-
基于生成式自注意力与增量学习的自适应实时交通事件检测方法研究
实时交通数据上的事件检测对于交通系统至关重要,可增强自主系统的安全性与城市交通基础设施的韧性。然而,复杂、异质的交通流数据及其时空模式对现有方法构成了重大挑战,现有方法往往无法捕获节点与边之间的高阶交互以及语义上下文。本文提出一种生成式自注意力模型,该模型基于
-
面向地下综合管廊巡检机器人的逆反射路标稳定观测生成方法
:
地下综合管廊环境狭窄、结构重复且无全球导航卫星系统(GNSS)信号,而反射性基础设施可能引发虚假路标检测。本文提出一种面向巡检机器人的低成本逆反射路标轻量级观测方法。第一项贡献将强度滤波与局部几何验证相结合,以抑制反射性背景干扰;第二项贡献将稀疏候选恢复与
-
CAST-SecOC:一种面向AUTOSAR SecOC在CAN FD上的配置感知多维测试方法
AUTOSAR安全车载通信(SecOC)通过认证、新鲜度验证和应用交付门控保护车内消息,但部署安全性还取决于配置和接收端状态处理。本文提出了CAST-SecOC,一种面向控制器局域网络灵活数据速率(CAN FD)上SecOC的配置感知多维测试方法。该方法联合建
-
基于并行局部-全局特征提取与交叉注意力门控融合的网络入侵检测方法
摘要专业翻译
随着网络技术和物联网(Internet of Things, IoT)的快速发展,海量高维流量数据对网络入侵检测系统(Network Intrusion Detection Systems, NIDS)提出了重大挑战。现有深度学习方法存在两大局限
-
面向实际部署的光子传感技术:从器件性能到系统集成的应用驱动转化框架
光子传感技术涵盖了成熟度迥异的多类技术。光纤传感系统已在基础设施、能源、交通和工业监测中广泛部署,而许多集成生物传感器以及等离激元(plasmonic)、超表面(metasurface)和可穿戴平台仍处于实验室或早期转化阶段。本综述批判性地审视了促使部分光子传
-
基于单天线动态场景下GNSS欺骗源定位的扩展卡尔曼滤波方法
全球导航卫星系统(GNSS)在日常生活中有广泛应用,基于GNSS的应用普及引发了人们对GNSS潜在脆弱性的担忧。欺骗信号是主要威胁之一,对欺骗源进行定位能够在源头缓解该威胁。大多数欺骗源定位方法依赖于空间分布式的传感器网络,且需要高精度的时间同步。近期研究利用
-
面向6G网络任务关键型物联网的切片感知VNF编排:一种多目标深度强化学习方法
任务关键型物联网(MC-IoT)应用,如远程手术、自主无人机集群、工业安全监控等,对可靠性(99.999%)、时延(亚毫秒级)和切片间隔离性具有超严格的要求,这些要求需要专用网络切片以及精心编排的虚拟网络功能(VNF)链。虽然先前针对VNF编排的解决方案试图将
-
高性能SnO₂墨水结合先进分配印刷技术用于低温H₂S气体检测
专业术语翻译摘要:
硫化氢(H₂S)是一种剧毒且对环境有害的气体,因此需要在其痕量浓度下实现灵敏且可靠的检测。本研究开发了一种基于分配印刷的SnO₂基MEMS气体传感器,该传感器采用溶胶-凝胶衍生的SnO₂前驱体墨水直接沉积在Pt叉指微热板上。研究人员对前驱
-
基于振动信号的无损检测方法评估煤矿锚索动态振动特性与抗扰动性能
本研究开发并实施了一种无损检测方法,用于评估和比较不同材料制成的锚索在应力扰动下的动态响应。该方法采用两个振动传感器配合单一数据采集仪器。振动传感器负责捕获锚索的振动信号,而采集仪器则实现同步数据收集。通过在相同应力扰动影响下收集不同锚索的振动信号,对其抗干扰
-
基于多智能体关系图重建的探索方法
在合作式多智能体强化学习(cooperative MARL)中,高效探索仍是一项关键挑战——联合情境的新颖性不仅可能源于不熟悉的个体观测,也可能来自此前未被充分表征的智能体间交互模式。现有的内在奖励方法通常通过状态、观测、价值或预测表征来刻画新颖性,而这可能无