一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

論文研究了新近提出的Liu混沌系統(tǒng)(2004)的模糊反饋同步方法。Liu混沌系統(tǒng)結(jié)構(gòu)不同于以往的連續(xù)混沌系統(tǒng)，本文基于T-S(Takagi-Sugeno)模糊模型重構(gòu)了Liu混沌系統(tǒng)；然后用Lyapunov理論和反饋同步的思想推導(dǎo)了兩個重構(gòu)的Liu系統(tǒng)同步的穩(wěn)定性條件，并給出了誤差系統(tǒng)以衰減率全局漸近穩(wěn)定的充分條件；最后基于LMI方法進行了仿真實驗。良好的仿真結(jié)果驗證了本文算法的有效性和快速性。

AI質(zhì)檢是智能制造的重要環(huán)節(jié)，其設(shè)備在進行產(chǎn)品質(zhì)量檢測時會產(chǎn)生大量計算密集型和時延敏感型任務(wù)。由于設(shè)備計算能力不足，執(zhí)行檢測任務(wù)時延較大，極大影響生產(chǎn)效率。多接入邊緣計算(MEC)通過將任務(wù)卸載至邊緣服務(wù)器為設(shè)備提供就近算力，提升任務(wù)執(zhí)行效率。然而，系統(tǒng)中存在信道變化和任 務(wù)隨機到達等動態(tài)因素，極大影響卸載效率，給任務(wù)調(diào)度帶來了挑戰(zhàn)。該文面向多接入邊緣計算賦能的AI質(zhì)檢任務(wù)調(diào)度系統(tǒng)，研究了聯(lián)合任務(wù)調(diào)度與資源分配的長期時延最小化問題。由于該問題狀態(tài)空間大、動作空間包含連續(xù)變量，該文提出運用深度確定性策略梯度(DDPG)進行實時任務(wù)調(diào)度算法設(shè)計。所設(shè)計算法可基于系統(tǒng)實時狀態(tài)信息給出最優(yōu)決策。仿真結(jié)果表明，與基準算法相比，該文所提算法具有更好的性能表現(xiàn)和更小的任務(wù)執(zhí)行時延。

該文推廣了Liu Fang等人(2010)給出的周期為pn, p為奇素數(shù)，n為正整數(shù)的廣義分圓序列的構(gòu)造，并確定了新構(gòu)造序列的線性復(fù)雜度和自相關(guān)函數(shù)值的分布。結(jié)果表明，推廣的構(gòu)造保持了原構(gòu)造的高線性復(fù)雜度等偽隨機特性。由于取值更靈活，較之原構(gòu)造新構(gòu)造序列的數(shù)量要大得多。

微支付交易具有交易量極大且單次交易額極小的特點，使得復(fù)雜的認證協(xié)議不適用于微支付。Micali等人(2002)提出的基于概率選擇微支付方案，把微支付聚合成宏支付，大幅提高了微支付的效率。Liu-Yan在(2013)提出了保證所有參與者的數(shù)據(jù)融入概率選擇結(jié)果的生成, 而且使得所有參與者可以驗證結(jié)果的公平性。然而，Liu-Yan方案中銀行可能獲得額外利益，從而破壞了協(xié)議的公平性。該文首先分析了Liu-Yan方案的安全威脅，并且以1個用戶-1個商家的模型代替Liu-Yan方案中大量用戶-1個商家的模型，以數(shù)據(jù)承諾技術(shù)為基礎(chǔ)保障結(jié)果的公平性與可驗證性。

該文提出了機載超寬帶天線罩口徑積分-表面積分-自適應(yīng)網(wǎng)格(AI-SI-AG)分析方法。給出了用AI-SI-AG的計算和實測結(jié)果。理論分析和實驗結(jié)果表明，該算法能夠高效地預(yù)測定向和全向天線的帶罩方向圖，理論計算與實際測試符合較好，在工程應(yīng)用中有較大的實用價值。

該文討論了Fang等人(2011)新近提出的一個安全高效的基于智能卡的遠程用戶口令認證方案，指出原方案無法實現(xiàn)所聲稱的抗離線口令猜測攻擊，對平行會話攻擊和已知密鑰攻擊是脆弱的，并且存在用戶口令更新友好性差問題。給出一個改進方案，對其進行了安全性和效率分析。分析結(jié)果表明，改進方案彌補了原方案的安全缺陷，保持了較高的效率，適用于安全需求較高的資源受限應(yīng)用環(huán)境。

通過對Zhang-Liu-He (2006)，Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可轉(zhuǎn)換環(huán)簽名方案進行分析，指出了這幾個可轉(zhuǎn)換環(huán)簽名方案存在可轉(zhuǎn)換性攻擊或不可否認性攻擊，即，環(huán)中的任何成員都能宣稱自己是實際簽名者或冒充別的成員進行環(huán)簽名。為防范這兩種攻擊，對這幾個可轉(zhuǎn)換環(huán)簽名方案進行了改進，改進后的方案滿足可轉(zhuǎn)換環(huán)簽名的安全性要求。

針對在速度拖引干擾和雜波背景下脈沖多普勒(PD)雷達無法精確跟蹤目標的問題，該文提出基于雙模型(DM)和幅度信息(AI)的目標跟蹤算法。分別建立基于位置、幅度量測的跟蹤模型和基于位置、速度、幅度量測的跟蹤模型。兩個模型均使用基于幅度信息的概率數(shù)據(jù)互聯(lián)(AI-PDA)盡可能地降低雜波的影響，然后使用常規(guī)方法進行濾波估計。若沒有速度拖引干擾，則兩個模型估計具有位置和速度上的相關(guān)性；若存在干擾，由于速度量測是虛假的，則兩個模型估計不具有相關(guān)性。據(jù)此，進行卡方檢驗(chi-square test)，分析影響檢驗結(jié)果的因素，進而確定最終的估計結(jié)果。仿真驗證了該算法的有效性。

針對空天地一體化接入網(wǎng)絡(luò)，該文在總結(jié)相關(guān)研究的基礎(chǔ)上，闡述了未來空天地一體化接入架構(gòu)的關(guān)鍵技術(shù)，分析了空口技術(shù)、多址技術(shù)、干擾分析、計算技術(shù)和人工智能(AI)技術(shù)等幾個重點方向的研究進展，提出了多種接入形式并存的靈活性網(wǎng)絡(luò)架構(gòu)。針對6G全域融合網(wǎng)絡(luò)接入的重點研究問題，結(jié)合用戶的服務(wù)質(zhì)量需求，構(gòu)建了一體化AI賦能架構(gòu)，提出了大規(guī)?；旌隙嘀方尤爰皬椥再Y源適配策略。基于網(wǎng)絡(luò)架構(gòu)立體化、網(wǎng)絡(luò)協(xié)同傳輸、一體化網(wǎng)絡(luò)資源管理、未來空天地接入技術(shù)以及網(wǎng)絡(luò)協(xié)同計算等未來重點研究方向進行了討論和展望。

隨著物聯(lián)網(wǎng)(IoT)的快速發(fā)展，人工智能(AI)與邊緣計算(EC)的深度融合形成了邊緣智能(Edge AI)。但由于IoT設(shè)備計算與通信資源有限，并且這些設(shè)備通常具有隱私保護的需求，那么在保護隱私的同時，如何加速Edge AI仍然是一個挑戰(zhàn)。聯(lián)邦學習(FL)作為一種新興的分布式學習范式，在隱私保護和提升模型性能等方面，具有巨大的潛力，但是通信及本地訓練效率低。為了解決上述難題，該文提出一種FL加速框架AccFed。首先，根據(jù)網(wǎng)絡(luò)狀態(tài)的不同，提出一種基于模型分割的端邊云協(xié)同訓練算法，加速FL本地訓練；然后，設(shè)計一種多輪迭代再聚合的模型聚合算法，加速FL聚合；最后實驗結(jié)果表明，AccFed在訓練精度、收斂速度、訓練時間等方面均優(yōu)于對照組。