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

高級(jí)搜索

留言板

尊敬的讀者、作者、審稿人, 關(guān)于本刊的投稿、審稿、編輯和出版的任何問(wèn)題, 您可以本頁(yè)添加留言。我們將盡快給您答復(fù)。謝謝您的支持!

姓名
郵箱
手機(jī)號(hào)碼
標(biāo)題
留言內(nèi)容
驗(yàn)證碼

論文元數(shù)據(jù)搜索,找到相關(guān)信息共 4 條:

排序:
相關(guān)度
發(fā)表時(shí)間
每頁(yè)顯示:
10
20
30
50
基于備份的可重構(gòu)服務(wù)承載網(wǎng)可靠性映射方法
王志明, 汪斌強(qiáng)
2013, 35(1): 126-132. doi: 10.3724/SP.J.1146.2012.00602  刊出日期:2013-01-19
關(guān)鍵詞: 可重構(gòu)柔性網(wǎng)絡(luò), 可重構(gòu)服務(wù)承載網(wǎng), 可靠性映射, 最小備份拓?fù)?/nobr>, 時(shí)延敏感
可重構(gòu)柔性網(wǎng)絡(luò)鏈路失效將嚴(yán)重影響其上承載的可重構(gòu)服務(wù)承載網(wǎng)(RSCN)的可靠性。文章基于路徑備份策略著重解決時(shí)延敏感類型RSCN的可靠性問(wèn)題,并提出分階段處理方式進(jìn)一步優(yōu)化備份資源消耗。在拓?fù)漕A(yù)處理階段,根據(jù)RSCN是否支持路徑分裂分別提出分裂的最小備份拓?fù)渖?S-MBT-Gen)算法和最小備份生成樹(MBST- Gen)算法,減小備份拓?fù)鋷捈s束總量;在拓?fù)溆成潆A段,提出主備拓?fù)鋮f(xié)同映射(RNM-PBT)算法,協(xié)調(diào)利用底層網(wǎng)絡(luò)資源。仿真結(jié)果表明,本文提出的算法降低了RSCN平均資源消耗,且具有較高的請(qǐng)求接受率和較低的平均執(zhí)行時(shí)間。
一種基于部分ID的新型RFID安全隱私相互認(rèn)證協(xié)議
張輝, 侯朝煥, 王東輝
2009, 31(4): 853-856. doi: 10.3724/SP.J.1146.2007.01901  刊出日期:2009-04-19
關(guān)鍵詞: 射頻識(shí)別;安全;隱私;相互認(rèn)證;部分ID
在低成本電子標(biāo)簽中實(shí)現(xiàn)安全隱私功能是RFID研究領(lǐng)域需要解決的一項(xiàng)關(guān)鍵技術(shù),該文采用部分ID,CRC校驗(yàn)以及ID動(dòng)態(tài)更新的方法,提出一種新型RFID相互認(rèn)證協(xié)議,該協(xié)議具有前向安全性,能夠防止位置隱私攻擊、重傳攻擊、竊聽攻擊和拒絕服務(wù)攻擊,新協(xié)議有效地解決了RFID安全隱私問(wèn)題,并且符合EPC Class1 Gen2標(biāo)準(zhǔn),它的硬件復(fù)雜度較低,適用于低成本電子標(biāo)簽。
一種高性能硬件加密引擎陣列架構(gòu)
駱建軍, 沈一凡, 周迪, 馮春陽(yáng), 鄧江峽
2021, 43(12): 3743-3748. doi: 10.11999/JEIT200855  刊出日期:2021-12-21
關(guān)鍵詞: 專用集成電路, 安全, 加密, PCIe, eMMC
該文提出一種高性能硬件加密引擎陣列架構(gòu),為大數(shù)據(jù)應(yīng)用提供了先進(jìn)的安全解決方案。該模塊架構(gòu)包括一個(gè)高速接口、一個(gè)中央管理和監(jiān)視模塊(CMMM)、一組多通道驅(qū)動(dòng)加密引擎陣列,其中CMMM將任務(wù)分配給加密引擎,經(jīng)由專用算法處理后再將數(shù)據(jù)傳回主機(jī)。由于接口吞吐量和加密引擎陣列規(guī)模會(huì)限制模塊性能,針對(duì)PCIe高速接口,采用MMC/eMMC總線連接構(gòu)建陣列,發(fā)現(xiàn)更多加密引擎集成到系統(tǒng)后,模塊性能將會(huì)得到提升。為驗(yàn)證該架構(gòu),使用55 nm制程工藝完成了一個(gè)PCIe Gen2×4接口的ASIC加密卡,測(cè)試結(jié)果顯示其平均吞吐量高達(dá)419.23 MB。
基于DT-LIF神經(jīng)元與SSD的脈沖神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)方法
周雅, 栗心怡, 武喜艷, 趙宇飛, 宋勇
2023, 45(8): 2722-2730. doi: 10.11999/JEIT221367  刊出日期:2023-08-21
關(guān)鍵詞: 計(jì)算機(jī)視覺, 目標(biāo)檢測(cè), 脈沖神經(jīng)網(wǎng)絡(luò), 神經(jīng)元
相對(duì)于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)(ANN),脈沖神經(jīng)網(wǎng)絡(luò)(SNN)具有生物可解釋性、計(jì)算效率高等優(yōu)勢(shì)。然而,對(duì)于目標(biāo)檢測(cè)任務(wù),SNN存在訓(xùn)練難度大、精度低等問(wèn)題。針對(duì)上述問(wèn)題,該文提出一種基于動(dòng)態(tài)閾值LIF神經(jīng)元(DT-LIF)與單鏡頭多盒檢測(cè)器(SSD)的SNN目標(biāo)檢測(cè)方法。首先,設(shè)計(jì)了一種DT-LIF神經(jīng)元模型,該模型可根據(jù)累積的膜電位動(dòng)態(tài)調(diào)整神經(jīng)元的閾值,以驅(qū)動(dòng)深層網(wǎng)絡(luò)的脈沖活動(dòng),提高推理速度。同時(shí),以DT-LIF神經(jīng)元為基元,構(gòu)建了一種基于SSD的混合SNN。該網(wǎng)絡(luò)以脈沖視覺幾何群網(wǎng)絡(luò)(Spiking VGG)和脈沖密集連接卷積網(wǎng)絡(luò)(Spiking DenseNet)為主干(Backbone),具有由批處理歸一化(BN)層、脈沖卷積(SC)層與DT-LIF神經(jīng)元構(gòu)成的3個(gè)額外層和SSD預(yù)測(cè)框頭(Head)。實(shí)驗(yàn)結(jié)果表明,相對(duì)于LIF神經(jīng)元網(wǎng)絡(luò),DT-LIF神經(jīng)元網(wǎng)絡(luò)在Prophesee GEN1數(shù)據(jù)集上的目標(biāo)檢測(cè)精度提高了25.2%。對(duì)比AsyNet算法,所提方法的目標(biāo)檢測(cè)精度提高了17.9%。