互聯(lián)時(shí)代的到來。移動(dòng)終端從CDMA時(shí)代開始就已經(jīng)實(shí)現(xiàn)了機(jī)卡分離，全網(wǎng)通的出現(xiàn)使得計(jì)算主機(jī)和通信模塊進(jìn)一步解耦。人們希望自己的移動(dòng)終端可以在任何時(shí)間、任何地點(diǎn)接入任何網(wǎng)絡(luò)。無線技術(shù)之所以能夠?qū)崿F(xiàn)突飛猛進(jìn)的發(fā)展，正是因?yàn)轫槕?yīng)了分工合作、各自發(fā)展這一趨勢(shì)。物聯(lián)網(wǎng)的時(shí)代，終端設(shè)備往往規(guī)格低、數(shù)量大，新技術(shù)、新頻段的不斷涌現(xiàn)，導(dǎo)致主機(jī)和通信模塊發(fā)展不同步，終端組合式接入給移動(dòng)安全提出新挑戰(zhàn)。探討了如何通過數(shù)字證書、安全管控等技術(shù)實(shí)現(xiàn)通信模塊和計(jì)算主機(jī)機(jī)分離場(chǎng)景下終端的入網(wǎng)認(rèn)證。

發(fā)表于：12/16/2024 5:12:29 PM

基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號(hào)室內(nèi)分布預(yù)測(cè)[通信與網(wǎng)絡(luò)][5G]

為解決5G信號(hào)室內(nèi)覆蓋的質(zhì)量與穩(wěn)定性問題，提出了一種基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號(hào)室內(nèi)分布預(yù)測(cè)方法。采用基于全連接的深度殘差神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測(cè)模型，利用發(fā)射機(jī)與接收機(jī)的三維空間坐標(biāo)信息和接收機(jī)的參考信號(hào)接收功率（Reference Signal Receiving Power， RSRP）數(shù)據(jù)作為輸入特征，而無需收集復(fù)雜的環(huán)境特征信息。實(shí)驗(yàn)結(jié)果表明，該深度殘差神經(jīng)網(wǎng)絡(luò)模型在不依賴詳細(xì)環(huán)境參數(shù)的情況下，經(jīng)歸一化訓(xùn)練，預(yù)測(cè)出的RSRP與實(shí)際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預(yù)測(cè)室內(nèi)的5G信號(hào)分布，驗(yàn)證了基于深度殘差神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法在室內(nèi)5G信號(hào)覆蓋預(yù)測(cè)問題上的有效性，為優(yōu)化室內(nèi)5G網(wǎng)絡(luò)部署和提升用戶體驗(yàn)提供了科學(xué)依據(jù)和技術(shù)手段，具有重要的實(shí)際應(yīng)用價(jià)值。

發(fā)表于：12/16/2024 5:02:13 PM

改進(jìn)LCR儀表測(cè)量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實(shí)現(xiàn)[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

為解決LCR表在測(cè)量容性阻抗時(shí)的自激問題，設(shè)計(jì)了一種增強(qiáng)測(cè)量穩(wěn)定性的LCR儀表。通過分析測(cè)量前端自平衡電橋電路的相位裕度，采用相位補(bǔ)償電路解決因相位滯后造成的自激問題。應(yīng)用直接數(shù)字頻率合成技術(shù)結(jié)合相位校準(zhǔn)電路設(shè)計(jì)，產(chǎn)生相位準(zhǔn)確的正交測(cè)量信號(hào)。使用開關(guān)鑒相式鎖相放大器處理微弱信號(hào)，經(jīng)16位模數(shù)轉(zhuǎn)換器采集后輸入到微處理器進(jìn)行矢量信號(hào)合成與輸出顯示。相比專業(yè)儀器，所設(shè)計(jì)樣機(jī)對(duì)電阻測(cè)量相對(duì)誤差可達(dá)0.5%，對(duì)大電容測(cè)量相對(duì)誤差可達(dá)1%。

發(fā)表于：12/16/2024 4:53:21 PM

速度型水聲傳感器的頻率響應(yīng)特性[MEMS|傳感技術(shù)][通信網(wǎng)絡(luò)]

聲納技術(shù)是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標(biāo)量和矢量水聲傳感器。矢量傳感器可以彌補(bǔ)標(biāo)量傳感器獲取聲場(chǎng)信息不完整的不足，可以實(shí)現(xiàn)對(duì)水中聲壓和介質(zhì)振速的精確測(cè)量從而確定目標(biāo)方位等。主要對(duì)速度型矢量水聲傳感器的頻率響應(yīng)特性進(jìn)行了研究，討論高保真和高增益下速度型水聲振幅模型、響應(yīng)比及頻率響應(yīng)特性，提出頻響設(shè)計(jì)原則，最后概括速度型水聲傳感器的應(yīng)用。水聲傳感器是水下探測(cè)、定位和通信的重要手段。研究有助于開發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠(yuǎn)聲場(chǎng)傳感器的研制，提升諸如潛艇、UUV等水下目標(biāo)的探測(cè)距離，將有利于從根本改變目前我國(guó)水聲探測(cè)網(wǎng)絡(luò)的格局，具有重要軍事意義。

發(fā)表于：12/16/2024 4:44:01 PM

基于多頭注意力的社交網(wǎng)絡(luò)用戶身份鏈接方法[人工智能][消費(fèi)電子]

隨著社交網(wǎng)絡(luò)的快速發(fā)展，人們?cè)谏缃痪W(wǎng)絡(luò)中擁有越來越多的虛擬身份，識(shí)別同一自然人不同網(wǎng)絡(luò)虛擬身份的網(wǎng)絡(luò)用戶身份鏈接問題變得越來越重要。用戶身份鏈接有助于挖掘網(wǎng)絡(luò)用戶的隱信息，構(gòu)建全面的網(wǎng)絡(luò)用戶畫像，進(jìn)而促進(jìn)跨網(wǎng)絡(luò)的推薦、鏈接預(yù)測(cè)、信息傳播等多個(gè)研究領(lǐng)域發(fā)展。現(xiàn)有的基于用戶屬性和基于網(wǎng)絡(luò)結(jié)構(gòu)的用戶身份鏈接方法，沒有考慮不同用戶之間影響力差異因素，收斂速度較慢。基于深度游走的用戶身份鏈接方法，融入多頭注意力機(jī)制，對(duì)用戶間影響力進(jìn)行建模，實(shí)驗(yàn)結(jié)果表明，該方法可以很好地改進(jìn)算法有效性，提高訓(xùn)練效率。

發(fā)表于：12/16/2024 4:34:14 PM

基于改進(jìn)YOLOv5n的腐敗水果檢測(cè)模型[人工智能][消費(fèi)電子]

為了實(shí)現(xiàn)多種水果在采摘后自動(dòng)化篩選和分揀中腐敗水果識(shí)別的問題，提出了改進(jìn)的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡(luò)替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進(jìn)在計(jì)算效率和速度上都有所提升，并且準(zhǔn)確率也得到了提高。為了進(jìn)一步提升速度，將C3模塊替換為C2f模塊，實(shí)現(xiàn)輕量化的同時(shí)獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準(zhǔn)確性。mobile-YOLO相較于原始的YOLOv5n，mAP@.5（mean Average Precision）達(dá)到了98.1%，mAP@.5：.95達(dá)到了94.2%，同時(shí)在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：12/16/2024 4:24:06 PM

一種基于狀態(tài)預(yù)測(cè)的多線程數(shù)據(jù)過濾算法[人工智能][其他]

數(shù)據(jù)過濾算法在大數(shù)據(jù)處理領(lǐng)域有著重要的作用。基于正則表達(dá)式匹配技術(shù)的數(shù)據(jù)過濾算法憑借強(qiáng)大的特征表達(dá)能力適合于處理大規(guī)模復(fù)雜數(shù)據(jù)。然而，傳統(tǒng)的正則表達(dá)式匹配過程為串行匹配，造成性能低，無法滿足現(xiàn)代數(shù)據(jù)處理的需求。針對(duì)傳統(tǒng)正則表達(dá)式匹配性能低的問題，提出一種基于多線程和狀態(tài)預(yù)測(cè)的正則表達(dá)式加速匹配算法，稱之為μFA：基于向量指令執(zhí)行字符值比較，獲取可直接跳過的信任字符數(shù)。同時(shí)，基于多線程加速和狀態(tài)猜測(cè)技術(shù)，實(shí)現(xiàn)字符串的分段匹配處理，通過圈定字符危險(xiǎn)區(qū)域，研判各分段最終匹配結(jié)果的正確性。實(shí)驗(yàn)結(jié)果表明，μFA算法的吞吐率是原始DFA算法的10.12~91.36倍、ßFA算法的1.08~2.97倍。

發(fā)表于：12/16/2024 4:22:38 PM

融合圖文預(yù)訓(xùn)練的漢越多模態(tài)神經(jīng)機(jī)器翻譯[人工智能][消費(fèi)電子]

由于漢語和越南語之間存在顯著的語法差異及語料稀缺，漢越神經(jīng)機(jī)器翻譯任務(wù)面臨名詞翻譯不準(zhǔn)確的挑戰(zhàn)。提出了一種新穎的多模態(tài)神經(jīng)機(jī)器翻譯方法，該方法融合了文本預(yù)訓(xùn)練模型和視覺語言聯(lián)合預(yù)訓(xùn)練模型。通過文本預(yù)訓(xùn)練模型，能夠捕獲深層的語言結(jié)構(gòu)和語義；而視覺語言聯(lián)合訓(xùn)練模型則提供了與文本相關(guān)聯(lián)的視覺上下文，這有助于模型更準(zhǔn)確地理解和翻譯名詞。兩種模型通過一個(gè)簡(jiǎn)潔高效的映射網(wǎng)絡(luò)結(jié)合，并通過Gumbel門控模塊動(dòng)態(tài)地整合多模態(tài)信息，以優(yōu)化翻譯輸出。在漢越及越漢翻譯任務(wù)中，該方法相比傳統(tǒng)Transformer模型分別提升了7.13和4.27的BLEU值。

發(fā)表于：12/16/2024 4:15:57 PM

高速以太網(wǎng)均衡技術(shù)的綜述與思考[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

由于云計(jì)算、以太網(wǎng)、物聯(lián)網(wǎng)的廣泛運(yùn)用產(chǎn)生的數(shù)據(jù)爆炸式增長(zhǎng)，大型數(shù)據(jù)中心網(wǎng)絡(luò)的有線輸入輸出（I/O）帶寬需求迅速增長(zhǎng)，高速以太網(wǎng)的發(fā)展順應(yīng)了網(wǎng)絡(luò)流量的快速增長(zhǎng)趨勢(shì)。而隨著以太網(wǎng)數(shù)據(jù)傳輸速率的提升，對(duì)串行鏈路的信號(hào)完整性挑戰(zhàn)性進(jìn)一步增大。針對(duì)高速傳輸下以太網(wǎng)均衡技術(shù)面臨的挑戰(zhàn)，聚焦于各類均衡技術(shù)，對(duì)各類均衡技術(shù)進(jìn)行深入分析，探討各類均衡器的工作原理和特性以及闡述了這些均衡器在高速傳輸環(huán)境中的適用場(chǎng)景，為未來高速以太網(wǎng)均衡器的發(fā)展和優(yōu)化提供了參考，以更好地滿足通信中不斷增長(zhǎng)的對(duì)更高的傳輸效率和更低的誤碼率的需求。

發(fā)表于：12/16/2024 4:06:59 PM