国产一区66免费,亚洲欧美乱色另类小说,亚洲无码精品视频在线看

基于知識圖譜技術的上市企業(yè)產(chǎn)業(yè)鏈風險預測[其他][信息安全]

隨著產(chǎn)業(yè)互聯(lián)網(wǎng)的飛速發(fā)展，面對海量的產(chǎn)業(yè)數(shù)據(jù)，構建知識圖譜等自然語言處理應用需求逐漸增長。產(chǎn)業(yè)信息的有效管理和挖掘有助于及時發(fā)現(xiàn)所面臨的風險和機遇，產(chǎn)業(yè)鏈風險預測可以為監(jiān)管部門提供產(chǎn)業(yè)風險預警手段。針對以上問題，本文以知識圖譜相關知識為科學依據(jù)，提出了基于知識圖譜技術的產(chǎn)業(yè)文本數(shù)據(jù)實體標注準則，對海量上市公司產(chǎn)業(yè)信息進行知識抽取，形成自上而下的三維產(chǎn)業(yè)知識圖譜。同時研究了上市企業(yè)產(chǎn)業(yè)知識圖譜特定產(chǎn)業(yè)鏈知識的內(nèi)在聯(lián)系，總結規(guī)律并結合產(chǎn)業(yè)鏈往年時序圖特征信息實現(xiàn)圖譜推理，成功的對產(chǎn)業(yè)鏈中上市企業(yè)市值等信息進行了預測和分析。

發(fā)表于：9/25/2023 5:14:00 PM

基于三維人臉數(shù)據(jù)增強的深度偽造檢測方法[測試測量][數(shù)據(jù)中心]

隨著深度偽造技術的發(fā)展，深度偽造視頻的制作及傳播變得越來越容易，給社會帶來了巨大的安全風險，深度偽造檢測算法成為當前網(wǎng)絡安全領域的重要方向。聚焦于提出一種泛化性能更好、效率更高、可解釋性更強的深度偽造檢測算法，主要針對DFDC、FaceForensic++及CelebDF三個深度偽造視頻數(shù)據(jù)集進行實驗并以這三個數(shù)據(jù)集集中訓練出檢測模型，首先使用人臉檢測算法MTCNN提取人臉圖像，進而將EfficientNet網(wǎng)絡與Transformer架構相結合作為檢測模型，通過采用三維人臉數(shù)據(jù)增強、注意力機制以及全局局部融合方法對模型進行訓練和測試。模型在未使用型集成、知識蒸餾等方法的基礎上，達到了與最優(yōu)檢測效果相當?shù)臋z測水平。

發(fā)表于：9/25/2023 4:48:00 PM

金融數(shù)據(jù)安全：應對新興技術挑戰(zhàn)的策略與實踐[其他][信息安全]

隨著科技的快速發(fā)展和新興技術的廣泛應用，金融行業(yè)正面臨著前所未有的安全挑戰(zhàn)。金融數(shù)據(jù)的安全性對于金融機構和客戶而言至關重要，因為數(shù)據(jù)泄露或被黑客攻擊可能導致經(jīng)濟損失、信譽受損以及其他嚴重后果。通過研究對金融數(shù)據(jù)安全帶來的影響和威脅，探討新興技術對金融數(shù)據(jù)安全所帶來的挑戰(zhàn)，并提出應對策略和解決方案。該研究成果對于確保金融數(shù)據(jù)的安全性、維護金融行業(yè)的穩(wěn)定發(fā)展具有重要意義。

發(fā)表于：9/25/2023 4:34:00 PM

基于數(shù)據(jù)元件與數(shù)據(jù)金庫打造安全可信金融數(shù)據(jù)空間[其他][數(shù)據(jù)中心]

基于中國電子提出的數(shù)據(jù)元件與數(shù)據(jù)金庫理念，數(shù)據(jù)要素市場被科學合理地切分為數(shù)據(jù)資源市場、數(shù)據(jù)元件市場、數(shù)據(jù)產(chǎn)品市場，實現(xiàn)數(shù)據(jù)“資源化、資產(chǎn)化、資本化”。安全可信金融數(shù)據(jù)空間通過搭建多對多的安全可信數(shù)據(jù)空間架構模型，融合公共數(shù)據(jù)和社會數(shù)據(jù)，以信用為手段，以金融科技為抓手，搭建政府、組織、企業(yè)和金融機構之間的數(shù)據(jù)安全流通橋梁，實現(xiàn)多主體在線供給需求對接，支撐數(shù)據(jù)要素實現(xiàn)安全、高效流通和跨域流通，形成符合經(jīng)濟學原理的市場化配置體系。

發(fā)表于：9/25/2023 4:22:06 PM

基于領域驅(qū)動的測控任務評定系統(tǒng)設計與實現(xiàn)[通信與網(wǎng)絡][航空航天]

隨著航天技術的不斷進步，尤其是近年來商業(yè)航天的快速發(fā)展，高密度航天發(fā)射成為常態(tài)，測控系統(tǒng)作為航天發(fā)射場的重要業(yè)務系統(tǒng)之一，該系統(tǒng)運行的能力與效率將極大影響航天發(fā)射任務執(zhí)行的結果，因此有必要實施對測控任務過程的決策與評定研究。考慮到未來測控任務快速評定呈現(xiàn)少人化、通用化、自動化與智能化的發(fā)展趨勢，提出了一種基于領域驅(qū)動設計的測控任務評定系統(tǒng)設計思想。通過深入分析測控任務評定業(yè)務，結合領域驅(qū)動設計和微服務架構特點，經(jīng)過領域模型設計、微服務識別、微服務實現(xiàn)等步驟進行全系統(tǒng)設計。最后，結合典型航天發(fā)射測控任務場景，驗證了本方案的可行性，為進一步提升我國測控任務評定效率提供了參考和思路。

發(fā)表于：9/25/2023 3:18:47 PM

衛(wèi)星信道群時延對高階調(diào)制信號接收影響的仿真分析[通信與網(wǎng)絡][航空航天]

針對信道群時延對高階調(diào)制信號的影響進行仿真分析，給出了線性群時延、拋物線群時延模型下，8PSK、16APSK和16QAM接收系統(tǒng)信道群時延的設計指標。同時針對群時延補償技術，仿真了CAM與DD結合的均衡算法對信道群時延的補償效果，為后續(xù)工程設計提供參考。

發(fā)表于：9/25/2023 3:11:11 PM

寬帶高功率諧波雷達發(fā)射機的設計與實現(xiàn)[微波|射頻][航空航天]

近年來雷達探測技術在各個領域發(fā)展取得了飛躍發(fā)展，廣泛應用于軍事、民用等方面，諧波雷達由于其非接觸性、穿透性和便攜性等優(yōu)點而引發(fā)人們關注。為了提高發(fā)射機的探測距離分辨率和抗電磁干擾能力，提出了一種寬帶高功率諧波雷達發(fā)射機的設計方案，對發(fā)射前端的功放、天線等關鍵器件給出了具體的設計過程。通過對諧波雷達發(fā)射前端系統(tǒng)的仿真與分析，實物制作與測試，驗證了方案的可行性。

發(fā)表于：9/25/2023 3:01:00 PM

低軌衛(wèi)星多目標無源定位到達時差分選方法*[通信與網(wǎng)絡][航空航天]

低地球軌道（Low Earth Orbit，LEO）衛(wèi)星無源定位場景中不同目標輻射源之間相互干擾、時頻混疊，不同目標的到達時差（Time Difference Of Arrival，TDOA）參數(shù)混雜難以區(qū)分，較難實現(xiàn)精準目標定位?；诰W(wǎng)格密度聚類算法（Clustering Algorithm based on Grid Density，CAGD）的基本原理，并利用TDOA參數(shù)的多復雜特征，構建多目標TDOA參數(shù)分選模型，實現(xiàn)TDOA定位參數(shù)分選。模型通過定義網(wǎng)格密度波谷，解決了定位目標間數(shù)據(jù)被聚為一類的問題，同時引入位置相連原則實現(xiàn)最佳類簇合并，最終實現(xiàn)定位參數(shù)分選。仿真結果表明，相較于傳統(tǒng)網(wǎng)格及密度聚類方法，本方法對LEO衛(wèi)星無源定位場景下的多目標TDOA參數(shù)分選表現(xiàn)更好。

發(fā)表于：9/25/2023 2:54:22 PM

LEO衛(wèi)星TDOA/DOA定位性能分析*[通信與網(wǎng)絡][航空航天]

隨著以“星鏈”衛(wèi)星為代表的低軌（LEO）互聯(lián)網(wǎng)衛(wèi)星系統(tǒng)的快速發(fā)展，星載相控陣列天線的應用數(shù)量飛速增長，未來LEO互聯(lián)網(wǎng)衛(wèi)星便于提供星載電磁波到達方向（DOA）檢測能力。衛(wèi)星覆蓋區(qū)內(nèi)的非法干擾進行定位排查，是未來互聯(lián)網(wǎng)衛(wèi)星系統(tǒng)正常運維的重要保障。目前常用的雙星到達時差（TDOA）/到達頻差（FDOA）定位體制存在定位誤差顯著增大的“定位盲區(qū)”造成盲區(qū)內(nèi)的干擾源無法定位的問題，提出了一種基于加權最小二乘約束優(yōu)化模型的TDOA/DOA雙星干擾源定位技術體制。分析了幾何稀釋精度因子（GDOP）的定位誤差，仿真實驗表明該定位方法具有不存在“定位盲區(qū)”的優(yōu)點，在經(jīng)緯度張角為4^°×4^°的波束范圍內(nèi)定位誤差小于0.2 km，定位誤差的地理平均為0.112 km，滿足非法干擾定位排查的應用需求。通過定位解算的根均方差（RMSE）的蒙特卡洛方法，驗證了GDOP誤差精度。該定位方法的定位誤差地理穩(wěn)定性優(yōu)于目前常規(guī)的雙星TDOA/FDOA定位算法。

發(fā)表于：9/25/2023 2:41:49 PM

基于預訓練模型的基層治理敏感實體識別方法[其他][數(shù)據(jù)中心]

基層治理產(chǎn)生的大量敏感數(shù)據(jù)可通過數(shù)據(jù)脫敏去除隱私內(nèi)容，但這些數(shù)據(jù)包含較多非結構化文本數(shù)據(jù)，難以直接進行數(shù)據(jù)脫敏。因此，需要對非結構化文本數(shù)據(jù)進行命名實體識別以提取敏感數(shù)據(jù)。首先把敏感實體分為16類并對信訪文本進行標注，輸入層表示采用預訓練模型BERT，編碼層利用雙向長短時記憶網(wǎng)絡汲取上下文信息，解碼層通過條件隨機場模型優(yōu)化序列，構建了較高精度的基層治理敏感實體識別模型。針對脫敏工作需要，改變假陰性和假陽性的loss權重，并采用敏感實體框選率輔助評價模型性能。在基層治理信訪數(shù)據(jù)集和公共數(shù)據(jù)集MSRA上進行實驗，F(xiàn)1值分別為88.38%和90.11%，相較于基準模型提升了4.64%和3.78%。該模型可應用于非結構化文本的敏感實體識別，識別成功率高?，F(xiàn)有評價指標未能較好地反映敏感實體的間接推理關系，應當探索更完善的敏感實體評價體系。

發(fā)表于：9/25/2023 2:23:46 PM