摘要。基于代码的密码学的安全性通常依赖于汉明权重的综合征解码 (SD) 问题的难度。最好的通用算法都是 Prange 旧算法的改进,它们被称为信息集解码 (ISD) 算法。这项工作旨在通过改变 SD 的底层权重函数和字母表大小来扩展 ISD 算法的范围。更准确地说,我们展示了如何在 ISD 框架中使用 Wagner 算法来解决各种权重函数的 SD。我们还计算了 ISD 算法的渐近复杂度,包括经典和量子情况。然后,我们将结果应用于目前备受关注的李度量。通过提供解码似乎最难的李权重的 SD 参数,我们的研究可以有多种应用,用于设计基于代码的密码系统及其安全性分析,尤其是针对量子对手。
后量子密码学的主要候选方案之一是基于编码理论的,更详细地说,它的安全性基于解码随机线性码的 NP 完全问题。基于代码的密码学最早出现在 1978 年 McEliece 的开创性工作中。解决这个 NP 完全问题并从而解码随机码的最快算法是信息集解码。这些算法的输入大小成本呈指数增长。因此,它们不被视为对基于代码的密码系统的攻击,而是用作确定实现给定安全级别所需公钥大小的工具。基于代码的密码学的主要缺点是其公钥大小巨大。许多研究人员试图通过提出不同的代码系列作为密钥来解决这个问题。最近,社区将重点转向了不同的方向:改变代码的底层度量。事实上,基于秩度量的密码系统可以实现非常小的密钥大小。在论文的这一部分,我们遵循了基于代码的加密的新路径,并在李度量中提供了不同的信息集解码算法。李度量非常有前景,因为它可以纠正比汉明度量更多的错误,事实上,我们的理论比较证实了密钥大小将大幅减少。
BFS 塞尔特斯贝格生物医学研究中心 GCSC/GGK 国际文化研究中心/吉森人文研究生院 GGL 国际吉森生命科学研究生院 GGN 吉森自然科学和心理学研究生中心 GGS 吉森社会科学、商业、经济和法律研究生中心 ECCPS 心肺系统卓越集群 IFZ 生物系统、土地利用和营养研究中心 GiZo 吉森东欧研究中心 ZEU 国际发展和环境研究中心 ZMI 媒体与互动中心 ZfL 教师培训中心 ZOK 能力发展中心 ZfM/LaMa 材料研究中心
甘 迪,黄 辉,李承智,等 .脑机接口对义指精细动作控制的研究进展 [ J ] .中国临床医学 , 2025, 32(1): 114-119.GAN D, HUANG H, LI C Z, et al.Advances in research on fine motion control of prosthesis fingers with brain-computer interface [ J ] .Chin J Clin Med, 2025, 32(1): 114-119.DOI: 10.12025/j.issn.1008-6358.2025.20241119
摘要 目的 评估不同类型血脂异常个体罹患2型糖尿病(T2DM)的风险,并比较不同血脂参数对T2DM的预测价值。 方法 对中国健康与养老纵向研究(CHARLS)的数据进行二次分析。在基线调查(2011—2012年)中,共访谈17 708名45岁以上个体,采集11 847份血样。在两次随访调查(2013—2014年和2015—2016年)中确认T2DM的结果。通过Cox比例风险回归模型估计T2DM与血脂异常相关的HR和95%CI。通过受试者工作特征(ROC)曲线下面积(AUC)比较八个血脂参数的判别值。 结果 共7329名参与者纳入分析;在平均3.4年的随访期内,387名(5.28%)受试者新发糖尿病。与血脂正常者相比,高胆固醇血症、高甘油三酯血症及低高密度脂蛋白胆固醇(HDL-C)者的2型糖尿病风险显著升高(HR(95% CI)分别为1.48(1.11至1.96)、1.92(1.49至2.46)和1.67(1.35至2.07))。非HDL-C(0.685,95%CI 0.659~0.711)、甘油三酯(TG)(0.684,95%CI 0.658~0.710)、总胆固醇(TC)/HDL-C(0.685,95%CI 0.659~0.712)及TG/HDL-C(0.680,95%CI 0.654~0.706)的AUC均显著(p<0.005)大于其他脂质参数。结论中老年人高甘油三酯血症、高胆固醇血症及低HDL-C是罹患糖尿病的高危人群,非HDL-C、TG、TC/HDL及TG/HDL在预测2型糖尿病发病率方面优于其他脂质参数。
项目是图书馆的平台。在这里,我们与人们见面,分享我们的资源、我们的人和我们的地方的故事。儿童故事时间、暑期阅读项目和英语咖啡馆激发了人们对阅读的热爱和读写能力的重要性。我们通过信息和文化项目接触社区,例如小型企业发展、社区对话、读书讨论、音乐会、计算机课程和讲座,人们可以学习、娱乐并与新朋友互动。图书馆工作人员走进社区,在学校、成人生活设施、俱乐部、组织和低收入社区分享资源和信息。
引用本文: 于乃功, 谢秋生, 李洪政.基于点云处理的仿人机器人楼梯障碍物识别与剔除方法[J].北科大:工程科学学报 , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001 YU Naigong, XIE Qiusheng, LI Hongzheng.Obstacle recognition and elimination method for humanoid robots based on point cloud processing[J].Chinese Journal of Engineering , 2025, 47(2): 339-350. doi: 10.13374/j.issn2095-9389.2024.05.10.001
人工智能技术与工程应用 李秀全1 蒋红玲2 1 中国科技发展战略研究院科技预测与评估研究所,北京 100038 2 中国航天科技集团公司物联网技术应用研究所,北京 100094 摘要 ─ 人工智能(AI)经历了 60 年的发展,技术日趋成熟,正在走向广泛的应用和产业化。本文对人工智能技术与工程应用的内涵和演进进行了综述。本文对人工智能技术体系的四层框架进行了总结,以帮助读者了解人工智能家族。近年来,人工智能技术的工程应用取得了显著进展,例如在故障诊断、医学工程、石油工业和航空航天工业中的应用。通过介绍人工智能技术的最新进展,可以帮助工程和科学领域的研究人员了解如何应用人工智能技术解决各自研究领域的应用相关问题。索引术语─人工智能(AI)、工程应用、技术框架。一、引言 人工智能(AI)起源于计算机科学,现在已成为许多不同领域的快速发展的主题。人工智能这个术语最早是由 John McCarthy 等人在 1956 年的达特茅斯会议上提出的,最初受到图灵测试 [1] 的启发。由于 AI 最初是指创造“人形”机器,希望它具有像人类一样的感知和认知能力,并在复杂环境中采取行动。然而,智能的定义还比较模糊,人工智能还没有形成统一的定义。一般认为,人工智能是研究计算机模拟人类某些智能行为(如感知、学习、推理、交流、行动等)的过程的学科。[2, 3]。事实上,由于技术的限制,上述总体目标还远未实现。目前,人工智能的目标主要集中于训练机器去做人类可以做的事情,甚至
摘要 目的 本研究旨在评估体质指数 (BMI) 和体脂百分比 (BFP) 是否可用于预测妊娠期糖尿病 (GDM) 患者的妊娠结局。设计回顾性队列研究。地点温州医科大学附属第二医院(中国浙江省)。临床数据通过电子病历收集。参与者回顾性分析了 2019 年 1 月至 2021 年 12 月期间温州医科大学附属第二医院收治的 683 名 GDM 患者的数据。结果测量妊娠结局。结果结果显示,BFP ≥33% 的孕妇更容易出现羊水量异常、血压异常和贫血(p<0.05)。此外,这些患者更容易出现产后出血和巨大儿,以及与分娩时剖宫产相关的危险因素(p<0.05)。 BMI 对血压异常(OR 1.170;95% CI 1.090 至 1.275)、贫血(OR 1.073;95% CI 1.016 至 1.134)、剖腹产(OR 1.150;95% CI 1.096 至 1.208)和巨大儿(OR 1.169;95% CI 1.063 至 1.285)具有很强的预测价值。此外,分类的 BFP 对羊水量异常(OR 3.196;95% CI 1.294 至 7.894)、血压异常(OR 2.321;95% CI 1.186 至 4.545)、贫血(OR 1.817;95% CI 1.216 至 2.714)和剖宫产(OR 1.734;95% CI 1.270 至 2.367)具有预测价值。结论结果表明,BFP ≥33% 的 GDM 患者更容易出现不良妊娠结局、接受剖宫产和患巨大儿。BMI 和分类的 BFP 相结合可以更好地预测 GDM 患者在妊娠中晚期的血压异常和剖宫产。
ZQ ( 钱增强 ), Zhao P ( 赵鹏 ), Zhu J ( 祝娟 ), Yang YX ( 杨一 欣 ), Yan XH ( 阎晓昊 ), Li YJ ( 李银军 ), Zhao GF ( 赵桂仿 ) (2014) A review on studies of speciation in the presence of gene flow: evolution of reproductive isolation.Biodiversity Science ( 生物多样性 ), 22 , 88–96.(in Chinese with English abstract) Liu TY ( 刘铁燕 ), Chen MS ( 陈明生 ) (2014) Genome evolu-
