高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
排序:
相关度
发表时间
每页显示:
10
20
30
50
集成运算放大器同相和反相形式的En-In噪声分析和比较
王军, 戴逸松
1998, 20(2): 199-205.  刊出日期:1998-03-19
关键词: En-In噪声模型; 同相放大器; 反相放大器; 电压负反馈
本文通过分析和比较同相和反相放大器En-In噪声的特点,给出了若干新结果。本文方法在低噪声运放电路设计和运放噪声参数提取中都具有十分重要的意义。
非圆信号方位、俯仰及初相联合估计
刘剑, 黄知涛, 周一宇
2008, 30(7): 1666-1670. doi: 10.3724/SP.J.1146.2006.01872  刊出日期:2008-07-19
关键词: 阵列信号处理; 二维测向; 非圆信号; MUSIC
该文利用双平行线阵的阵列结构,提出了用于非圆信号二维方向和初相联合估计的扩展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估计得到的方位角、俯仰角与初相一一对应,自动配对,其可测向信号数大于子阵阵元数,方位及俯仰测角精度与非圆信号二维测向酉ESPRIT(2D-NC-UESPRIT)算法大致相当,优于波达方向矩阵法(DOAM)。
周期序列线性复杂度与-错复杂度的数学期望
牛志华, 白恩健, 肖国镇
2004, 26(11): 1787-1791.  刊出日期:2004-11-19
关键词: 流密码;周期序列;线性复杂度;-错复杂度
密码学意义上强的序列不仅应该具有足够高的线性复杂度,而且当少量比特发生改变时不会引起线性复杂度的急剧下降,即具有高的-错复杂度.该文以多项式的因式分解为主要工具研究了任意有限域GF(q)上,周期N与p互素以及N=v这两种情况下,计数函数NN,0(c)的值,并给出了线性复杂度的数学期望EN,0的值以及-错复杂度的数学期望EN,的一个有用的下界,这里p是有限域GF(q)的特征.
边缘计算网络中区块链赋能的异步联邦学习算法
黄晓舸, 邓雪松, 陈前斌, 张杰
2024, 46(1): 195-203. doi: 10.11999/JEIT221517  刊出日期:2024-01-17
关键词: 异步联邦学习, 区块链, 资源分配, 边缘计算网络
由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负,边缘计算网络(ECN)被提出以减轻云服务器的负担。此外,在ECN中启用联邦学习(FL),可以实现数据本地化处理,从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中,中央服务器容易受到单点攻击,导致系统性能下降,甚至任务失败。本文在ECN场景下,提出基于区块链技术的异步FL算法(AFLChain),该算法基于ENs算力动态分配训练任务,以提高学习效率。此外,基于ENs算力、模型训练进度以及历史信誉值,引入熵权信誉机制评估ENs积极性并对其分级,淘汰低质EN以进一步提高AFLChain的性能。最后,提出基于次梯度的最优资源分配(SORA)算法,通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况,证明了所提算法的有效性。