登录社区云,与社区用户共同成长
邀请您加入社区
表面是两个字的调整,实质是保护范围的全面扩大:以前保护的是机房里的信息系统,现在云计算、大数据、物联网、工业控制、移动互联这些新技术形态全部纳入等级保护对象,并且专门为云、物联、移互、工控各开了一章 "扩展要求"。另一个值得注意的变化是要求项数量。我理解这套架构其实是把纵深防御的思想落到了具体标准里:通信网络负责数据传输的安全,区域边界负责出入口的把守,计算环境负责内部每一台设备、每一个应用的安全
第一,监管的形状由风险的形状决定。数据偏见指向数据治理,黑箱指向透明度与可解释性,性能漂移指向全生命周期监管——监管的位置不是拍脑袋定的,是被风险倒推出来的。第二,先用指导性文件跑通,再谈立法,是一种务实选择。不具法律拘束力的文件,反而让监管方能在技术快速变化时保持调整空间——代价是确定性较低,收益是不容易把产业管死。第三,AI 的合规成本,最终会落在工程细节上。数据要可溯源、可复现,模型要记录运
摘要:本文提出一种半监督前缀微调方法(Semi-Supervised Prefix Tuning),用于解决工业大数据环境下标签稀缺和计算资源受限的故障诊断问题。通过辅助任务生成(特征识别、SGP筛选、伪标签生成)构建训练数据,采用冻结大语言模型参数、仅微调前缀嵌入层的策略,结合混合提示模板设计(软提示+硬提示),显著提升了模型在有限标注数据下的诊断性能。该方法在计算效率和诊断准确率方面均表现出优
用户端管理端后台管理员可以进行增删改查操作。比如添加新影片、删除老旧影片、修改影片信息以及查询特定影片等,以此保证系统影片数据的实时性和准确性。
实践表明,采用cosine annealing或warmup等学习率调度策略,往往能带来显著性能提升。需注意,恰当的超参数配置有时比模型架构改进更为关键。以笔者近期测试的新型注意力机制为例,其在前三轮训练中即展现出显著改进,此类积极信号往往预示着正确的研究路径。若各次实验结果波动显著,则表明模型鲁棒性不足。选择ResNet、标准CNN等经典模型作为参照,在相同数据集上进行测试。仅当模型在多个数据集
招聘的核心,从来是关系:招聘者(公司人)和求职者(你我)的联结。技术推波助澜,从吆喝到追踪,再到AI织网,但别忘那份“午后闲聊”的微光。作为招聘狗,我继续搬砖,你呢?职场路上,多发内容、多建关系,未来AI时代,也别被甩下车。欢迎评论区交流,你的招聘故事是什么?
本研究首次提出一种基于深度学习的 Zone-I 自动识别方法,解决了 ROP 筛查中 Zone-I 划分主观性强、效率低的问题,识别精度达专家水平,为 ROP 早期诊断和远程筛查提供了高效、可靠的技术支持。使用深度卷积神经网络(DCNN)+ 区域建议网络(RPN)+ 全卷积网络(FCN)联合识别:视盘中心(Optic Disc Center),黄斑中心(Macular Center)。根据 ICR
这些模块的来源极为广泛,相似领域的现成方法或技术都能成为我们的得力助手,像多模态目标检测、图像去噪、超分辨率等领域的模块,都可无缝融入我们的研究之中。将现成模块巧妙结合,不仅能大幅加速研究进程,还能让论文更具说服力,尤其是采用传统与深度学习相结合的方式,往往能赢得审稿人的高度认可。模块本身既可以是对现有技术的借鉴,也可以是多种技术的巧妙结合,但组合之后,整体必须呈现出显著的改进效果,这一点可通过消
尽管微服务实现了模块的物理隔离,但未能阻止依赖的传播与扩散。为追溯模块间耦合的根源,本文从模块变更的影响评估入手,提出模块独立性的量化计算方法,并推导模块独立的必要条件。在此基础上,提出一种新的系统设计理念与软件工程方法论,旨在根除模块间依赖,通过特定模式设计通用接口作为模块间的统一边界。基于该方法,本文实现了名为EIGHT的平台架构,验证了“只要保障模块独立性,单进程内的单体应用也能在运行时动态
本文提出了一种基于纯Transformer架构的图像分类方法Vision Transformer(ViT),通过将图像分割为块序列并直接应用Transformer,突破了传统CNN在计算机视觉中的主导地位。实验证明,ViT在大规模数据预训练后,不仅能在ImageNet、CIFAR-100等基准任务上超越当时最优的CNN模型,还具备更高的计算效率。这一工作为视觉任务提供了全新的架构思路,展现了Tra
Best regards” 的历史源于19世纪书信礼仪的“去封建化”浪潮,其前身“With best regards” 取代了如“Your obedient servant” 般冗长谦卑的表达,强调平等的善意与祝愿。通过20世纪技术驱动的简化,它省略了“With”,演变为独立、简洁的现代形式。在定位上,它是专业电子邮件的理想结尾:融合礼貌、友好与效率,无严格规则束缚,却优于随意表达的尊重感。无论你
摘要:第27届IEEE国际真空电子学会议(IVEC2026)将于2026年4月20-23日在美国加州蒙特雷万豪会议中心举行。会议由IEEE电子器件协会主办,摘要提交截止日期为2025年12月22日,录用通知将于2026年1月23日发出。该会议是电真空领域顶级会议,对中国学者友好。相关信息及论文模板可通过官网(https://www.ieeeivec.org)获取。
我们认为,要在真正的多模态智能上取得进展,就必须从那种被动响应、任务驱动的系统以及单纯依赖“暴力拉长上下文长度”的做法,转向一种更为宏观的“超级感知”(supersensing)范式。我们将空间超级感知划分为超越“仅凭语言理解”的四个阶段:语义感知(给看到的内容命名)、流式事件认知(在连续体验中保持记忆)、隐式三维空间认知(从像素背后推断现实世界),以及预测式世界建模(构建用于过滤和组织信息的内部
摘要:本文介绍了Cambrian-S在视频空间超感知领域的研究进展,重点围绕VSI-SUPER基准和VSI-590K数据集展开。VSI-SUPER包含Recall和Count两个子任务,分别通过插入不寻常物体和拼接室内视频测试模型的长时记忆与动态计数能力。VSI-590K数据集则系统定义了4类空间-时间问题,并详细描述了3D标注视频、模拟数据及网络视频的标注流程。实验表明,配置、测量和时空三类任务
《面向实用的实时神经网络视频压缩》论文提出DCVC-RT模型,解决了神经网络视频压缩速度慢的瓶颈问题。研究发现传统方法误将计算量视为主要瓶颈,实际瓶颈是内存读写和函数调用等"杂事"。通过三大创新:1)隐式时序建模取代显式运动估计,省去光流计算;2)采用大步长卷积实现一步下采样,减少中间存储;3)优化网络结构降低延迟,在保持压缩率比H.266高21%的同时,处理速度达到120FP
在机器学习(ML)系统软件工程中,整合ML组件的核心前提是明确模型/数据需求,但传统需求工程(RE)面临信息源不足的挑战。ModelCards和DataSheets是ML社区常用的文档,但尚未被系统分析RE价值。本研究首先分析20个公开文档(10个ModelCards、10个DataSheets),发现其平均含83%(ModelCards)和88%(DataSheets)的RE相关信息,但存在冗余
该研究发表于NeurIPS-2022,针对动态图链路预测现有评估体系的不足,提出了更严格的评估方案:首先通过TEA(时间边缘出现)图和TET(时间边缘流量)图两种可视化技术,发现动态图中大量边缘会随时间重复出现;基于此提出纯记忆基线EdgeBank(含全记忆EdgeBank∞和时间窗口记忆EdgeBankₜw两种变体),其在多场景下表现出惊人竞争力;为解决现有负采样策略中“简单负边缘”问题,引入历
本文针对热红外目标检测首次系统研究了后门攻击的风险,提出了两种新型攻击方法:目标影响攻击OAA和范围影响攻击RAA。OAA通过在目标内部添加触发器,使该目标在测试时被误分类或消失;RAA通过在目标周围放置触发器,影响一定范围内的多个目标。本文创新地设计了温度调制触发器,通过调节触发器温度即可控制攻击是否激活及影响范围,实现高度隐蔽的物理后门。研究在数字数据集和真实热红外场景中进行了验证,攻击成功率
神经符号概念学习机(NS-CL),该模型学习视觉概念、单词和句子的语义解析,而不需要对其中任何一个进行明确的监督;作者的模型通过简单看图像和阅读成对的问题和答案来学习。其模型构建了一个基于对象的场景表示,将句子翻译成可执行的、符号化的程序。使用一个神经符号推理模块来连接两个模块的学习。类比于人类的概念学习,感知模块基于所指对象的语言描述来学习视觉概念。同时,学习到的视觉概念有助于学习新单词和解析新
一般来说,频率较高的链路比频率较低的链路具有更高的雨衰减,更适合用于监测降雨。3. 实验设计:这项研究涉及三个实验场景——韩国的地面链路、韩国的卫星链路和埃塞俄比亚的地面微波链路,利用了ANN和LTSM深度学习方法进行实验并进行结果分析。1. 研究问题:现有的大多数研究都是基于降雨的干燥和潮湿分类,而这篇文章的研究涉及的是各级降水的产生和年内分布的比较。可以看出:随着接收信号电平(RSL)值的减小
通过将UBF和VHE图像的特征进行融合,基于ResNet的深度学习模型在癌症检测方面取得了95.89%的准确率和94.84%的F1分数,优于仅使用单一模态(UBF或VHE)的性能,并接近真实H&E图像的分类性能(96.31%准确率)。在基于深度学习的工作流程(绿色路径)中,通过数字切片扫描仪获取未染色明场(UBF)图像,并使用NEGCUT模型(用于无配对图像到图像转换中对比学习的实例级硬负样本生成
GraphSecure是一款Web应用,专注于安全扫描结果的高级分析与可视化。该工具支持用户启动AWS账户扫描,通过特定的CIS(互联网安全中心)基准进行合规性验证并返回结果,以统计图表形式展示扫描结果并向用户预警账户安全状态。GraphSecure能够适配多个AWS账户,通过自动化方式识别和解读安全风险,降低维护成本与技术门槛;同时聚焦风险导向的可视化呈现,帮助从业者做出明智决策并实施有效解决方
论文阅读之PLC端部署机器学习进行预测性维护的可行性研究