罗伯特技术屋

对此,突破了电力传输设备与网络管理平台的技术瓶颈,研发出适用于电力2M波分系统的自主可控网络管理平台,具备电力传输设备资源管理、监视管理、性能管理、拓扑管理等运维功能,实现了电力新型业务拓展,保障了电力设备资源的灵活调度,进一步提升网络的运维效率。支持告警查询、告警关注、告警屏蔽、告警维护经验、告警声音提示、告警确认、告警定位、手工清除告警、告警导出等功能。以及网格线设置、选中、漫游、放大镜、放大、缩小、缩放重置、缩放预览、全屏、退出全屏、排列、布局、导出图片、导出。微软研究应用于数据中心的白盒交换机。

通过梳理了数字政府和智慧城市的建设历程及发展现状,在系统性分析二者在建设目标、主体、内容等方面存在的共性差异的基础上,提出数字政府与智慧城市协同建设的“八横四纵”整体架构,并围绕框架阐述协同建设的重点内容,最后在此基础上提出协同建设的策略建议。在打通政府数据壁垒的基础上建设融合企业、民众多方数据资源体系的数据平台是促进政、企、民高效互动的基础。围绕城管、应急、教育、医疗、文旅、生态等业务主体形成多中心业务系统。包括基础设施、数据资源、共性支撑、业务协同、数字资源管理、智慧应用、大脑和统一门户在内的。

中华人民共和国密码法》(简称《密码法》)的颁布和实施,对信息系统密码应用提出了规范化要求和密评的规定,因此基础电信企业需要提高密码应用水平并对建设和运维的信息系统实施密评。从标准制定、人才培养、平台研发、能力建设和技术研究等方面给出了后续开展密码应用及密评工作的建议。了解基础电信企业业务和运作流程特点的测评人员能够更快、更有效地发现商用密码在电信行业信息系统应用中存在的问题。基础电信企业身处其中。然后从标准制定、人才培养、平台研发、能力建设和技术研究等方面给出了后续开展密码应用及密评工作的建议。

我国《关于加强互联网信息服务算法综合治理的指导意见》《互联网信息服务算法推荐管理规定》等针对加强互联网信息服务算法安全治理、规范算法推荐活动等确立了算法治理原则、对象、工具等。基础理论、伦理问题、数据隐私、算法稳定性、可解释性、公平性、可问责性等技术研究和治理工具实践。从正当性、人的监督、技术可靠性和安全性、公平性和多样性、问责和及时修正、数据安全与隐私保护。算法和系统安全稳定性、透明度和可解释性、公平性等的重要途径。提出和谐友好、公平公正、包容共享、尊重隐私、安全可控、共担责任、开放协作、敏捷治理。

加息缩表对我国制造业重点领域产生严重溢出效应,表现为受国际贸易萎缩影响,制造业对外贸易困难加大;受较高的对外依存度、需用进口产品的行业集中度低、大宗商品期货市场发展滞后、人民币国际化程度较低等因素影响。美联储本轮激进加息缩表通过国际贸易、资本流动、汇率等渠道对我国实体经济产生溢出效应。国际贸易需求萎缩、初级资源品的短缺、全球供应链受阻等问题将加剧制造业出口竞争。其中有色金属、铁矿石、小麦、棉花等部分农产品国际价格回落幅度较大。对美出口的家用电器、消费电子、金属制品等价格敏感型产品货币成本降低。

独角兽企业是新兴科技驱动的新经济中最具创造力的代表,反映了一个国家或地区经济创新发展的活力。通过对中外独角兽企业发展情况进行对比研究,从独角兽企业孵化速度、企业可持续发展潜力等方面切入,提出促进我国独角兽企业高质量发展的政策建议。金融科技、互联网软件与服务、电子商务、人工智能、医疗健康等独角兽企业增长最快的十大领域全部与数字化转型密切相关。本文从创新创业生态、重点领域培育、监管政策协调、发展环境优化等方面提出推动我国独角兽企业发展的政策建议。独角兽企业的培育发展是一个国家或地区新经济发展水平的重要体现。

在全球新一轮科技革命和产业变革孕育兴起的背景下,云计算、大数据、人工智能等为主的新一代信息技术突飞猛进,推动数字经济成为当今社会的主流经济形态[1]。数字经济的蓬勃发展,倒逼传统产业的数字化转型全面提速,对于各行各业来说,数字化转型已不再是“选择题”,而是关乎生存和长远发展的“必答题”,也是增强竞争力、培育新动能的重要抓手。数字化转型不仅涉及到设计、研发、采购、生产、物流、销售等多个领域的专业知识。提升企业的数字化能力和创新能级。当前企业中的数字化人才对长期持续的支撑企业数字化转型的业务还存在一定差距。

以38家上市银行为分析样本,运用文本挖掘技术读取样本银行近十年中的数字化、智能化行为,在此基础上,对当前中小银行数字化转型的重点业务领域进行总结,并归纳出人工智能融合中小银行数字化转型的优势,提出依靠人工智能实现中小银行数字化转型的针对性建议。根据排名顺序依次为中国工商银行、中国建设银行、中国农业银行、中国银行、招商银行、交通银行、兴业银行、中国邮政储蓄银行和浦发银行。以期在数字化转型的过程中能够顺利开发、应用人工智能技术。中西部地区的上市城商、农商行如贵阳银行、郑州银行、长沙银行、西安银行、渝农商行等。

3.7.3 服务总结运维团队根据自身的工作内容，在每季度需要对自己的工作进行汇总，并生成《季度运维总结》。报告中的具体内容包括：故障处理及备件更换情况汇总；设备状况分析及评价；人员出勤情况，工作量，或资源使用情况，包括第三方供应商服务情况；重大事件和变更情况；配置管理相关信息；趋势信息；下一步工作计划；3.8 运行维护优化评估（1） 建立基于数据中心的基础运维服务管理框架体系及运维团队，根据网络的现状提出整体安全规划，包括日常维护计划、安全风险控制计划、应急响应计划等。

资源被1:1割裂之后的默认仲裁策略不一致。以上是一个三节点的ORACLE RAC集群的Vote FIle的一个示意矩阵，每一行是一个节点的写入的信息，例如第一行，Instance1分别把其对集群中的三个成员（1、2、3）进行私网检测的结果写入到仲裁文件当中，Instance2、Instance3同样把其检测结果写入仲裁文件，最终组成了三个节点的仲裁矩阵。集群的仲裁是瞬间完成的，集群的仲裁触发条件有可能有片刻的先后顺序之差，数据库层的仲裁先于存储层的仲裁，那么虽然概率小，但是这个冲突是完全有可能的。

同城容灾环境涉及生产端与容灾端参数配置核对，但并不是所有参数都要求与生产端强一致，有一些类型参数是要求生产端与容灾端不同的，为了保证同城容灾端的参数配置正确，满足容灾切换的要求，需要制定基线版本、标准架构、投产制度以及检查监控方案等。生产端与容灾端基础配置一致的基础为基线版本的管理，无论生产端与容灾端基础环境版本与配置一定要按基线版本配置，同时上线之前进行基线配置安全漏洞扫描，保证上线系统的基础环境与基线版本要求一致。制定投产制度，当生产端进行投产时，需要同时投产容灾环境，并且配置容灾投产包。

分布式对象存储性能一般，架构复杂度高，但可以灵活扩展，支持海量数据存储，成本低，适合于海量结构化数据存储和互联网业务场景；在超融合形态中，计算与存储是同一软件堆栈运行在通用服务器中的，其架构如图 4 所示，大多数超融合产品在其节点上会部署控制器虚拟机 CVM ， CVM 会承担存储服务功能，而普通的虚拟机需与 CVM 通信才可访问数据存储。不同厂商的分布式存储都会有其清晰的市场定位和优势场景，其中厂商对于存储产品核心技术的把控能力是最重要的，其次是厂商的售后服务水平，当然还要看产品的定价水平。

命令语法：nmap -p(range)介绍：（range）为要扫描的端口范围，端口大小不能超过65535。

本文通过对比非结构化数据存储的主流技术方式，结合自身建设的需求，选取华为NAS存储搭建企业云盘共享存储资源池，满足员工对办公文件共享访问的需求，提升数据访问效率，同时通过NAS存储的主从复制功能，保障了云盘数据存储的高可用性。在海量数据的大势所趋下，企业需要做和考虑的是采购合适的存储来支撑数据的存储和业务的高并发需求，在满足存储需求的同时降低整体TCO，提高企业存储系统的使用效率。为了支撑云盘系统建设，满足云盘应用部署对于存储性能要求，保证云盘海量数据存储的高可用性，计划构建云盘基础设施层的存储建设。

但是因为他们对外提供的服务是存储服务，对数据服务层和应用层没有任何影响，存储服务连接的地址SAN环境识别的存储卷的WWN，而这个WWN是可以通过Service Instance-1&2上面的Port同时以多链路的方式提供给上层数据服务层，因此存储网关层的故障切换对上层是透明的。如图所示，数据库服务对外提供服务的地址只有一个 VIP，是跨中心组成集群的两个实例节点的虚拟地址，借助跨数据中心L2的网络环境，相互之间可以交换缓存信息、锁信息以，从而保障两个实例均可以激活状态进行数据的读写。

本文以银行存储灾备需求特点的规划建设为背景，通过对自主创新存储容灾方案全流程测试，银行实现存储容灾方案的全面论证。基于我行业务需求特点、业务连续性和厂商产品成熟度等方面的综合考量，本实践最终选择了华为高端全闪存存储OceanStor Dorado 18500组成双活+异步复制环形3DC容灾方案进行充分测试验证。从功能测试、高可用测试和性能测试三个方面验证了容灾方案的先进性，对于金融行业未来业务发展，提供了技术支撑力量。

按照前文的解释，Item本身是一个包含了Bucket下面所有OSD及其权重Weight的集合，目标是权重最大，但是如何遍历就取决于Items的几种数据结构组织模式，也就是Bucket实例参数当中的 alg （Uniform、List、Tree、Straw），不同的数据结构在寻址复杂性以及集群变化后的受影响程度上都会有较大的差异。前面的章节介绍，我们基本解决了从PG到OSD这个路径当中的大部分问题，只剩下唯一的问题就是用什么样的算法去遍历Bucket下面的所有Leaf节点，以确定最终的OSD。

随着企业应用上云越来越多地选择使用容器化方式，容器服务在不同的云厂商中都有大幅度的业务增长，容器服务已经逐步成为云原生时代新的基础设施和最佳使用云资源的入口。容器是随时可以销毁，当容器消失时，数据也会随之消失，因此容器数据的持久化，是必不可少的。存储系统作为承载业务稳定运行的核心组件，在云原生的架构下，也面临着新的挑战。对于数据一致性要求比较高的应用场景，分布式存储的性能可能就稍弱了，因为分布式的结构，数据同步是一个大问题，虽然现在技术一致在进步，但是也不如传统存储设备数据存储方式可靠。

首先简要介绍微卫星状态检测的意义和常用的检测手段,其次对目前主流的基于机器学习的检测方法进行详细介绍,最后展望未来机器学习在微卫星状态检测领域中的研究方向。机器学习已广泛应用于微卫星状态检测领域,提高检测方法的适用性以及从外周血样本中检测微卫星状态,是机器学习在此领域的未来研究方向。基于机器学习的检测方法从大量测序数据中迭代学习,获取影响微卫星不稳定性的关键特征,该类检测方法可以取得较好的预测效果。的要素并对数据进行多维度的分析。比较了各个方法使用数据集的测序方法和最终采用的机器学习算法。

首先介绍了当前的网络安全形势,并总结了入侵检测系统的类型、数据集和评估方法,然后在检测技术层面,论述了基于传统机器学习方法的入侵检测和基于深度学习的入侵检测。基于深度学习方法的入侵检测技术在处理高维数据、获取数据中隐藏信息、解决网络中数据不平衡问题等方面具有优势,未来在入侵检测领域会应用地越来越广泛。入侵检测系统进入了一个新的发展阶段。数据集上的实验结果表明该方法在准确率、检测率、误报率和训练速度等方面有更好的性能和更强的稳健性。受限于获取文献的范围,没有对基于深度学习的入侵检测方法所解决的问题进行对比。

在此基础上,阐述了构建网络安全知识图谱的技术架构,定义了网络安全本体模型,采用深度学习的方法进行实体抽取和关系抽取,利用基于规则和基于知识表示学习的方法进行图谱推理,实现网络安全知识补全和分析挖掘。目前关系抽取主要分为三种方法：基于规则的模式匹配方法、基于监督学习的方法和基于半监督或无监督的方法。目前的命名实体识别技术主要包括基于规则的方法、基于统计学习的方法和基于深度学习的方法。从本体模型定义、实体抽取、关系抽取、图谱构建及推理等方面阐述了网络安全领域知识图谱的关键技术。并且规则的移植性较差。

目前，有关任务分配的研究主要集中于任务和工作者两种角色，通常假设任务都是同质的，忽略了任务需求和配送地点对任务分配的影响。为解决任务指定配送点附近工作者较少导致移动成本和执行时间过高的问题，提出一种基于贪心的延时匹配算法。一方面，利用任务等待时间获取更多优质工作者以提高分配效果；另一方面，通过自适应阈值和约束条件设置快速筛选匹配对以减小遍历规模并加快分配效率。最后，在不同参数分布下的模拟数据集和真实数据集上对所提出的算法开展实验分析，证明所该方法具有可行性和有效性。0引言。

针对目前大多数乒乓球机器人视觉系统只能提供乒乓球的位置信息而未考虑旋转，难以对旋转球进行精准预测的问题，提出一种基于高速视觉的乒乓球旋转速度实时测量方法。为解决高速旋转乒乓球转速测量问题，提出一种全新视觉系统方案，满足高速旋转球的转速测量要求；针对商标识别过程中未考虑商标的完整性问题，提出一种基于轮廓拼接的商标中心三维位置求解方法，减小商标中心的计算误差，提高旋转测量精度；根据商标中心在空间中的运动对乒乓球旋转进行估计。

量化评估学生对于知识点的掌握程度是智慧教育领域一个重要的研究课题。现有的认知诊断方法和协同过滤方法在评估过程中都忽略了学生试题之间的高阶交互信息，从而影响了认知诊断结果的准确性。针对上述问题，提出一种基于卷积神经网络的认知诊断模型GCCD，利用图卷积网络构建包含学生试题高阶交互信息的学生能力向量作为认知诊断结果，通过非线性方式建模学生做题交互过程用于预测学生做题表现。

为研究几种常用二进制特征提取算法的实时性及复杂环境下的鲁棒性，对ORB、SIFT、SURF、BRISK四种基于二进制特征的主流算法，使用Euroc数据集和真实场景图像对进行匹配和统计，对比分析其实时性。选用Mikolajczyk数据集，在图像旋转变换、模糊变换、光照变换、视角变换场景下对算法的鲁棒性进行比较。采用的评价指标为算法耗时和特征匹配数目。实验结果表明，ORB能够在达到足够匹配图像对的同时运行时间在24.6ms以内；

为了提高抗乳腺癌候选药物特征筛选与模型预测的准确性，提出一种新的多种组合特征筛选方法对抗乳腺癌候选药物——雌激素受体α亚型（ERα）的分子描述符进行特征筛选，并根据筛选的分子描述符构建化合物活性预测（QSAR）模型。采用1DCNN算法模型预测化合物活性，该模型的RMSE、MAE、MAPE评价指标值分别为0.40、0.41和0.08，相比传统随机森林和支持向量机算法的预测效果提高了10%。基于多种组合的特征筛选方法和1DCNN模型预测为药物化合物特征筛选与活性预测提供了新思路，后续可用于其他药物化合物的预测。

深度学习技术迅速发展，在中医药材推荐任务中被大量使用。针对传统神经网络模型在中医药材推荐应用中推荐精度不高、模型参数量较大等问题，提出一种多层次特征融合的轻量级药材推荐方法。在TextCNN模型参数量少、特征抽取全面等特点的基础上，进一步融合症状语义特征和序列特征，从而获取更全面的症状药材特征完成中医药材推荐任务，并将其在中医药材公开数据集上进行验证。实验表明，该方法对药材推荐的F5得分达到0.241 9，相较于基线模型具有显著提升，模型大小仅为4.26M。

为改善现有人体姿态估计网络对尺度多样的人体关键点定位效果不佳的问题，提出用于特征融合的多尺度瓶颈层，并基于该瓶颈层进行人体姿态估计。多尺度瓶颈层舍弃了常规特征融合模块中常用的单个大卷积，采用多个小卷积并以级联分层方式进行连接，这使得其能在更细粒程度上获得多尺度信息并反复进行特征融合，从而让网络有更强的多尺度特征提取能力以自适应人体关键点尺寸的动态变化。

为进一步优化智能语音产品使用过程中的用户体验，基于文献研究并借助唐纳德·诺曼的用户体验理论，以智能语音产品使用过程为出发点，分析当下使用智能语音产品过程中用户体验方面的问题。结合用户体验原则、智能语音产品发展形势等，提出相关的用户体验提升对策，促进智能语音产品升级，为用户提供更好的使用体验。

基于深度学习技术对机械领域的专利附图进行研究，充分发掘与利用专利附图信息，寻求专利检索的补充手段，提出一种基于改进CRNN算法的专利附图标记识别方法CRNN_Eca。将特征提取的骨干网络改为ResNet34，融合ECA-Net中的ECA模块构成Eca-ResNet特征提取网络，其中的ECA模块是一种极轻量级且高效的通道注意力机制，原始图像经过Eca-ResNet网络特征提取后，经过序列转换生成对应的特征序列，通过深度双向GRU网络与CTC预测输出附图标记识别结果。

为了解决中文医疗命名实体识别任务中语义缺失、命名实体嵌套等问题，提升名中医临床病历中的实体识别效果，提出基于自适应词嵌入RoBERTA-wwm的名中医临床病历命名实体识别模型。病历中原始文本经过RoBERTa-wwm预训练模型得到的初始向量采用Soft-lexicon方法动态融合词典信息，进行词汇增强，生成文本语义向量经过下游双向长短期记忆（BiLSTM）学习序列依赖关系，最终经过条件随机场（CRF）解码提取出实体。

2012年，谷歌公司正式提出知识图谱的概念。作为人工智能应用的关键技术，知识图谱具有清晰的三元组结构，在一个三元组中包含头实体、关系和尾实体，令 GG 表示知识图谱，有 G∈(E,R,S)G∈(E,R,S) ，其中 E={e1,e2,⋯,e∣E∣}E={e1,e2,⋯,e∣E∣} 表示所有实体集合， R={r1,r2,⋯,r∣R∣}R={r1,r2,⋯,r∣R∣} 表示所有关系集合，采用三元组的形式来存储大型知识库的知识信息，可以更方便地融合各个领域的知识[

口语语言理解作为任务型对话系统的核心组件，目的是从语音识别文本中获取用户的意图表示信息，并将这些信息提供给对话管理组件进行分析和决策。近年来，随着深度学习技术的引入，ASR和SLU技术得到了长足发展，精度获得显著提升[尽管如此，当有域外语音或噪声语音输入时，ASR文本中会存在插入、删除和修改错误，降低意图识别的准确率，影响对话系统的用户体验[

多目标点路径规划技术是移动机器人完成自主导航任务的前提与基础，其目的在于使移动机器人能在具有障碍物的环境中按照路径最短的评价标准寻找一条经过所有目标点的无碰撞路径[在实际生产生活中为尽量减少往返于各个目标点之间所需的路程和能耗，则需要优化各个任务的执行顺序，即考虑移动机器人的多目标点路径规划问题[],其求解方法主要有精确算法[]和启发式算法[]两类。精确算法主要用于解决规模相对较小的组合类优化问题，其计算时间往往随问题规模的增大呈爆炸式增长。

机器人控制技术的发展使机器人可以完成多种精密装配任务[在这些装配任务中，作业平台和机器人底座之间的相对位置固定，机器人在柔顺装配方法的基础上，根据接触力的不同取值，做出不同动作。但当作业平台位于柔索之上时，机器人与作业平台之间会形成紧密的动力学刚柔耦合关系。柔索的位置会因受到机器人的挤压而产生复杂的动态变化，位置的动态变化又会反过来造成接触力具有瞬时变化的动态噪声，进而大大影响装配动作的柔顺性。我们将这类装配平台不固定，且位置受机器人运动影响的装配任务定义为动态装配任务，柔索装配环境是其中的典型应用场景。

红外精确制导、红外预警、海上搜救等领域中，被测目标与传感器之间的距离通常很远。由于光学系统和焦平面阵列性能的限制，图像中目标通常仅占据几个像素且灰度值较小，容易导致较低的检测率[此外，由于视野中树木、房屋、云层、海浪和其他随机因素的存在，原始红外图像中可能存在各种类型的复杂背景，例如高亮度背景[]、背景边缘[]和高亮度孤立点噪声(pixel-sized noises with high brightness，PNHB)等[]，给目标检测带来严重干扰，导致较高的虚警率。

目标检测作为计算机视觉的一个分支，随着深度学习模型与检测任务的结合以及GPU计算能力的提升，它在学术和工业界得到广泛的研究和应用，如人脸识别、行人检测、自动驾驶等领域。目标检测领域，尺度的变化问题一直是个挑战，它直接影响着检测精度。在检测任务中，数据集中目标的尺度范围变化较大。小尺度目标经过卷积神经网络后，由于感受野的增大造成特征的丢失。因此，神经网络需对不同尺度的目标都可以很好地提取特征。

凡事预则立,不预则废。但事物的预测通常受多种不确定性干扰。鉴于作者于1989年提出的集对分析（set pair analysis theory, SPA）理论对系统不确定性采取“客观承认，系统描述，定量刻画、具体分析”的处置方针，把系统的确定性关系与不确定关系作为一个不确定性子系统做数学处理[],吸引了不同领域的众多科技工作者把SPA应用于系统预测研究,通过对已有预测模型的集对分析，不同程度地提高了预测精度，取得满意或较为满意的预测效果。

随着武器装备高新技术含量的不断增加，装备的功能、结构变得越来越复杂，所需要的维修资源种类也越来越多，装备维修保障活动开始由传统粗放型、经验型转向精确型、节约型。如何利用大数据、人工智能等技术进行装备维修资源配置优化已成为当前维修人员研究的热点。美军的装备后勤管理在20世纪50年代最先使用了电子计算机技术，管理效果显著优于其他国家的非自动化管理系统，不久之后苏联及周边国家也开展了后勤自动化的研究。

转录组分析是一种快速有效的基因组调查、大规模功能基因和分子标记鉴定的方法[相较于基因芯片等方法，基于转录组测序（RNA-sequencing, RNA-Seq)的方法不依赖基因的先验知识，能够覆盖更大的转录组范围，具有更高的分辨率并且测序成本更低[已有很多学者针对RNA-Seq测序数据进行了研究[]，其中不乏使用机器学习进行研究的方法[通过RNA-Seq得到的转录组测序数据具有样本量较少（几十或者几百个）、基因数极高（通常有上万个基因）的特点。数据高维的特点导致对其进行分析需要更大的计算资源和时间；