XiaoMi-AI文件搜索系统
World File Search System分段
船舶建造技术监督规则 ...
1.1.1 定义。 行政部门是根据国际公约中的定义设立的行政部门。 RS 总部负责管理登记册和总部的各部门。 原型船是在登记册技术监督下建造的单体建造船舶或系列中的第一艘船舶。如果船舶在不同船厂按照相同设计建造，则每个船厂建造的第一艘船舶被视为原型船。 原型（首批批次）是登记册使用的一种材料或产品（批次），通过测试和检验来检查和确认其符合 RS 要求，并且如果在相关公司（制造商）生产，则可以用于预期用途。基座建造日期或船舶处于类似建造阶段的日期 _ 为适用 RS 规则以及 IMO 公约和规则（质量标准、技术标准、决议和通函）的目的，是指基座分段或分段（岛）或分段（岛）结构分别在造船泊位安装的日期（日、月、年），或可识别为特定船舶的建造开始和该船舶组装已开始的建造阶段，且该船舶至少包含 50 吨或所有结构材料估计质量的 1 % （以较小者为准）。对于
数字电网：未来的通信电网
摘要——为了支持间歇性太阳能和风能发电的高渗透率，许多地区正计划增加新的高容量输电线路。这些额外的输电线路加强了电网同步，但也会增加电网的短路容量，而且成本非常高。在高度互联的电网和可变的可再生能源发电的情况下，小规模的电网故障很容易引发连锁停电，导致大规模停电。我们引入了“数字电网”，其中大型同步电网被划分为较小的分段电网，这些分段电网通过多支路 IP 寻址 ACs/DC/ACs 转换器（称为数字电网路由器）异步连接。这些路由器相互通信并通过现有输电线路在分段电网之间输送电力，这些输电线路已被重新用作数字电网输电线路。数字电网可以接受高渗透率的可再生能源，防止连锁停电，容纳可识别的标记电流，记录这些交易并将电力作为商品进行交易。索引术语 — 智能电网、可再生能源、太阳能、AC/DC/AC 转换器、BTB、电力电子、输电线路、IP 地址
旋转空间站技术演示器
本文概述了旋转空间站大型技术演示器的设计。其目的有两个：获取有关大型旋转结构的行为、操作和控制的知识，为未来旋转空间站的设计提供参考；首次在地球轨道上模拟月球、火星、地球和其他太阳系的重力。该设计设想了一个桁架结构，形成一个圆形的开环，类似于一个巨大的呼啦圈。它摒弃了自行车车轮的方法，通过环的圆形结构而不是辐条和轮毂来解决旋转拉力。该环的临时总直径为 217 米，结构横截面积为 8 米。它以一系列角速度上下旋转以模拟不同的重力。微重力发生在静止时，地球重力发生在全速旋转时。低推力发动机提供旋转加速、旋转减速、姿态控制和驻留。光伏毯提供电力。六次发射可将整个技术演示器以存放的分段形式送入轨道，这些分段在地面控制下展开和组装。任务结束时，环将被拆除，其弯曲分段将转换为直梁，以供后续应用。关键词：技术演示器、旋转站、可展开结构、人造重力
引入新芽（使用阈值的区域输出的半自动化划分）：一种适应性的计算机视觉工具，用于生成3D分段
3D图像数据的可用性提高需要提高目前依赖手动标记的数字细分效率，尤其是在将结构分为多个组件时。自动化和半自动化的方法，例如深度学习和智能插值，但需要预先标记的数据，以及专门的硬件和软件。深度学习模型通常需要手动创建广泛的培训数据，尤其是对于复杂的多级分段。在这里，我们介绍了Sprout，这是一种新颖的，半自动化的计算机视觉方法，提供了时间效率且用户友好的管道，用于细分和分析图像数据。发芽基于指定的密度阈值和连接组件的侵蚀生成种子（代表对象的部分），以实现元素分离。种子生长以获得完全分类的分割。我们将Sprout的性能与智能插值的性能进行比较，并将其应用于不同的数据集，以证明此开源3D细分方法的实用性和多功能性。
在整个网络和环境支柱中推进零信任成熟度
据公开报道，一家美国零售公司在 2013 年因缺乏网络分段而遭遇了重大数据泄露。[1] 在数据泄露发生之前，网络犯罪分子设法获取了一家暖通空调 (HVAC) 公司的登录凭据，该公司已与这家零售公司的几家门店签约。这些门店已授予 HVAC 公司访问公司网络的权限，以监控能源和温度水平。然而，利用获得的登录凭据，网络犯罪分子成功地将恶意软件引入了公司的销售点系统，窃取了大约 4000 万张借记卡和信用卡的信息。虽然 HVAC 公司需要访问零售公司的网络才能履行其职责，但调查结果表明，该公司很可能能够通过实施网络分段和访问控制来缓解第三方对其支付系统的访问。[2]
信神经网络基于概率的 PWL Sigmoid 函数逼近
摘要 本文提出了一种基于各层神经元值统计分布概率的分段线性 (PWL) S 型函数逼近方法，仅使用加法电路即可提高网络识别精度。首先将 S 型函数划分为三个固定区域，然后根据神经元值分布概率将每个区域中的曲线分割为子区域，以减少逼近误差并提高识别精度。在Xilinx 的FPGA-XC7A200T上对MNIST和CIFAR-10数据集进行的实验表明,所提方法在DNN、CNN和CIFAR-10上分别达到了97.45%、98.42%和72.22%的识别准确率,比其他仅使用加法电路的近似方法分别提高了0.84%、0.57%和2.01%。关键词:S形函数、概率、神经网络、分段线性近似