课程文献中心 更多>>

关键词： 虚拟化技术   计算机网络安全   业务连续性   数据保护   人工智能   网络安全性   云计算   大数据  

摘要： 数字化时代,计算机网络已成为现代社会运转不可或缺的基础设施,其安全性直接关系着数据保护、业务连续性和国家安全。随着云计算、大数据、人工智能等技术的迅猛发展,计算机网络安全面临着前所未有的挑战,而虚拟化技术作为提升网络安全性和灵活性的重要手段,正逐步成为研究和应用的热点。

关键词： 广播算法   P2P网络   Gossip   转发节点选择   区块链  

摘要： 与传统中心化架构的系统相比,去中心化的区块链网络吞吐量仍处于较低水平。为此,许多研究从共识机制、分片机制等对区块链的可扩展性进行了探索。然而,随着吞吐量的提升,区块链系统对底层消息广播网络效率的要求也在不断提高。由此,着眼于底层P2P消息广播网络,在Gossip的算法中引入邻居节点评估机制,提出NE-Gossip广播算法,根据评估结果在消息转发时选择具有更好消息转发能力的节点。实验结果表明,在同样的广播冗余度下,NE-Gossip算法在广播覆盖率上具有更好的表现。

关键词： 医疗设备   医院管理   价值分析  

摘要： 医疗设备是医院在实现医疗服务过程中最重要的辅助性设备,其管理工作的开展更是衡量医院服务水平和管理水平的关键标杆。文章主要是立足于医院的医疗设备管理工作,进一步分析了关于医疗设备管理过程中应当遵循的基本原则,并且就医疗设备管理标准在医院管理中发挥的价值和作用进行了探究,希望能够为进一步提升医院对于医疗设备的管理质量和水平提供参考意见。

关键词： 5G   信号处理   动态调度   资源分配   功率控制  

摘要： 5G作为新一代移动通信技术,其高效能、低延迟及大连接数等特点对信号处理与优化算法提出了更高要求。文章详细阐述5G中采用的关键信号处理技术,包括信号接收、解调、解码等,并探讨多种优化算法,如动态调度、资源分配、功率控制等,以及它们在提升系统性能、增强用户体验方面的应用。这些算法与技术的结合,5G实现了数据传输速率的大幅提升、频谱资源的高效利用以及网络覆盖的广泛增强。

关键词： 半监督学习   降噪自编码器   稀疏自编码器   特征提取   分类预测  

摘要： 在工业分类预测中,有标签数据稀缺且标记成本高,导致模型预测不准确,同时大多数无标签数据中的特征未得到合理利用,模型的泛化能力不足。为了解决这个问题,提出半监督深度自编码网络(SSup-DDSAE-Link),将有标签数据和无标签数据通过有监督学习和无监督学习进行结合,提升模型预测准确率。该模型首先在深度自编码通道上,分别添加高斯噪声和稀疏性约束,提取与分类相关且更具代表性的特征表示;其次在编码器与解码器之间引入横向连接,过滤与分类任务不相关的信息,使得网络能够更好地学习关键变量的特征表示,并在网络顶层添加有监督学习路径来实现分类识别;然后添加原始编码器,与解码器中对应隐含层的输出一起训练,从而构造无监督学习路径,有效利用无标签数据中的信息;最后通过有监督损失函数与无监督损失函数构造总损失函数,实现对工业生产中关键变量的分类预测。实验结果表明,与常用的有监督学习模型和传统的半监督学习模型相比,SSup-DDSAE-Link的分类预测准确率得到了有效提高,并且精确率、召回率和F1值均得到提升。

关键词： 联邦学习   工业物联网   数字孪生   个性化  

摘要： 为了在不直接共享原始数据的前提下构建联合模型,联邦学习应运而生.然而,在复杂的工业物联网环境中,联邦学习的应用面临两大挑战:1)工业物联网设备之间彼此异构,掉队和离线设备的存在极大拖慢了联邦学习的训练速;2)不同数据所有者拥有的数据彼此异构,客户端的本地模型差异较大,简单对本地模型进行平均无法获得适用于所有客户端的高质量模型.为了解决上述挑战,本文设计了一个融合数字孪生的联邦学习架构,实现对设备资源的高效调度.此外,本文提出了一个基于参数解耦和聚类的个性化联邦学习算法,既能满足用户的个性化需求,又能实现同构客户端的深度协作.实验结果验证了提出的个性化联邦学习算法的有效性.

关键词： 阵列声波   裸眼井   线性调频   脉冲压缩   数值模拟  

摘要： 声波测井技术被广泛应用在油田的勘探开发中,然而对于传统的阵列声波测井仪器,发射换能器往往使用单脉冲信号激励,这种激励信号能量持续时间较短、占空比低,使得换能器辐射的能量有限,接收信号容易受到井中噪声影响.本文采用有限差分数值模拟方法,对比了分别采用Ricker信号和线性调频信号作为声波测井的单极子声源信号时,充液裸眼井中的声场响应特征,探讨了脉冲压缩技术在提高声波测井的模式波分辨率和信噪比等方面的可行性.数值模拟结果表明,对于线性调频声源信号,接收到的阵列接收信号经过脉冲压缩处理后的波形与采用脉冲声源时的阵列接收信号的波形形态几乎一致,但模式波分辨率得到明显提升,传统的用于脉冲声源的声波测井信号处理的方法同样适用于经过脉冲压缩后的线性调频阵列接收信号.相较于传统的频域滤波技术,使用脉冲压缩技术能够更加有效地提高接收波形以及模式波频散曲线的信噪比,但线性调频接收波形所需的记录时间更长,产生的数据量更大,这给井下数据处理和数据高速传输带来了新的挑战.

关键词： 在线时间校准   旋转约束   视觉惯性里程计  

摘要： 在融合相机和惯性测量单元(IMU)的数据推测机器人的运动轨迹时,传感器测量记录的时间点对用于估计轨迹的视觉惯性里程计(VIO)的鲁棒性和准确性至关重要。然而,由于传感器数据到达接收端的延迟存在差异,图像数据流和IMU数据流之间通常存在不可避免的时间偏置,为此提出了一种基于互相关和旋转对齐的视觉惯性里程计在线时间校准的算法。首先使用对极几何和预积分算法分别得到相机和IMU各自的相对位姿,并计算出相机的角速度;然后根据相机与IMU的角速度进行互相关计算,得到初步的时间偏置估计;最后利用相机和IMU相对位姿进行旋转约束,通过优化误差函数得到更精确的相对时间偏置估计,该时间偏置值随后用于平移传感器的时间轴以进行校准。实验表明,该算法能够减缓时间偏置对里程计精度带来的影响,并使得VIO能够在具有更大时间偏置范围的数据流下稳定运行。

关键词： 油储设施   可靠性评估   设备管理   风险评估   设备维修  

摘要： 随着石油储备和运输业务的不断扩大,油储设施的可靠性评估与设备管理显得尤为重要.通过科学的可靠性评估,可以有效降低设备故障率,延长设施使用寿命,确保石油储备工作的顺利进行.这种评估不仅涉及对现有设备的性能和安全性的全面检查,还包括对未来潜在风险的预测和预防措施的制定.它还要求对设备的维护和检修工作进行合理规划,以期达到最佳的运行效率和成本效益.因此,一个全面而系统的可靠性评估体系对于石油储备设施的长期稳定运行至关重要.

关键词： 数据相似度   奇异值分解算法   中位数绝对偏差法   极限随机森林   数据挖掘  

摘要： 为了避免噪声数据干扰数据挖掘效果,提高数据挖掘的精度和质量,提出融合相似度与随机森林的数据挖掘算法。采用奇异值分解算法分解数据矩阵,获得一系列奇异值,同时引入中位数绝对偏差法在上述奇异值中选取较大的奇异值,利用这些奇异值展开重构,得到去噪后的数据;计算去噪后数据的样本熵,将其作为数据特征,结合P值和特征相似度对数据特征展开筛选,剔除冗余特征,选取最优数据特征;建立极限随机森林,将数据特征输入极限随机森林中,实现数据挖掘。实验结果表明,所提算法在数据挖掘过程中具有较高的查全率、F-measure指标以及AUC值,表明所提算法具有良好的数据挖掘性能。