面向車(chē)路協(xié)同5G網(wǎng)絡(luò)端到端切片技術(shù)方案研究[通信與網(wǎng)絡(luò)][5G]

在車(chē)路協(xié)同系統(tǒng)聰明的車(chē)、智慧的路、強(qiáng)大的網(wǎng)和智慧的云4個(gè)關(guān)鍵因素中，C-V2X與5G構(gòu)建的強(qiáng)大的網(wǎng)為現(xiàn)階段車(chē)路協(xié)同的主體，是車(chē)-路-網(wǎng)-云各個(gè)要素有效融合和優(yōu)勢(shì)互補(bǔ)的橋梁?；谲?chē)路協(xié)同的車(chē)聯(lián)網(wǎng)業(yè)務(wù)場(chǎng)景非常豐富，其對(duì)網(wǎng)絡(luò)性能要求各異，5G網(wǎng)絡(luò)切片技術(shù)可通過(guò)定制化邏輯網(wǎng)絡(luò)組建，為不同業(yè)務(wù)場(chǎng)景的車(chē)聯(lián)網(wǎng)業(yè)務(wù)提供端到端的大帶寬、低時(shí)延、高可靠的靈活定制化服務(wù)，實(shí)現(xiàn)業(yè)務(wù)的快速上線和更極致的用戶(hù)體驗(yàn)。從面向車(chē)路協(xié)同的業(yè)務(wù)場(chǎng)景對(duì)網(wǎng)絡(luò)的需求為切入點(diǎn)，圍繞5G網(wǎng)絡(luò)切片技術(shù)在車(chē)路協(xié)同中的應(yīng)用展開(kāi)研究。

發(fā)表于：3/7/2022 11:23:00 AM

行業(yè)5G專(zhuān)網(wǎng)服務(wù)方案研究[通信與網(wǎng)絡(luò)][5G]

作為促進(jìn)經(jīng)濟(jì)社會(huì)數(shù)字化轉(zhuǎn)型發(fā)展的重要引擎之一，5G專(zhuān)網(wǎng)已經(jīng)應(yīng)用于工業(yè)、電力、礦山、教育、醫(yī)療等行業(yè)領(lǐng)域。在分析了當(dāng)前行業(yè)用戶(hù)對(duì)5G專(zhuān)網(wǎng)提出的豐富多樣的服務(wù)化需求后，提出了5G專(zhuān)網(wǎng)在原生能力、數(shù)據(jù)能力、協(xié)同能力和運(yùn)營(yíng)能力四方面可以為用戶(hù)提供的核心服務(wù)能力內(nèi)容，進(jìn)一步論述了通過(guò)對(duì)核心服務(wù)能力的有效組織可以形成低時(shí)延、大帶寬、高可靠、強(qiáng)安全和靈活組網(wǎng)等場(chǎng)景化專(zhuān)網(wǎng)服務(wù)，最后以工業(yè)、礦山、電力等行業(yè)需求為例分析了如何利用專(zhuān)網(wǎng)服務(wù)形成行業(yè)專(zhuān)網(wǎng)解決方案。

發(fā)表于：3/7/2022 11:19:00 AM

5G行業(yè)虛擬專(zhuān)網(wǎng)數(shù)字運(yùn)營(yíng)方案研究[通信與網(wǎng)絡(luò)][5G]

5G行業(yè)虛擬專(zhuān)網(wǎng)運(yùn)營(yíng)平臺(tái)可支持5G行業(yè)虛擬專(zhuān)網(wǎng)的數(shù)字運(yùn)營(yíng)，解決運(yùn)營(yíng)商在管理5G行業(yè)虛擬專(zhuān)網(wǎng)中遇到的跨專(zhuān)業(yè)、跨域及線上化運(yùn)營(yíng)運(yùn)維等棘手難題，讓運(yùn)營(yíng)商可以更便捷、更高效地管理5G行業(yè)虛擬專(zhuān)網(wǎng)。在分析了運(yùn)營(yíng)商對(duì)管理5G行業(yè)虛擬專(zhuān)網(wǎng)的需求后，提出了5G行業(yè)虛擬專(zhuān)網(wǎng)運(yùn)營(yíng)平臺(tái)的數(shù)字交付運(yùn)營(yíng)方案、智能運(yùn)維支撐等核心功能和未來(lái)演進(jìn)方向，有助于提升運(yùn)營(yíng)商對(duì)5G行業(yè)虛擬專(zhuān)網(wǎng)的高效管理，助力提升企業(yè)數(shù)字化水平。

發(fā)表于：3/7/2022 11:13:00 AM

基于區(qū)塊鏈技術(shù)的醫(yī)療器械溯源監(jiān)管系統(tǒng)研究[電子元件][醫(yī)療電子]

摘 要： 傳統(tǒng)的醫(yī)療器械溯源系統(tǒng)依賴(lài)一個(gè)中心化組織，溯源需要多方參與，導(dǎo)致信息整合難度大，溯源信息數(shù)據(jù)不完整。為解決醫(yī)療器械溯源的數(shù)據(jù)中心化問(wèn)題，防范溯源信息被惡意篡改，采用分布式記賬技術(shù)，提出基于Fabric區(qū)塊鏈的醫(yī)療器械溯源系統(tǒng)架構(gòu)MDTFabric(Medical Device Traceability Fabric)。該系統(tǒng)架構(gòu)運(yùn)用現(xiàn)有區(qū)塊鏈溯源機(jī)制，針對(duì)醫(yī)療器械溯源特點(diǎn)進(jìn)行了特定的優(yōu)化，建立起醫(yī)療器械溯源的信用機(jī)制，并根據(jù)數(shù)據(jù)重要性采取多方存儲(chǔ)方式，提升系統(tǒng)的訪問(wèn)性能。 關(guān)鍵詞： 區(qū)塊鏈,UDI,醫(yī)療器械,溯源系統(tǒng),超級(jí)賬本

發(fā)表于：2/15/2022 5:34:00 PM

時(shí)間觸發(fā)通信總線監(jiān)控技術(shù)研究[其他][其他]

TTP總線技術(shù)是面向機(jī)載分布式安全關(guān)鍵系統(tǒng)的主要總線技術(shù)之一。針對(duì)TTP總線數(shù)據(jù)的實(shí)時(shí)監(jiān)控和分析需求，提出了面向總線消息且不依賴(lài)于特定總線配置的異步總線監(jiān)控方法，給出了TTP總線監(jiān)控節(jié)點(diǎn)及監(jiān)控軟件設(shè)計(jì)，達(dá)到了對(duì)時(shí)間觸發(fā)通信總線數(shù)據(jù)的實(shí)時(shí)監(jiān)控效果。構(gòu)建驗(yàn)證環(huán)境開(kāi)展了總線監(jiān)控的測(cè)試工作，結(jié)果表明，監(jiān)控節(jié)點(diǎn)能夠?qū)崿F(xiàn)對(duì)最高5 Mb/s速率數(shù)據(jù)的實(shí)時(shí)監(jiān)控分析，能夠有效支撐對(duì)TTP總線系統(tǒng)的數(shù)據(jù)的分析驗(yàn)證。

發(fā)表于：2/15/2022 5:30:00 PM

基于通聯(lián)關(guān)系的通信網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)方法[其他][其他]

摘 要： 現(xiàn)有的網(wǎng)絡(luò)拓?fù)渫茢喾椒?，通常需要破解通信信?hào)內(nèi)容，不但成本高，適應(yīng)性也較差。針對(duì)此問(wèn)題，提出不破解信號(hào)內(nèi)容，僅通過(guò)頻譜信號(hào)物理特征和統(tǒng)計(jì)規(guī)律來(lái)挖掘通信目標(biāo)間的通聯(lián)關(guān)系，從而分析并構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)?；谥芷?、功率、信號(hào)起始時(shí)間等特征，利用聚類(lèi)算法挖掘目標(biāo)區(qū)域內(nèi)的通聯(lián)關(guān)系。此外，對(duì)頻譜數(shù)據(jù)集進(jìn)行劃分，依次分析每個(gè)子集的通聯(lián)關(guān)系，結(jié)合子集的質(zhì)心位置，推斷通信網(wǎng)絡(luò)拓?fù)?。最后，將所有子集?duì)應(yīng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)合并得到整個(gè)頻譜數(shù)據(jù)集的通信網(wǎng)絡(luò)拓?fù)洹?/a>

新型智慧城市“城市大腦”建設(shè)一體化設(shè)計(jì)[其他][其他]

“城市大腦”是隨著人工智能、智能云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)的革命性發(fā)展,在城市數(shù)字化、智慧化轉(zhuǎn)型發(fā)展中深度融合創(chuàng)新應(yīng)用而催生的新型基礎(chǔ)設(shè)施，是城市治理、公共服務(wù)和產(chǎn)業(yè)發(fā)展的新手段、新模式。著眼于解決城市治理等綜合性問(wèn)題，“城市大腦”優(yōu)化公共資源配置，提高城市運(yùn)行效率，助推城市創(chuàng)新轉(zhuǎn)型發(fā)展。本文設(shè)計(jì)的“城市大腦”為加快智慧城市建設(shè)與創(chuàng)新應(yīng)用，推進(jìn)新一代信息技術(shù)與城市治理現(xiàn)代化深度融合，有效提升城市治理水平，增強(qiáng)公共服務(wù)能力，發(fā)展壯大數(shù)字經(jīng)濟(jì)提供了有力的參考。

發(fā)表于：2/15/2022 5:05:00 PM

信貸自動(dòng)審批模型的對(duì)抗攻擊風(fēng)險(xiǎn)研究[其他][其他]

近期，銀行等金融機(jī)構(gòu)引進(jìn)自動(dòng)信貸審批系統(tǒng)來(lái)取代傳統(tǒng)的人工審批，而自動(dòng)信貸審批系統(tǒng)在何種程度上會(huì)受到對(duì)抗樣本的攻擊有待研究。通過(guò)實(shí)驗(yàn)對(duì)信貸對(duì)抗樣本攻擊的問(wèn)題進(jìn)行了驗(yàn)證。首先，基于申請(qǐng)人的信貸數(shù)據(jù)對(duì)XGBoost模型進(jìn)行訓(xùn)練，預(yù)測(cè)申請(qǐng)人行為，并選擇原始樣本。其次，使用“非違約申請(qǐng)人”對(duì)改進(jìn)的GAN模型進(jìn)行訓(xùn)練，并用于生成特征值，通過(guò)修改原始樣本以構(gòu)建對(duì)抗樣本，使得修改后的特征值接近于“非違約申請(qǐng)人”密集分布的特征值。最后，使用訓(xùn)練好的XGBoost模型將對(duì)抗樣本進(jìn)行分類(lèi)。在實(shí)驗(yàn)中生成的對(duì)抗樣本可以混淆XGBoost模型。當(dāng)修改后的特征值的數(shù)量增加時(shí)，對(duì)抗樣本的生成率總體呈上升趨勢(shì)。實(shí)驗(yàn)驗(yàn)證，對(duì)抗樣本的攻擊將對(duì)自動(dòng)信貸審批系統(tǒng)造成安全風(fēng)險(xiǎn)。

發(fā)表于：2/15/2022 4:58:00 PM

基于差分進(jìn)化算法的PTA過(guò)程平均粒徑的動(dòng)態(tài)軟測(cè)量[其他][其他]

摘 要： 針對(duì)工業(yè)過(guò)程中由于時(shí)延問(wèn)題造成軟測(cè)量模型預(yù)測(cè)精度不高的問(wèn)題，給出了一種通過(guò)差分進(jìn)化算法估計(jì)時(shí)延的動(dòng)態(tài)軟測(cè)量方法。通過(guò)偏最小二乘法建立合適的適應(yīng)度函數(shù)，將軟測(cè)量系統(tǒng)的時(shí)延參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為一個(gè)多維非線性?xún)?yōu)化問(wèn)題，然后利用差分進(jìn)化算法的全局搜索能力求解該優(yōu)化問(wèn)題。針對(duì)PTA精制過(guò)程中的PTA平均粒徑大小建模研究，結(jié)果表明，時(shí)延參數(shù)估計(jì)的引入大大提高了軟測(cè)量模型的預(yù)測(cè)精度，證實(shí)了所提方法的有效性和可行性。

發(fā)表于：2/15/2022 4:41:00 PM

基于BERT的提示學(xué)習(xí)實(shí)現(xiàn)軟件需求精確分類(lèi)[其他][其他]

軟件需求是用戶(hù)對(duì)軟件效用的直接回饋, 實(shí)現(xiàn)對(duì)軟件需求工程精確分類(lèi)可大幅降低維護(hù)成本并顯著加快軟件開(kāi)發(fā)維護(hù)的流程。使用傳統(tǒng)的基于機(jī)器學(xué)習(xí)分類(lèi)方法(如邏輯回歸、支持向量機(jī)以及K近鄰算法)，或簡(jiǎn)單地應(yīng)用BERT(Bidirectional Encoder Representation from Transformers)模型都不能很好地利用軟件需求PROMISE數(shù)據(jù)集樣本，最終表現(xiàn)為通用性差或分類(lèi)效率低。為了增強(qiáng)BERT模型對(duì)自然語(yǔ)言文本的語(yǔ)義理解能力，應(yīng)用提示學(xué)習(xí)的思想，將K分類(lèi)選擇問(wèn)題轉(zhuǎn)化為二分判斷問(wèn)題。實(shí)驗(yàn)結(jié)果表明，無(wú)需對(duì)不均衡的數(shù)據(jù)集執(zhí)行樣本均衡策略，模型分類(lèi)性能便遠(yuǎn)優(yōu)于上述兩種分類(lèi)工作，獲得最佳的預(yù)測(cè)結(jié)果。

發(fā)表于：2/15/2022 4:37:00 PM