检索结果-南通市图书馆

中国制衣 2005年第4期 10-10页

《东方早报》以《长三角纺织业面临洗牌》为题报道:6月11日签署的《中欧纺织品贸易问题备忘录》终止了欧盟对源自中国的棉布、T 恤衫等10类纺织品的调查,并决定到2008年,欧盟将对中国"全面开放"纺织品市场。本来以为在2005年就能进入"... 详细信息

《东方早报》以《长三角纺织业面临洗牌》为题报道:6月11日签署的《中欧纺织品贸易问题备忘录》终止了欧盟对源自中国的棉布、T 恤衫等10类纺织品的调查,并决定到2008年,欧盟将对中国"全面开放"纺织品市场。本来以为在2005年就能进入"后配额时代"的长三角纺织行业,却又迎来一个"前全面开放期"。业内人士认为:这一期间,长三角纺织品出口将面临重新洗牌。处于中国纺织服装业基础最雄厚、优势最突出的地区,长三角纺织业整体上不得不被限死在8%—12.5%的"框框"内。

关键词：长三角全面开放纺织业纺织品出口洗牌中国纺织服装业纺织品市场贸易问题纺织行业欧盟

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

洗牌

引用

电器工业 2012年第6期 I0006-I0006页

第六届中国国际风能展览会上，中国可再生能源学会风能专委会副理事长施鹏飞给出了一系列数字：2011年中国风电的累计安装容量与并网容量相差1700万kW，意味着这部分机组长时间不能发电、获得效益。产业发展形势的演变过程中，将不可避... 详细信息

第六届中国国际风能展览会上，中国可再生能源学会风能专委会副理事长施鹏飞给出了一系列数字：2011年中国风电的累计安装容量与并网容量相差1700万kW，意味着这部分机组长时间不能发电、获得效益。产业发展形势的演变过程中，将不可避免的迎来市场格局调整。一位专家对记者表示，市场行情不佳，以往硬拼硬打的企业可能很难再现昔日风采，而“背靠大树”的拥有国字头背景的企业将逐渐脱颖而出。中国可再生能源学会风能专业委员会理事长贺德馨建议中国风电行业提高自主创新能力，提升风电产品制造质量，确保风电行业运行安全，采用多样化模式发展风电，并加强国际交流合作，推进中国企业走向国际。

关键词：国际交流合作中国企业可再生能源洗牌自主创新能力安装容量副理事长专业委员会

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

洗牌

引用

少年大世界（小学4－6年级） 2012年第5期 30-30页

先把一副扑克牌平均分成两叠，然后洗牌。假设每次都是两叠牌一张一张交错着洗，如此一直循环下去。那么最少洗多少次以后，

关键词：洗牌平均分扑克牌

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

洗牌型图样间联想光学神经网络模型(英文)

引用

光子学报 2000年第1期29卷 27-33页

作者：许锐黄达诠李志能浙江大学信息与电子工程系电子信息技术研究所 310027

本文将洗牌型神经网络结构和图样间联想神经网络算法相结合，提出了一种洗牌型图样间联想神经网络（ＰＳ－ＩＰＡ）模型．该模型具有极其简单、稀疏的互连权矩阵，十分适于大规模神经网络的光学实现．计算机模拟结果表明洗牌型图样间... 详细信息

本文将洗牌型神经网络结构和图样间联想神经网络算法相结合，提出了一种洗牌型图样间联想神经网络（ＰＳ－ＩＰＡ）模型．该模型具有极其简单、稀疏的互连权矩阵，十分适于大规模神经网络的光学实现．计算机模拟结果表明洗牌型图样间联想神经网络的稳定性和抑制噪音的能力均优于图样间联想网络ＩＰＡ．本文还给出了洗牌互连的一般性原则，使网络结构得到优化，增强了洗牌型神经网络的灵活性和适应性．并采用３－洗牌和２－洗牌结合的ＰＳ－ＩＰＡ对汽车牌照的字符进行识别，得到了较好的结果．

关键词：光学神经网络洗牌图样间联想互连

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

物联网环境下鲁棒的源匿名联邦学习洗牌协议

引用

计算机研究与发展 2023年第10期60卷 2218-2233页

作者：陈景雪高克寒周尔强秦臻电子科技大学信息与软件工程学院成都610054 网络与数据安全四川省重点实验室(电子科技大学) 成都610054

随着物联网(Internet of things,IoT)和人工智能(artificial intelligence,AI)技术的快速发展,大量的数据被物联网设备收集.使用机器学习或深度学习等人工智能技术可以对这些数据进行训练.训练好的模型是物联网中分析网络环境、提高服... 详细信息

随着物联网(Internet of things,IoT)和人工智能(artificial intelligence,AI)技术的快速发展,大量的数据被物联网设备收集.使用机器学习或深度学习等人工智能技术可以对这些数据进行训练.训练好的模型是物联网中分析网络环境、提高服务质量(quality of service,QoS)的重要组成部分.然而,大多数数据提供者(物联网终端用户)不愿意将个人数据直接分享给任何第三方进行学术研究或商业分析,因为个人数据中包含私人敏感信息.因此,研究物联网中的安全与隐私保护是一个重要研究方向.联邦学习(federated learning,FL)允许多方物联网终端用户作为训练参与者将数据保存在本地,仅上传本地训练模型至参数服务器以进行聚合,通过这种方式可以保护参与者数据隐私.具体来说,FL面临的攻击主要有2种,即推理攻击和投毒攻击.为了同时抵抗推理攻击和检测投毒攻击,提出了一个全新的源匿名数据洗牌方案Re-Shuffle.提出的Re-Shuffle采用不经意传输协议实现FL中参与者模型的匿名上传,保证参数服务器只能获得参与者的原始本地模型,而不知道来自哪个参与者.此外,为了更适应IoT环境,Re-Shuffle采用了秘密共享机制,在保证梯度数据原始性的同时,解决了传统shuffle协议中参与者的退出问题.Re-Shuffle既保证了局部模型的原始性,又保证了局部模型的隐私性,从而在保护隐私的同时检查中毒攻击.最后给出了安全证明,对方案的检测效果进行了评价,并在Re-Shuffle方案下对2种投毒攻击检测方案的计算开销进行了评估.结果表明Re-Shuffle能够在可接受的开销下为毒化攻击检测方案提供隐私保护.

关键词：物联网隐私保护联邦学习洗牌投毒攻击检测

来源：

维普期刊数据库

同方期刊数据库评论