新葡京娱乐场-大陆娱乐场开户注册

主要研究APT 網(wǎng)絡攻擊全鏈條的通用表征和威脅模型， 實現(xiàn)攻擊的全鏈條威脅分析；研究跨平臺內(nèi)核數(shù)據(jù)實時可信 采集方法，探索基于去噪和去冗技術(shù)的高效數(shù)據(jù)解析、基于 語義恢復技術(shù)的關(guān)鍵字段填充；研究多源異構(gòu)內(nèi)核數(shù)據(jù)的重 構(gòu)方法；研究保持全局依賴的數(shù)據(jù)壓縮方法，實現(xiàn)實時、高 效、普適的數(shù)據(jù)壓縮；研究面向APT網(wǎng)絡攻擊全鏈條的智能 檢測框架，實現(xiàn)對攻擊的全鏈條高效檢測；研究APT網(wǎng)絡攻 擊的演化模式，實現(xiàn)APT網(wǎng)絡攻擊的可解釋溯源分析。

成果描述：本發(fā)明提供了一種高速列車輪對的建模方法，涉及高速列車的數(shù)字化設計與制造技術(shù)領(lǐng)域。模型的信息集成和管理對縮短響應市場時間、提高設計效率是企業(yè)希望解決的問題。通過對所述各元參數(shù)的分析和提取，構(gòu)建高速列車輪對的各元參數(shù)設計模型；利用矢量陣列對高速列車輪對的各元參數(shù)設計模型進行描述，包括以下四個步驟：各元參數(shù)初始化、各元參數(shù)數(shù)組序列化、關(guān)系元參數(shù)轉(zhuǎn)化為關(guān)系矩陣、環(huán)狀多邊形矢量陣列描述：結(jié)合高速列車輪對的各元參數(shù)設計模型的矢量化和陣列化描述，采用環(huán)狀多邊形數(shù)據(jù)結(jié)構(gòu)構(gòu)造高速列車輪對的矢量陣列；層級對象之間通過關(guān)系元參數(shù)將各個環(huán)狀多邊形矢量陣列形成高速列車輪對的矢量陣列描述。主要用于高速列車設計的建模。市場前景分析：高速列車技術(shù)領(lǐng)域。與同類成果相比的優(yōu)勢分析：技術(shù)先進，性價比較高。

面對疫情，北京航空航天大學機械工程及自動化學院先進數(shù)控和智能制造團隊劉強教授、肖文磊副教授等一批教師和研究生自發(fā)組成“大數(shù)據(jù)建模分析工作群”，開始收集疫情數(shù)據(jù)，交流和討論建模方法。劉強、肖文磊又與工作群中的孫鵬鵬、王柳權(quán)、臧辰鑫、朱三穎、高連生等人，組成了“2019-nCoV疫情建模分析應急響應研究小組”核心攻關(guān)組，全力以赴開展本次疫情建模仿真和預測分析研究工作。疫情建模分析應急響應小組的研究工作是在2003年郇極教授提出的“一種基于自動控制理論的SARS傳染預測模型”的基礎之上，結(jié)合此次新冠疫情原發(fā)地高度集中、恰逢春節(jié)期間人口流動的特點，采用控制論原理和大數(shù)據(jù)分析方法建立功能更全面的2019-nCoV動態(tài)感染過程模型。劉強教授團隊對北京、上海、重慶、溫州、長沙、鄭州、成都、杭州、深圳等40余個城市的疫情數(shù)據(jù)發(fā)展趨勢進行了動態(tài)仿真分析。基于分析結(jié)果，應急響應小組直接向上級部門提交疫情關(guān)鍵數(shù)據(jù)預測報告2份，直接向中國疾控中心提供預測分析數(shù)據(jù)及報告2份，向上級提出北京延期恢復正常上班的緊急建議1份，為高層疫情防控決策提供了及時有效的技術(shù)數(shù)據(jù)支持。

針對油品調(diào)合過程中的關(guān)鍵質(zhì)量指標辛烷值（馬達法和研究法）和雷德蒸汽壓等調(diào)合規(guī)律的非線性，建立了預測準確，結(jié)構(gòu)簡潔的智能調(diào)合模型。由于實際工業(yè)生產(chǎn)過程中存在的干擾因素很多，調(diào)合模型輸出值與成品油屬性在線分析儀的檢測值不可避免地要產(chǎn)生一定的偏差，為此開發(fā)了汽油調(diào)合模型的在線優(yōu)化校正技術(shù)，使調(diào)合模型適應工業(yè)過程操作特性的變化和生產(chǎn)工況的遷移。在建立的調(diào)合模型基礎上，開發(fā)了離線和在線優(yōu)化技術(shù)。離線優(yōu)化技術(shù)不需要企業(yè)進行管道改造和安裝在線分析儀，可在一定范圍內(nèi)提高調(diào)合的成功率和降低調(diào)合成本。在線調(diào)合模式基于離線模式，可動態(tài)更新和優(yōu)化調(diào)合配方，從而能夠進一步提高調(diào)合成功率，降低調(diào)合成本，減少質(zhì)量過剩。開發(fā)的優(yōu)化技術(shù)還考慮了多種可能的現(xiàn)場生產(chǎn)模式：例如：管道調(diào)合，罐式調(diào)合，罐底油補償模式等。已汽油調(diào)合軟件ECUST_BLEND工作。成品汽油調(diào)合過程的建模、模擬與離線優(yōu)化技術(shù)已經(jīng)成功在金陵石化完成現(xiàn)場應用。其中汽油辛烷值調(diào)合效應模型，將汽油調(diào)合過程中組分油表現(xiàn)的非線性效應定量的描述出來，進而準確的對成品汽油的關(guān)鍵指標辛烷值作出預測，與傳統(tǒng)的乙基模型對比表明所建模型精度提高了約1%。在調(diào)合模型基礎上開發(fā)的離線優(yōu)化技術(shù)，結(jié)合了成品油生產(chǎn)現(xiàn)場的特點，能夠有效的考慮罐底油、直調(diào)組分、錳劑添加量、以及庫存約束等現(xiàn)場情況。在實際應用過程中，所完成的汽油調(diào)合工作全部一次達到國III標準。通過與傳統(tǒng)的手調(diào)方式進行比較，優(yōu)化后配方提高了一次汽油調(diào)合的成功率，穩(wěn)定了汽油生產(chǎn)過程，并且降低了調(diào)合成本與質(zhì)量過剩：質(zhì)量過剩穩(wěn)定在0.?以內(nèi)，且研究法辛烷值在93.5-4.1之間波動。僅以離線優(yōu)化為例，通過成本核算，每年的調(diào)合成本可減少1275萬元左右。

針對油品調(diào)合過程中的關(guān)鍵質(zhì)量指標辛烷值 (馬達法和研究法) 和雷德蒸汽壓等調(diào)合規(guī)律 的非線性，建立了預測準確、結(jié)構(gòu)簡潔的智能調(diào)合模型。由于實際工業(yè)生產(chǎn)過程中存在的干擾 因素很多，調(diào)合模型輸出值與成品油屬性在線分析儀的檢測值不可避免地要產(chǎn)生一定的偏差， 為此開發(fā)了汽油調(diào)合模型的在線優(yōu)化校正技術(shù)，使調(diào)合模型適應工業(yè)過程操作特性的變化和生 產(chǎn)工況的遷移。在建立的調(diào)合模型基礎上，開發(fā)了離線和在線優(yōu)化技術(shù)。離線優(yōu)化技術(shù)不需要 企業(yè)進行管道改造和安裝在線分析儀，可在一定范圍內(nèi)提高調(diào)合的成功率和降低調(diào)合成本。在 線調(diào)合模式基于離線模式，可動態(tài)更新和優(yōu)化調(diào)合配方，從而能夠進一步提高調(diào)合成功率，降 低調(diào)合成本，減少質(zhì)量過剩。開發(fā)的優(yōu)化技術(shù)還考慮了多種可能的現(xiàn)場生產(chǎn)模式。例如：管道 調(diào)合，罐式調(diào)合，罐底油補償模式等。已汽油調(diào)合軟件ECUST_BLEND工作。 成品汽油調(diào)合過程的建模、模擬與離線優(yōu)化技術(shù)已經(jīng)成功在金陵石化完成現(xiàn)場應用。其中 汽油辛烷值調(diào)合效應模型，將汽油調(diào)合過程中組分油表現(xiàn)的非線性效應定量的描述出來，進而 準確的對成品汽油的關(guān)鍵指標辛烷值作出預測，與傳統(tǒng)的乙基模型對比表明所建模型精度提高 了約5%。在調(diào)合模型基礎上開發(fā)的離線優(yōu)化技術(shù)，結(jié)合了成品油生產(chǎn)現(xiàn)場的特點，能夠有效 的考慮罐底油、直調(diào)組分、錳劑添加量、以及庫存約束等現(xiàn)場情況。在實際應用過程中，所完 成的汽油調(diào)合工作全部一次達到國III標準。通過與傳統(tǒng)的手調(diào)方式進行比較，優(yōu)化后配方提 高了一次汽油調(diào)合的成功率，穩(wěn)定了汽油生產(chǎn)過程，并且降低了調(diào)合成本與質(zhì)量過剩，質(zhì)量過 剩穩(wěn)定在0.1以內(nèi)，且研究法辛烷值在93.5-4.1之間波動。僅以離線優(yōu)化為例，通過成本核算， 每年的調(diào)合成本可減少1275萬元左右。

近日，南科大“人流大數(shù)據(jù)和AI驅(qū)動的新型冠狀病毒（COVID-19）傳播建模預測和模擬推演平臺”內(nèi)測版本正式推出（下簡稱“推演平臺”）。該平臺可實現(xiàn)在城市尺度上，基于人流移動的新型冠狀病毒傳播感染情況的細粒度預測和模擬，為有關(guān)部門制定不同的隔離和公共防疫政策（如封閉特定城市區(qū)域或道路）提供參考。新型冠狀病毒的感染傳播與人流移動存在密不可分的關(guān)聯(lián)。現(xiàn)階段的多數(shù)研究只停留在簡單的相關(guān)性分析以及基于全國地圖的數(shù)據(jù)可視化階段，缺乏在城市尺度上、針對人流移動的細粒度深度分析，更缺乏基于人流移動的傳播模擬推演模型以及潛在感染源和風險區(qū)域的挖掘模型。隨著復工潮的來臨，戰(zhàn)“疫”面臨新的挑戰(zhàn)。南方科技大學科研部、工學院、計算機科學與工程系（下簡稱“計算機系”）和南方科技大學-東京大學超智慧城市聯(lián)合研究中心緊急組織科研力量，成立“新型冠狀病毒傳播建模預測項目組”，由計算機系副教授宋軒擔任負責人，迅速啟動針對新型冠狀病毒傳播感染的“大數(shù)據(jù)分析和AI建模推演平臺”研發(fā)工作。該平臺是一個針對新型冠狀病毒傳播的大數(shù)據(jù)分析和AI建模平臺（如圖1），其中預測和模擬推演模型完全由數(shù)據(jù)驅(qū)動，需要使用人流大數(shù)據(jù)進行訓練和優(yōu)化。數(shù)據(jù)擁有單位只要將人流大數(shù)據(jù)輸入平臺，平臺即可以自動完成模型迭代訓練，并輸出相關(guān)的預測和模擬推演的可視化結(jié)果。其預測和模擬推演的精度由模型訓練數(shù)據(jù)的質(zhì)量、精細度和覆蓋度決定。平臺后續(xù)期待更多單位（如GPS軌跡數(shù)據(jù)、CDR數(shù)據(jù)等人流大數(shù)據(jù)擁有單位）參與進來，共同完善該平臺。推演平臺通過整合、處理和分析各類多模態(tài)人流移動和出行大數(shù)據(jù)，結(jié)合新一代的人工智能技術(shù)，完成對新型冠狀病毒的傳播和感染人群細粒度建模，從而實現(xiàn)在城市區(qū)域內(nèi)細粒度預測、模擬和動態(tài)推演傳播感染情況。平臺可實現(xiàn)的基本功能主要有以下幾個方面：一是建立新型冠狀病毒和人流移動的映射模型，包括傳染概率確定/潛伏期分析/傳染代數(shù)分析等；二是分析隱藏病患，由于疾病傳播為鏈式，可以根據(jù)缺失軌跡鏈反推出尚未確診的疑似病患；三是分析風險人群，可根據(jù)病患軌跡尋找可能有接觸的風險人群，提前預警；四是挖掘潛在病原地，分析病人間的軌跡交叉點確認潛在的未知病原地（如圖3）。在以上功能基礎上，平臺可以實現(xiàn)設定不同的公共防疫政策（如封閉城市內(nèi)的高風險感染區(qū)域），在城市尺度上，動態(tài)推演和模擬在這些政策下的城市傳播感染情況，從而幫助相關(guān)部門制定更為高效的隔離和公共防疫政策（如圖4）。

高精度物理建模和成像計算技術(shù)是一直是計算機圖形學、計算機動畫、科 學計算可視化、計算機輔助幾何設計等領(lǐng)域的研究熱點，近年來廣泛應用在虛 擬現(xiàn)實、數(shù)字影視游戲、數(shù)字醫(yī)療與康復、仿生工程以及三維打印等領(lǐng)域。 本項目針對上述應用領(lǐng)域需求，開展以下幾個方面的內(nèi)容研究： 1）基于中間復形曲面的復雜形狀逼近理論和方法； 2）基于代數(shù)曲面的高精度碰撞檢測和距離計算； 3）基于中間復形網(wǎng)格的變形計算方法； 4）復雜拓撲物體受力分析、物體結(jié)構(gòu)加固方法； 5）復雜拓撲形狀的高精度繪制算法。 本項目旨在通過對上述內(nèi)容的研究，為開發(fā)高度真實的三維虛擬手術(shù)模擬 系統(tǒng)、人體器官或軟組織的高精度三維打印以及仿生裝置的加工制造系統(tǒng)提供 51 理論和技術(shù)支持，以提升我國在上述領(lǐng)域的創(chuàng)新設計能力和國際競爭力。 本項目獲得國家自然科學基金重點項目資助，項目執(zhí)行期 2014.1-2018.12。

成果簡介：本成果面向具體企業(yè)，根據(jù)其特定需求定制Pro/E，為用戶提供具有自定義功能的數(shù)字化設計工具和方法，解決了Pro/E作為通用軟件的低效率問題。該系統(tǒng)以基于網(wǎng)絡的設計思想為指導，以服務器端的Oracle等數(shù)據(jù)庫系統(tǒng)為統(tǒng)一數(shù)據(jù)源，實現(xiàn)了包括“特征建模”、“標準件設計”、“典型結(jié)構(gòu)件設計”、“裝配建模”、“屬性管理”、“修改標記”、“模型重構(gòu)”等分模塊。開發(fā)了可擴展的開放性常用特征庫、典型零件庫、標準件庫以及相應的設計和庫管理界面。用戶可以結(jié)合具體情況，利用友好的界面建立、填充和修改這些數(shù)據(jù)庫。

基于PEEC模型的高效多層建模計算方法 Litz Wire通常用于無線電能傳輸，電力電子轉(zhuǎn)化器等場合來減少其高頻渦流損耗。Litz Wire的復雜結(jié)構(gòu)導致許多商用電磁仿真軟件在計算時效率不高。目前比較流行的Litz Wire計算工具包是MIT研發(fā)的Fastlitz，相對電磁仿真軟件可以大幅提高計算效率，但是對于結(jié)構(gòu)復雜的Litz Wire效果仍然不好。課題組提出的一種全新的網(wǎng)格劃分方法

本發(fā)明公開了一種面向視頻編碼的背景建模方法，通過在圖像塊的基礎上選擇性地進行局部背景建 模、局部背景更新、局部多重背景保持，以克服現(xiàn)有以幀為單位的背景建模方法中存在的背景更新的最 佳時機難以確定、特定情況下背景建模困難、對周期性背景建模效率低下等問題，從而降低背景建模的 開銷，提高背景模型的預測質(zhì)量，最終提高視頻編碼的總體壓縮效率。