搜索结果: 1-15 共查到“计算机科学技术 网络”相关记录6080条 . 查询时间(0.485 秒)
中国石油集团召开网络安全与信息化工作领导小组会议
中国石油 网络安全 信息化
2024/4/11
2024年4月3日,集团公司召开网络安全与信息化工作领导小组会议,听取“数智中国石油”总体规划及集团公司2023年信息化工作进展汇报,安排部署2024年重点工作。董事长、党组书记、网络安全与信息化工作领导小组组长戴厚良主持并强调,要学深悟透习近平总书记关于网络强国的重要思想,开拓创新、迎难而上,切实肩负起新时代网信工作的使命任务,奋力开创“数智中国石油”建设新局面。
金陵石化建成网络安全和信息化水平双A级企业
A级企业 金陵石化 网络安全
2024/3/14
近日,集团公司发布2023年网络安全和信息化水平评价结果,金陵石化从130余家参评企业中脱颖而出,获评网络安全和信息化水平评价双A级企业。
河北省网络感知大数据工程研究中心介绍(图)
河北省 网络感知 大数据
2024/3/8
网络感知大数据工程研究中心以服务战略性新兴产业发展为目标,力求在深化产学研合作,加强科学研究,高层次人才培养,促进成果转化,推进工程研究各成果的转化,提升产业创新能力、促进区域经济发展做出贡献。在建设期内将围绕三大研究方向开展关键技术研究:方向一,面向行为识别的网络感知数据采集、分析技术;方向二,基于无线传感网络的数据获取、传输与挖掘技术;方向三,多源数据交换共享融合与可视化技术。
浙江越秀外国语学院网络传播学院
浙江越秀外国语学院网络传播学院 网络传播 高等教育
2024/3/5
浙江越秀外国语学院网络传播学院成立于2011年3月28日,由国务院新闻办公室中国互联网新闻中心与浙江越秀外国语学院联合举办,是中国互联网新闻中心在全国高校内最早设立的“中国互联网新闻信息管理人才培养基地”。2014年入选浙江省首批新闻传播人才培养部校共建单位,由中共绍兴市委宣传部与我校共建。
中国科学技术大学在生成对抗网络的模式崩溃机理研究取得重要突破(图)
对抗网络 模式崩溃机理 计算机网络
2024/2/25
基于IMOCS-BP神经网络的锂离子电池SOH估计
锂离子电池 健康状态 布谷鸟搜索算法 BP神经网络
2024/1/30
锂离子电池随着循环充放电次数的增长,其健康状态SOH(state-of-health)会随之发生一定程度的衰减。针对以上问题,设计了一种基于改进的多目标布谷鸟搜索IMOCS(improved multi-objective Cuckoo search)-BP神经网络的锂离子电池健康状态估计方法,在避免算法陷入局部最优的同时自适应改变布谷鸟搜索CS(Cuckoo search)算法更新概率和搜索步长...
中国科学院沈阳自动化所在无线网络端边协同调度方向研究中获进展(图)
无线网络 计算资源
2024/1/22
边缘计算技术是赋能工业控制等高实时、高可靠应用的关键支撑技术,通过将计算资源部署于终端设备附近,可为工业现场提供丰富的算力资源,有效降低任务传输和处理时延。然而,由于终端设备上承载的任务异构多样,而无线网络的通信资源严重受限,易导致任务迁移过程中的计算资源抢占和无线网络拥塞。
中国科学院低时延网络传输研究获进展
网络传输 移动计算
2024/1/22
中国科学院计算技术研究所研究员李振宇带领的国际合作团队对低时延网络传输开展研究。该研究在两个层面开展协同传输。首先,团队提出了多路径协同传输协议。移动终端通常可连接Wi-Fi、蜂窝网络等多种网络,存在多条传输路径。多路径传输的一大挑战在于路径传输质量存在差异,导致传输时延受限于慢路径。该研究提出了QoE感知的多路径传输调度机制,根据应用QoE需求,动态调整数据包分配和发送策略,以极少的冗余传输实现...
以网络文明交流互鉴推动构建网络空间命运共同体
网络文明 网络空间 命运共同体
2024/1/15
海洋遥感中卷积神经网络应用—海洋所发表AI海洋学文章(图)
神经网络应用 海洋遥感 观测
2024/1/4
2024年1月4日,中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构(CNN)在海洋遥感中的应用,研究成果在IEEE Geoscience and Remote Sensing Magazine(影响因子13.925)发表。过去40年里,遥感技术的不断发展极大地推动了海洋观测的进展,使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据,以解决基于这些数据的实际问题,已成为一项重大挑...
赵云泽等:“网感”:网络时代下媒介内容价值要素分析
网络时代 媒介内容 价值要素分析 网感
2023/12/28
一种基于随机权神经网络的类增量学习与记忆融合方法
连续学习 灾难性遗忘 随机权神经网络 再可塑性启发
2023/12/20
连续学习(Continual learning,CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks,ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结主义模型在学习新任务时会迅速地忘记旧任务。