日日噜噜夜夜躁躁狠狠,y8848高清私人影院软件优势

分布式VANETs中車流自適應的低沖突TDMA-MAC協(xié)議[通信與網(wǎng)絡][汽車電子]

在分布式車載自組織網(wǎng)絡中，動態(tài)變化的雙向車流會嚴重影響基于slot分組的TDMA-MAC協(xié)議降低沖突的效果以及整體協(xié)議的安全性與可靠性，對此設計一種車流自適應的低沖突TDMA-MAC協(xié)議TALC-MAC。采用slot占用率作為分組調整的判斷依據(jù)，設計詳細的分組擴展與收縮策略以適應車流實際分布。同時優(yōu)化幀內slot分組方案與節(jié)點預約slot的策略，進一步降低網(wǎng)絡中發(fā)生沖突的概率。仿真實驗結果表明TALC-MAC能有效適應雙向車流的動態(tài)變化，保持協(xié)議整體低沖突的特性。

發(fā)表于：7/5/2022 6:11:14 PM

基于凸優(yōu)化的FSO/RF自動請求重傳協(xié)議方案[其他][其他]

針對FSO/RF混合鏈路的高效可靠數(shù)據(jù)傳輸問題,研究系統(tǒng)在二進制相移鍵控（BPSK）調制與ARQ差錯控制模式下雙鏈路重傳協(xié)作的優(yōu)化設計方法?；贔SO信道雙伽馬（Gamma-Gamma）分布的湍流模型和RF信道Nakagami-m分布的衰落模型,推導得出混合鏈路平均包錯誤率與吞吐量的解析表達式,并運用凸優(yōu)化求解方法得出吞吐量最優(yōu)解時的數(shù)據(jù)重傳協(xié)作比例系數(shù)。在不同大氣湍流強度與衰落因子條件下,計算分析了FSO/RF混合鏈路ARQ數(shù)傳方案的平均包錯誤率與吞吐量性能。數(shù)值結果表明,采用優(yōu)化后的ARQ雙鏈路重傳比例策略,可有效提高混合鏈路傳輸?shù)目煽啃耘c數(shù)據(jù)吞吐量性能。

發(fā)表于：7/5/2022 6:05:00 PM

基于直接高階注意力和多尺度路由的圖神經網(wǎng)絡[通信與網(wǎng)絡][通信網(wǎng)絡]

圖神經網(wǎng)絡中的注意力機制在處理圖結構化數(shù)據(jù)方面表現(xiàn)出優(yōu)異的性能。傳統(tǒng)的圖注意力計算直接連接的節(jié)點之間的注意力，并通過堆疊層數(shù)隱式獲取高階信息。盡管在圖注意力機制方面目前已有廣泛的研究，但用于注意力計算的堆疊范式在建模遠程依賴方面效果較差。為了提高表達能力，設計了一種新穎的直接注意力機制，這一機制通過K階鄰接矩陣直接計算高階鄰居之間的注意力。通過自適應路由聚合過程進一步傳播高階信息，這使得聚合過程更靈活地適應不同圖的特性。在引文網(wǎng)絡上的節(jié)點分類任務上進行了大量的實驗。實驗表明，該方法優(yōu)于最先進的基線模型。

發(fā)表于：7/5/2022 5:57:00 PM

地鐵運營崗位應急處置培訓的語音識別研究[通信與網(wǎng)絡][通信網(wǎng)絡]

地鐵交通運營是一種整體性活動，離不開各部門間的協(xié)調配合,地鐵運營崗位應急處置培訓系統(tǒng)應用于多個崗位的聯(lián)合培訓。該系統(tǒng)通過語音識別來實現(xiàn)模擬崗位間語音交互及對培訓過程智能評價的功能。提出的語音識別方法可實現(xiàn)離線網(wǎng)絡下對地鐵培訓專業(yè)術語的高識別精度，利用深度全序列卷積神經網(wǎng)絡（DFCNN）和鏈接時序分類（CTC）構建聲學模型，對應急處置培訓用語進行整理并構建專業(yè)術語庫，基于統(tǒng)計學構建語言模型。實驗結果表明，該語音識別方法能夠有效識別地鐵應急處置培訓用語，為地鐵運營崗位人員的培訓和考核提供更全面的評價指標。

發(fā)表于：7/5/2022 5:54:31 PM

基于方向一致?lián)p失的輕量車道線檢測[通信與網(wǎng)絡][汽車電子]

目前，輕量型車道線檢測網(wǎng)絡存在彎道檢測效果差、網(wǎng)絡感受野不夠與實時性受限等問題，故提出了一種改進的輕量型車道線檢測網(wǎng)絡模型。首先，為提高彎道檢測效果，設計了一種方向一致?lián)p失，以使模型適用于彎道場景。其次，為在增強網(wǎng)絡實時性的同時提高其感受野，提出將自注意力機制與RepVGG相融合的網(wǎng)絡作為模型的主干網(wǎng)絡。該模型在CULane測試集上測試的總F1-measure達到了70.7%，在Tusimple測試集上測試的準確率達到95.92%，其平均推斷速度達到了408 FPS。實驗結果表明，該模型相較于目前輕量型模型在性能上有一定的提升，尤其對彎道場景下的車道線檢測效果提升明顯。

發(fā)表于：7/5/2022 5:14:15 PM

基于注意力機制的無監(jiān)督單目標跟蹤算法[其他][其他]

為提升目標跟蹤精度，設計一種基于注意力機制的無監(jiān)督單目標跟蹤算法。該算法使用DCFNet網(wǎng)絡作為基本網(wǎng)絡，通過前向跟蹤和后向驗證實現(xiàn)無監(jiān)督跟蹤。為結合上下文信息，引入特征融合方法，且將DCFNet網(wǎng)絡每一層所提取的特征通過雙線性池化調整分辨率以便進行特征融合；為關注不同特征通道上的關系，引入通道注意力機制SENet模塊；設計一個反向逐幀驗證方法，在反向驗證中間幀的基礎上再預測第一幀，進而減少判別位置的誤差。在公共數(shù)據(jù)集OTB-2015上的測試結果顯示，本算法AUC分數(shù)達60.6%，速度達61FPS。與無監(jiān)督單目標跟蹤UDT算法相比，所設計算法取得了更優(yōu)的目標跟蹤性能。

發(fā)表于：7/5/2022 5:06:05 PM

交通場景下基于深度強化學習的感知型路徑分配算法[其他][其他]

路徑分配問題是交通數(shù)字孿生系統(tǒng)的重要研究方向之一，其重點是綜合考量行駛需求的動態(tài)變化以及路網(wǎng)信息的實時改變，實現(xiàn)高效合理的路徑規(guī)劃?，F(xiàn)階段一些經典的分配算法如粒子群、Dijkstra等算法及其優(yōu)化模型僅能達到全局靜態(tài)最優(yōu)，忽略了現(xiàn)實交通中的復雜變化。而逐漸推出的各種深度學習算法雖能進行全面的時空預測，但受限于海量歷史數(shù)據(jù)的歸納分析以及較高的運算成本，難以大規(guī)模應用。鑒于此，提出了一種靜態(tài)分配算法與深度強化學習算法結合的感知型路徑分配算法,在行駛中依據(jù)實時路網(wǎng)信息和車輛當前狀態(tài)，實現(xiàn)全局路徑動態(tài)再分配及更新，相關算法的精度和效率在仿真實驗中得到驗證。

發(fā)表于：7/5/2022 4:51:30 PM

MATLAB到高性能C的代碼轉換系統(tǒng)設計與實現(xiàn)[可編程邏輯][其他]

MATLAB被廣泛應用于算法設計及驗證，但由于平臺限制及性能因素影響，實際工作中通常使用C語言及高性能庫來重寫和優(yōu)化代碼。人工轉換MATLAB到C工作繁瑣，而大部分已有的自動轉換方法又難以解決MATLAB的高性能矢量運算和庫函數(shù)與C的對接問題。為此，設計了一個MATLAB到高性能C的自動轉換系統(tǒng)，通過將MATLAB代碼轉換為中間表示，進一步轉換為C代碼。同時，將MATLAB的高性能矢量運算和庫函數(shù)對接到高性能C函數(shù)庫Math Kernel Library(MKL)上。在相同MATLAB代碼上的實驗結果表明，該系統(tǒng)轉換生成的C代碼性能與人工編寫的C代碼相當，優(yōu)于已有的轉換方法生成的C代碼。

發(fā)表于：7/5/2022 4:45:10 PM

民用無人機領域數(shù)據(jù)與飛行安全法律規(guī)制研究[通信與網(wǎng)絡][航空航天]

無人機技術是當今工業(yè)互聯(lián)網(wǎng)發(fā)展的助力之一，尤其是5G技術與無人機技術的結合成為推動工業(yè)向數(shù)字化轉型升級的重要力量。但是，在無人機大規(guī)模應用的同時，也不能忽視其給行業(yè)帶來的風險與挑戰(zhàn)。主要討論民用無人機存在的隱私侵權問題及其造成的數(shù)據(jù)安全問題和“黑飛”問題，并對比中外法律法規(guī)提出有關法律體系建設的建議。

發(fā)表于：7/5/2022 4:35:34 PM

大數(shù)據(jù)技術中的隱私保護法律問題[通信與網(wǎng)絡][信息安全]

大數(shù)據(jù)技術廣泛應用的同時也帶來了諸多問題，對用戶隱私和數(shù)據(jù)安全造成了嚴重侵害。由于大數(shù)據(jù)發(fā)展速度快和法律屬性界定復雜等原因，現(xiàn)行法律法規(guī)存在一定的滯后，對此類問題適用性不佳，需要隨著大數(shù)據(jù)技術的發(fā)展進行及時的改進，從而適應日新月異的網(wǎng)絡環(huán)境。

發(fā)表于：7/5/2022 4:30:37 PM