椭圆曲线密码VLSI实现的定时攻击与防护

针对一种基于特征GF(2m)域的椭圆曲线密码(ECC)VLSI实现进行定时攻击分析,结果表明采用DA(Double Add)算法的ECC实现,可能泄漏密钥的汉明重量和其他电路秘密信息.在此基础上,利用统计分析提出一种引入随机延时来掩蔽时间特征的防护方法.攻击试验结果表明,该方法能够以4个有限域模乘运算模块的代价有效地增强ECC实现的抗定时攻击性.     

普通城门洞形无压隧洞临界水深近似计算

通过对临界流基本方程进行恒等变换,得到临界水深的无量纲方程,再依据逐次优化拟合方法,提出新的近似计算公式。计算结果表明,临界水深计算值的最大相对误差,完全满足工程精度要求。     

多小区大规模阵列天线系统盲解码算法

针对多小区大规模阵列天线系统中干扰小区的导频复用造成的导频污染和解码性能下降问题,提出了基于ICA（独立分量分析）盲解码算法。所提盲解码算法,利用ICA法对接收多小区用户信号进行分离解码,不需要发射导频序列,避免了导频污染,提高了解码性能。所提盲解码算法在解码过程中同时估计各个用户波达方向,利用波达方向信息克服ICA方法分离顺序的不确定性,识别期望用户的信号。理论分析和仿真结果表明,所提盲解码方法比广泛应用的MMSE解码算法和最近提出的基于特征值的盲解码方法具有更好的性能。     

融合RoBERTa-GCN-Attention的隐喻识别与情感分类模型

在隐喻识别与隐喻情感分类任务的联合研究中,现有多任务学习模型存在对隐喻语料中的上下文语义信息和句法结构信息提取不够准确,并且缺乏对粗细两种粒度信息同时捕捉的问题.针对第1个问题,首先改进了传统的RoBERTa模型,在原有的自注意力机制中引入上下文信息,以此提取上下文中重要的隐喻语义特征;其次在句法依存树上使用图卷积网络提取隐喻句中的句法结构信息.针对第2个问题,使用双层注意力机制,分别聚焦于单词和句子层面中对隐喻识别和情感分类有贡献的特征信息.在两类任务6个数据集上的对比实验结果表明,该模型相比基线模型性能均有提升.     

凸轮机构中凸轮廓线设计的新方法

为确保从动件输出端的准确运动规律、减少高速运动时的冲击,建立凸轮机构的动力学系统模型和相应方程,导出从动件输出端的运动规律下凸轮与从动件接触处的运动规律,以此为依据设计了凸轮轮廓曲线,并讨论了机构工作频率对凸轮廓线的影响,为设计高速凸轮机构提供了可靠的依据。     

济宁三号煤矿选煤厂原煤生产系统除尘降噪实践

济宁三号煤矿选煤厂通过对"选煤厂原煤生产系统除尘降噪技术研究"课题进行理论研究、现场测试、工程实施等,有效地解决了选煤厂原煤生产系统噪声问题,同时降低了粉尘污染,取得了良好的治理效果。     

合理使用酸性蛋白酶降低玉米普通白酒杂醇油含量

以玉米为原料,玉米秸为辅料,糖化酶为糖化剂生产的普通白酒杂醇油含量偏高。入池时按10u/g原料添加酸性蛋白酶能降低杂醇油含量19.1%～24.7%,提高出酒率2个百分点,并能改善风味。过量使用酸性蛋白酶反而促使杂醇油含量增加。     

稀疏标记下双结构约束脑血管分割网络

针对基于深度学习的脑血管分割方法难以在稀疏标记下分割出具有良好连通性的脑血管的问题,提出一种包括编解码和结构注意力模块的双结构约束脑血管分割网络.首先利用提取出的矢状特征与冠状特征构建剖面注意力;然后通过与通道注意力组合建立结构注意力机制,从网络层面建立脑血管结构约束;最后引入均衡系数改进中心线Dice损失函数并与Dice损失函数叠加,保留血管结构的连通性,从拓扑结构层面建立脑血管结构约束.在TubeTK数据集上的实验结果表明,与4种注意力网络相比,所提方法的Dice相似系数提升4.58%～6.86%,交并比提升5.07%～7.47%,中心线Dice提升3.26%～5.40%.     

基于BERT与注意力机制的方面级隐式情感分析模型

在方面级情感文本中存在部分不含情感词的评论句，对其情感的研究被称为方面级隐式情感分析.现有分析模型在预训练过程中可能会丢失与方面词相关的上下文信息，并且不能准确提取上下文中深层特征.本文首先构造了方面词感知BERT预训练模型，通过将方面词引入到基础BERT的输入嵌入结构中，生成与方面词信息相关的词向量；然后构造了语境感知注意力机制，对由编码层得到的深层隐藏向量，将其中的语义和句法信息引入到注意力权重计算过程，使注意力机制能更加准确地分配权重到与方面词相关的上下文.对比实验结果表明，本文模型的效果优于基线模型.     

基于注意力与双通道网络的方面级情感分析

针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性,且大多数研究中使用的图卷积仅考虑信息自上而下的传播,忽略了信息自下而上的聚合等问题,本文提出了基于注意力与双通道网络的情感分析模型.该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵,使用双通道网络结合全局句法与语义关联信息,双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征.通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用,然后通过平均池化完成通道内的任务.最后将基于语义与基于结构的决策融合得到最终的情感分类特征.实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升.