基于机器学习的设备预测性维护方法综述

机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在预测性维护技术中具有很好的应用前景。然而,预测性维护系统的性能取决于机器学习算法的选择,对目前应用与预测性维护中的机器学习算法进行综述,详细比较了几种机器学习算法的优缺点,并对机器学习在预测性维护研究中的应用进行了展望。     

基于观测数据的数学模型预测性检验理论

基于显著性检验的意义及其存在的问题,提出了评价经验模型预测性的观点与方法,从理论与实践两方面探讨有关的统计检验手段,进而提出预测性检验理论.所涉方法用于化工装置的建模实践,实际效果良好.在其他领域,同样具有理论和实践的指导意义.     

轻松限制对本地组策略的访问

作为系统管理员的一个高级设置工具．组策略包含了系统各个方面的设置策略．不仅能增强系统的安全性．同时也可以使系统更有个性。通过组策略对系统进行的设置．其优先级别要高于通过控制面板进行的设置．并且这种设置往往带有一定的强制性。正是由于组策略的这种特点．对于管理员来讲．通过组策略对系统进行的设置并不希望其他用户进行更改．这就会涉及到组策略对象使用权限的问题。     

帮助信息网络犯罪活动罪的功能解读与适用纠偏

帮助信息网络犯罪活动罪的设立是为了填补传统共犯理论面对网络犯罪帮助行为异化产生的处罚空白。考虑到理论界对该罪“口袋化”的批评,有必要肯定该罪的补充和强化功能,为其存续和适用提供正当性依据。同时不能忽视司法实践中对该罪构成要件要素的认定偏差,从以下方面进行纠偏：明确“明知”的基本内涵并审慎适用推定规则认定“明知”;被帮助“犯罪”的扩张认定应当只适用于处罚“海量积数X低量危害”网络犯罪帮助行为的情形;客观行为范围不宜依据“等”字条款进行扩张。     

开源对软件人才培养带来的挑战

开源是世界信息技术及产业发展的重要方向,然而,面对开源进一步繁荣发展的需求,开源人才的供应无论在质或量上均存在较大不足。文章分析开源发展及开源人才的现状,剖析开源人才的能力特点及其培养需求,对开源软件人才的培养实践进行总结,并提出对未来教育实践的展望。     

限制DOS命令对文件的操作权限

本文通过对ＤＯＳ文件属性的分析，在局部修改ＤＯＳ内核ＭＳＤＯＳ．ＳＹＳ的基础上，提出了一种利用设置特殊文件属性的方法来限制ＤＯＳ内部命令及部分外部命令对文件的操作权限。从而达到了保护文件系统的正确性和完整性的目的。同时给出了设置特殊文件属性的工作程序。     

欧美限制人脸识别技术对我国的启示

人脸识别是一项关键技术,涉及工人智能、模式识别、大数据等领域。目前,该技术已在安防等领域发挥了重要作用。但是,随着技术的商用化、普及化,人脸识别技术出现了被大量滥用的情况,对个人隐私保护造成了严重威胁,个人数据被过度挖掘,引发人权、伦理道德等诸多社会问题。就此,欧美已开始着手限制人脸识别技术的应用。文章汇总了欧美一些国家限制人脸识别技术应用的部分措施,分析了人脸识别技术被滥用的几类情况,提出了我国面对人脸识别技术应采取的态度,以及国外做法对我国的启示。     

预测性维修分析系统在露天煤矿设备上的应用

介绍了设备预测性维修分析系统的概念,以及其在某集团矿山设备上的应用方案.通过实时监测设备状态,借助最新、最先进的设备性能管理和设备维修分析系统,通过预测性诊断和维护,达到降低设备维修维护成本、增加设备出动率、提高设备使用效率、提升产能的目的.     

一种基于预测性运动向量的菱形搜索方法

块匹配算法是运动估计中一项重要的技术。块匹配中多数算法没有充分利用运动向量之间的时间和空间的相关性就进行快速搜索,从而影响了图像的质量和搜索的速度。为更好的解决这一问题,论文提出一种基于预测性运动向量的菱形搜索方法,有效的提高了视频压缩的性能。     

MOOC对教学带来的思考和启示

针对目前MOOC热潮引发人们对大学教学方式重新思考的现状,探讨在现有教学方式下如何借鉴MOOC带来的新模式和思路解决高等教育中存在的一些问题,提出对MOOC的学习不应只停留在形式上的模仿,而应该从教育本质出发获得一些启示,指出云计算、大数据及人工智能等信息科技将会对教育教学方式产生深远影响。     

基于运动矢量预测性程度的快速运动估计算法

针对复杂剧烈运动视频信号在进行运动估计时出现的预测误差问题,提出基于运动矢量预测性程度的快速运动估计算法。根据局部运动矢量的一致性程度与运动矢量在时间上相关性程度的关系,决定运动矢量的可预测性程度,将待估计的运动矢量分类为不可预测、中度可预测和高度可预测,不同的可预测性采用不同的搜索策略进行运动估计。实验结果表明,该算法能提高运动估计的速度,并且具有与其他快速运动估计算法近似或更好的PSNR性能。     

基于高预测性的稀疏矩阵向量乘法并行计算优化

稀疏矩阵向量乘法(sparse matrix-vector multiplication, SpMV)是广泛应用于科学计算、工业仿真和智能计算等领域的重要算法,是核心的计算行为之一. 在一些应用场景中,需要进行多次的SpMV迭代,以完成精确的数值模拟、线性代数求解和图分析收敛等计算要求. 受限于SpMV本身的高度随机性和稀疏性所导致的数据局部性极差、缓存效率极低、计算模式非常不规则等问题,导致其计算负载成为当前高性能处理器的优化难点和研究热点. 基于现代高性能超标量乱序处理器的架构特征,深入研究SpMV的各类性能瓶颈,并且提出从提升可预测性和降低程序复杂度的角度进行全面的性能优化. 其核心思想是：通过构建串行访问的数据结构,提升数据访问的规律性和局部性,大幅度优化数据预取效率和缓存利用效率;通过构建规则的分支跳转条件,提升程序的分支预测准确率,有效提升程序执行效率;通过灵活运用SIMD指令集,有效提升计算资源利用率. 通过对以上特性的优化,该方法可以显著缓解性能瓶颈,大幅度提升处理器资源、缓存资源和访存带宽的利用率,并且获得与主流商用计算库MKL相比平均2.6倍的加速比,相比于现有最先进算法获得平均1.3倍的加速比.

     

一种基于概率模型的预测性时空区域查询处理

提出了一种基于概率模型的预测性时空区域查询处理方法.该方法采用Filter-Refinement方式来处理查询.首先,从数据库中选择所有可能满足查询的候选移动对象;然后,根据概率模型中定义的方法来计算候选移动对象满足查询的概率;最后,根据查询中指定的最小概率阈值过滤候选移动对象并返回查询结果.该概率模型将移动对象未来可能出现的位置定义为一个随机变量,并给出了计算移动对象在两种不同的运动模式下满足查询的概率值的方法.还提出了一种通过对大量历史轨迹抽样来获得概率密度函数(probability density function,简称PDF)的轨迹分析算法,并设计了概率密度函数索引STP-Index(spatio-temporal PDF-index).该索引能够有效地提高轨迹分析算法和概率计算的效率.实验结果表明,该查询处理方法能够有效地支持预测性时空区域查询的处理,提高查询结果的正确性,特别适合于具有较小的空间区域和长时间范围的预测性时空区域查询.     

不可复制的飞度

近一年多来,国内汽车音响行业正在悄悄地发生着一些变化,这种变化来自于众多国际音响品牌的涌入和国产品牌的崛起。经过EMMA、IASCA、MECA等众多汽车音响赛事的推动,汽车音响消费由前几年的“猎奇现象”逐步变为“大众消费”,如何在纷繁复杂的汽车音响市场中,分得各自的那杯羹,成为日益     

不可不变的技术

FreeHand将成独立软件并获得技术支持。Macromedia公司FreeHand,作为Macromedia的澳洲常务董事,John Biviano在公司受欢迎的插图绘画工具软接受采访时说:“FreeHand现在已件,将在公司的下一代开发组经被Contribute和FlashPaper增强功件Studio8中被取消。能所代替,通过这两个软件可以Macromedia公司的主管人更好地完成我们客户所需要的典员解释说,这项决定是“在广型设计工作流程。”泛的调查客户意见”基础上做今年8月24日,Adobe和出的,而不是因为今年4月,Macromedia的股东大会将投票表Adobe宣布将用34亿美金收购决全体股东的提议。…