XiaoMi-AI文件搜索系统
World File Search System源节点
出版信息 John, John Jacob, Arash Beiranvand 和 Paul Cuffe。“通过识别走廊对有向无环图中的节点进行聚类
摘要 — 本文提出了一种基于电网内现行功率流条件的节点聚类新方法。为此，首先，将网络的有功功率流状态建模为有向无环图。该有向图明确表示功率流向何处，这有助于监控和分析系统漏洞。有向无环图表示还可以轻松识别仅提供或吸收有功功率的总线：这些总线分别是纯源节点和纯汇节点。对系统中的每个节点应用迭代路径查找程序，以枚举供电的源节点和其将功率转发到的下游汇节点。然后应用新颖的聚类算法将共享同一组可达源节点和汇节点的节点分组在一起。首先提出这种新颖的聚类方法作为一种工具，通过更好地总结大型电网中的总功率流配置来提高控制室操作员的态势感知能力。所提出的方法应用于两个样本电网，并阐述了与河流系统的类比，将支流、分流和中央主流等概念应用于电网。
CS480/680：机器学习作业简介2
从现有的（基本）内核构造新内核的一种很酷的方法是通过图形。令G =（V，e）为有向的无环形图（DAG），其中V表示节点，E表示弧（有向边）。为方便起见，让我们假设有一个没有传入弧的源节点s，并且有一个没有传出弧的接收器节点t。我们将基础内核κe（即，一个函数κe：x×x→r）放在每个弧E =（u→v）∈E上。对于每条路径p =（U 0→U 1→···→U D）使用U I -1→U i是E中的弧，我们可以将路径P的核定义为沿路径的核的乘积：
锆石：基于零水印的数据的方法...
摘要。物联网（IoT）几乎将互联网和智能设备集成到家庭自动化，电子保健系统，车辆网络，工业控制和军事应用等域。在这些扇区中，从多个来源收集的感官数据，并通过多个节点进行管理，用于决策过程。确保数据完整性并跟踪数据出处是在如此高度动态的环境下的核心要求，因为数据出处是确保数据可信度的重要工具。由于物联网网络工作中的计算和能源有限，处理此类要求是具有挑战性的。这需要解决一些挑战，例如处理开销，安全出处，带宽消耗和存储效率。在本文中，我们提出了锆石，这是一种新型的零水印方法，以在物联网网络中建立端到端数据可信度。在锆石中，出处信息存储在通过水印的防篡改集中式网络数据库中，在传输前在源节点生成的水印。我们提供了广泛的安全性分析，显示了我们计划针对被动和主动攻击的弹性。我们还将我们的计划与基于绩效指标（例如计算时间，能源利用率和成本分析）的现有作品进行了比较。结果表明，与先前的艺术相比，锆石对几种攻击，轻量级，储存效果和能量利用和带宽消耗效果更好。
在车辆临时网络中的基于模糊的高效和面向区块链的安全路由
车辆临时网络（VANET）代表了无线传感器网络（WSN）的改进，其移动感官节点位于车辆内。车辆Adhoc网络在智能城市的应用中处于关键位置，因为车间通信被认为是维持城市技术效率必不可少的。尽管Vanet提供了好处，但它在智能城市应用程序的背景下遇到了许多挑战和缺点。这样的挑战与Vanet的安全和隐私原则有关。隐私和安全性作为与Vanet相关的主要问题，促使多个研究人员在过去十年中提出安全解决方案。目前的研究工作着重于提高服务质量（QoS）的提高数据通信的安全性水平。通过使用区块链技术以及将椭圆曲线加密功能与安全的哈希功能集成以保护从节点到移动控制单元（MCU）的数据通信来实现此安全性增强。此外，提出的研究工作通过采用神经模糊逻辑来识别从源节点到移动控制单元（MCU）的最佳路径，为移动节点和控制单元之间的数据提供了有效的路由机制。将提出的工作与现有的密码方法以及最新的路由路径优化算法，即粒子群优化（PSO），遗传算法（GA），模因算法（MA）（MA）和Honey Bee优化（HBO），以及在计算时间内交付，以确定其优势，即通过PARTIT和分组，并在计算时间内建立优势。