論文元數(shù)據(jù)搜索,找到相關(guān)信息共 19 條:
2024, 46(2): 662-670.
doi: 10.11999/JEIT230129
刊出日期:2024-02-29
AI質(zhì)檢是智能制造的重要環(huán)節(jié),其設(shè)備在進(jìn)行產(chǎn)品質(zhì)量檢測(cè)時(shí)會(huì)產(chǎn)生大量計(jì)算密集型和時(shí)延敏感型任務(wù)。由于設(shè)備計(jì)算能力不足,執(zhí)行檢測(cè)任務(wù)時(shí)延較大,極大影響生產(chǎn)效率。多接入邊緣計(jì)算(MEC)通過(guò)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(jī)到達(dá)等動(dòng)態(tài)因素,極大影響卸載效率,給任務(wù)調(diào)度帶來(lái)了挑戰(zhàn)。該文面向多接入邊緣計(jì)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(zhǎng)期時(shí)延最小化問(wèn)題。由于該問(wèn)題狀態(tài)空間大、動(dòng)作空間包含連續(xù)變量,該文提出運(yùn)用深度確定性策略梯度(DDPG)進(jìn)行實(shí)時(shí)任務(wù)調(diào)度算法設(shè)計(jì)。所設(shè)計(jì)算法可基于系統(tǒng)實(shí)時(shí)狀態(tài)信息給出最優(yōu)決策。仿真結(jié)果表明,與基準(zhǔn)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(shí)延。
2006, 28(1): 100-102.
刊出日期:2006-01-19
關(guān)鍵詞:
機(jī)載寬帶天線罩;口徑積分-表面積分;物理光學(xué)方法
該文提出了機(jī)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(jì)算和實(shí)測(cè)結(jié)果。理論分析和實(shí)驗(yàn)結(jié)果表明,該算法能夠高效地預(yù)測(cè)定向和全向天線的帶罩方向圖,理論計(jì)算與實(shí)際測(cè)試符合較好,在工程應(yīng)用中有較大的實(shí)用價(jià)值。
1992, 14(5): 486-495.
刊出日期:1992-09-19
P.H.Pathak,Wang Nan等人在研究典型問(wèn)題幾何繞射理論之后,于1981年發(fā)表了任意導(dǎo)電凸曲面振子天線高頻電磁輻射一致性幾何繞射理論近似解。本文應(yīng)用并矢格林函數(shù)方法,通過(guò)典型曲面高頻電磁輻射一致性近似解的研究和推廣,導(dǎo)出了理想導(dǎo)電凸曲面上電、磁振子電磁輻射場(chǎng)在高頻近似下一致性幾何繞射理論近似解。與P.H.Pathak,Wang Nan等人的結(jié)果相比,主項(xiàng)并矢轉(zhuǎn)移函數(shù)除個(gè)別系數(shù)外完全相同,高階并矢轉(zhuǎn)移函數(shù)在幾何光學(xué)區(qū)略有差異。
2005, 27(2): 235-238.
刊出日期:2005-02-19
關(guān)鍵詞:
群簽名; 偽造攻擊; 不關(guān)聯(lián)性
群簽名允許群成員以匿名的方式代表整個(gè)群體對(duì)消息進(jìn)行簽名。而且,一旦發(fā)生爭(zhēng)議,群管理員可以識(shí)別出簽名者。該文對(duì)Posescu(2000)群簽名方案和Wang-Fu(2003)群簽名方案進(jìn)行了安全性分析,分別給出一種通用偽造攻擊方法,使得任何人可以對(duì)任意消息產(chǎn)生有效群簽名,而群權(quán)威無(wú)法追蹤到簽名偽造者。因此這兩個(gè)方案都是不安全的。
2006, 28(6): 1031-1035.
刊出日期:2006-06-19
關(guān)鍵詞:
圖像處理;模式識(shí)別;廣義局部沃爾什變換;紋理特征
該文提出一組基于廣義局部沃爾什變換(GLWT)的紋理特征。首先給出局部沃爾什變換(LWT)的定義,并在空域中對(duì)其加以推廣,用以提取圖像的局部紋理信息;然后在一個(gè)宏窗口中估計(jì)12個(gè)GLWT系數(shù)的二階矩作為圖像的紋理特征。對(duì)這組紋理特征的鑒別性能進(jìn)行了分析,并與Haralick(1973),Wang Li(1990),以及Yu Hui提出的紋理特征進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,該文提出的紋理特征具有更好的鑒別性能和分類能力。
2009, 31(7): 1732-1735.
doi: 10.3724/SP.J.1146.2008.00928
刊出日期:2009-07-19
關(guān)鍵詞:
環(huán)簽名;密碼分析;可轉(zhuǎn)換性
通過(guò)對(duì)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(jìn)行分析,指出了這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案存在可轉(zhuǎn)換性攻擊或不可否認(rèn)性攻擊,即,環(huán)中的任何成員都能宣稱自己是實(shí)際簽名者或冒充別的成員進(jìn)行環(huán)簽名。為防范這兩種攻擊,對(duì)這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案進(jìn)行了改進(jìn),改進(jìn)后的方案滿足可轉(zhuǎn)換環(huán)簽名的安全性要求。
2015, 37(4): 989-994.
doi: 10.11999/JEIT140856
刊出日期:2015-04-19
針對(duì)在速度拖引干擾和雜波背景下脈沖多普勒(PD)雷達(dá)無(wú)法精確跟蹤目標(biāo)的問(wèn)題,該文提出基于雙模型(DM)和幅度信息(AI)的目標(biāo)跟蹤算法。分別建立基于位置、幅度量測(cè)的跟蹤模型和基于位置、速度、幅度量測(cè)的跟蹤模型。兩個(gè)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(jìn)行濾波估計(jì)。若沒(méi)有速度拖引干擾,則兩個(gè)模型估計(jì)具有位置和速度上的相關(guān)性;若存在干擾,由于速度量測(cè)是虛假的,則兩個(gè)模型估計(jì)不具有相關(guān)性。據(jù)此,進(jìn)行卡方檢驗(yàn)(chi-square test),分析影響檢驗(yàn)結(jié)果的因素,進(jìn)而確定最終的估計(jì)結(jié)果。仿真驗(yàn)證了該算法的有效性。
2024, 46(5): 1613-1631.
doi: 10.11999/JEIT231224
刊出日期:2024-05-30
針對(duì)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(lái)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(jì)算技術(shù)和人工智能(AI)技術(shù)等幾個(gè)重點(diǎn)方向的研究進(jìn)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(duì)6G全域融合網(wǎng)絡(luò)接入的重點(diǎn)研究問(wèn)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?;诰W(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(lái)空天地接入技術(shù)以及網(wǎng)絡(luò)協(xié)同計(jì)算等未來(lái)重點(diǎn)研究方向進(jìn)行了討論和展望。
2009, 31(3): 740-744.
doi: 10.3724/SP.J.1146.2007.01562
刊出日期:2009-03-19
關(guān)鍵詞:
保密通信;MD5;碰撞攻擊;充分條件集;冗余性;制約性
Wang Xiaoyun等(2005)給出了MD5能產(chǎn)生碰撞的一個(gè)充分條件集,并首次成功對(duì)MD5進(jìn)行了碰撞攻擊。Yuto Nakano等(2006)指出上述充分條件集中有16個(gè)條件是冗余的,并給出了其中14個(gè)條件冗余的原因。Liang Jie和Lai Xuejia(2005)指出Wang Xiaoyun等給出的充分條件集并非總能產(chǎn)生碰撞,并增加新的條件使之總能產(chǎn)生碰撞,同時(shí)提出了一個(gè)新的碰撞攻擊算法。本文證明了Yuto Nakano等給出的16個(gè)冗余條件中有兩個(gè)并不冗余,且Liang Jie和Lai Xuejia增加的新條件中有兩個(gè)是冗余的,指出Liang Jie和Lai Xuejia的碰撞攻擊算法在消息修改時(shí)忽視了被修改條件之間的制約性,因而未必總能產(chǎn)生碰撞,本文對(duì)此進(jìn)行了修正,給出新的充分條件集,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該充分條件集總能產(chǎn)生碰撞。
2023, 45(5): 1678-1687.
doi: 10.11999/JEIT220240
刊出日期:2023-05-10
隨著物聯(lián)網(wǎng)(IoT)的快速發(fā)展,人工智能(AI)與邊緣計(jì)算(EC)的深度融合形成了邊緣智能(Edge AI)。但由于IoT設(shè)備計(jì)算與通信資源有限,并且這些設(shè)備通常具有隱私保護(hù)的需求,那么在保護(hù)隱私的同時(shí),如何加速Edge AI仍然是一個(gè)挑戰(zhàn)。聯(lián)邦學(xué)習(xí)(FL)作為一種新興的分布式學(xué)習(xí)范式,在隱私保護(hù)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(xùn)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(xùn)練算法,加速FL本地訓(xùn)練;然后,設(shè)計(jì)一種多輪迭代再聚合的模型聚合算法,加速FL聚合;最后實(shí)驗(yàn)結(jié)果表明,AccFed在訓(xùn)練精度、收斂速度、訓(xùn)練時(shí)間等方面均優(yōu)于對(duì)照組。
- 首頁(yè)
- 上一頁(yè)
- 1
- 2
- 下一頁(yè)
- 末頁(yè)
- 共:2頁(yè)