XiaoMi-AI文件搜索系统
World File Search System轻量级
使用转移学习和注意力的高级种族分类：实时指标，错误分析和可视化的轻量级学习
背景和目标：深度学习技巧极大地推动了面部图像的种族分类进步。尽管取得了这些进步，但许多现有方法依赖于复杂的模型，这些模型需要大量的计算成本并表现出缓慢的处理速度。本研究旨在通过利用转移学习以及结合了基于注意力的学习的改进的有效网络模型来介绍一种有效，强大的种族分类方法。方法：在这项研究中，有效的网络被用作基本模型，应用转移学习和注意机制来增强其在种族分类任务中的功效。有效NET的分类器组件在战略上进行了修改，以最大程度地减少参数计数，从而在不损害分类精度的情况下提高处理速度。为了解决数据集不平衡，我们实施了广泛的数据增强和随机的过采样技术。修改模型经过严格培训和在全面的数据集上进行了评估，并通过准确性，精度，召回和F1得分指标进行了评估。结果：修改后的有效网络模型表现出显着的分类精度，同时显着降低了UTK-FACE数据集的计算需求。具体来说，该模型的准确度为88.19％，反映了基本模型的增强2％。此外，它证明记忆消耗和参数计数减少了9-14％。此外，提出的方法增强了培训样本少约50％的班级测试准确性约5％。实时评估显示，处理速度的速度比基本模型快14％，并且达到了最高的F1得分结果，这强调了其对实际应用的有效性。结论：本研究提出了一个基于改进的有效网络体系结构的高效种族分类模型，该模型利用转移学习和基于注意力的学习来实现最先进的表现。所提出的方法不仅持有高精度，还可以确保快速处理速度，使其非常适合实时应用。调查结果表明，这种轻巧的模型可以有效地与更复杂和计算密集的最新方法相抗衡，从而为实践种族分类提供了宝贵的资产。
，Khalid，A，A，Imran，M和Abdusalomov，A（2024）保护IoT生态系统：ASIC基于ASIC的硬件轻量级密码。国际
摘要物联网（IoT）节点由收集环境数据的传感器组成，然后使用周围的节点和网关进行数据交换。网络安全攻击对任何物联网网络中正在传输的数据安全构成威胁。加密原始图被广泛采用以应对这些威胁；但是，实质性的计算要求限制了它们在物联网生态系统中的适用性。此外，每个物联网节点都随区域和吞吐量（TP）要求而变化，因此要求实现加密/解密过程。为了解决这些问题，这项工作通过采用环路折叠，循环独立且完全展开的体系结构来实现NIST轻巧的加密标准Ascon，Ascon，Ascon。完全展开的体系结构可以达到最高的TP，但以更高的面积利用为代价。通过较低的因素展开会导致较低的区域实施，从而探索了设计空间，以应对设计区域和TP性能之间的权衡。实施结果表明，对于环路折叠的结构，Ascon-128和Ascon-128a需要36.7k µm 2和38.5k µm 2芯片面积，而其全持续不经气的实施则需要277.1k µm 2和306.6k µm 2。拟议的实施策略可以调整回合的数量，以适应物联网生态系统的各种要求。还进行了具有开源45 nm PDK库的实现，以增强结果的概括和可重复性。
DEFAULT 的量子实现与分析
对称密码学的最新趋势是，其设计要么允许有效实施侧信道和故障攻击对策，要么提供一定程度的固有保护以抵御这些物理攻击媒介。这在轻量级密码学领域尤其重要，因为轻量级密码学旨在部署在嵌入式设备中，因此物理攻击是一种现实威胁。DEFAULT 是一种轻量级对称密码，其基本结构源自 GIFT [ 10 ]，由 Asiacrypt'21 [ 8 ] 提出，旨在提供针对差分故障分析 (DFA) [ 12 ] 的保护（另请参阅 [ 7 ，第 5.1 节]）。提供这种保护的主要设计特征是具有线性结构的 SBox，我们将其称为 LS SBox。结果表明，无论攻击者在这种 SBox 的输入端注入多少故障，都无法准确确定输入值。 DEFAULT 的 DFA 安全性为 264 ，通常，使用相同构造，对于 n 位密码，安全性为 2 n/ 2 。量子计算的出现对密码学构成了强大的威胁。Shor 算法将密钥搜索空间复杂度降低到多项式时间，这尤其削弱了公钥算法的安全性 [32]。已有许多研究工作致力于探索公钥密码对抗量子对手的适用性，例如 [19]。通常，对称密码在量子攻击方面具有更高的安全性，Grover 算法能够通过 2 n/ 2 次查询执行完整密钥搜索。人们可能会注意到，对称密钥密码的量子安全性在设计时并未得到适当分析（基本上，量子安全性是设计者理所当然的）。例如，轻量级密码不仅在经典电路中消耗更少的资源，而且也适用于量子电路。因此，轻量级的
增强结构电池性能
系统的能量比可以显着影响性能[1-3]。 碳纤维（CFS）在实现结构电池的潜力方面起着核心作用。 以其出色的特性而闻名，包括轻量级，高强度和刚度与重量比以及良好的电导率，CFS是这项创新技术的关键推动力。 通过用作储能的结构组件和导电途径，CFS可以实现结构电池的目标[1]。 但是，结构电池目前面临与其正电极成分相关的约束。 要开发完全依赖于CF的电池，必须在正电极上的CF施加活性材料。 这需要每个单独的纤维的全包涂层，优化轻量级CFS并启用系统的能量比可以显着影响性能[1-3]。碳纤维（CFS）在实现结构电池的潜力方面起着核心作用。以其出色的特性而闻名，包括轻量级，高强度和刚度与重量比以及良好的电导率，CFS是这项创新技术的关键推动力。通过用作储能的结构组件和导电途径，CFS可以实现结构电池的目标[1]。但是，结构电池目前面临与其正电极成分相关的约束。要开发完全依赖于CF的电池，必须在正电极上的CF施加活性材料。这需要每个单独的纤维的全包涂层，优化轻量级CFS并启用
基于轻量级深度学习的微波脑图像网络模型，利用重建的微波脑 (RMB) 图像进行脑肿瘤分类
1 马来西亚国立大学工程与建筑环境学院电气、电子与系统工程系先进电子与通信工程中心，万宜 43600，马来西亚 2 达卡工程技术大学计算机科学与工程系，加济布尔，加济布尔 1707，孟加拉国 3 马来西亚理工大学无线通信中心，士古来 81310，马来西亚 4 卡塔尔大学电气工程系，多哈 2713，卡塔尔 5 马来西亚国立大学 (UKM) IR4.0 研究所，万宜 43600，马来西亚 6 卡塔尔大学土木与建筑工程系，多哈 2713，卡塔尔tariqul@ukm.edu.my （MTI）; mchowdhury@qu.edu.qa (MEHC)
通过使用新型轻量级动态优先级控制器，减少商业建筑暖通空调和制冷系统的峰值负荷并进行负荷整形
* 本稿件由 UT-Battelle, LLC 撰写，根据与美国能源部 (DOE) 签订的合同 DE-AC05-00OR22725。美国政府保留，出版商在接受发表本文时，承认美国政府保留非独占、已付费、不可撤销的全球许可，可以出于美国政府目的出版或复制本稿件的已出版形式，或允许他人这样做。DOE 将根据 DOE 公共访问计划 ( http://energy.gov/downloads/doe-public-access-plan ) 向公众提供这些联邦资助研究的结果。