MoCA 2.0实地测试证明该技术已实现超过400Mbps净吞吐量

MoCA近日发布了目前正在进行的MoCA2.0实地测试初步结果。测试结果表明,在90%的同轴电缆插座或路径中,MoCA2.0可实现超过400Mbps的净吞吐量(MAC速率),并且95%的路径同样实现了超过350Mbps的净吞吐量。MoCA联盟表示,与PHY速率一样,MAC速率通常是在实验室环境下获得的测试结果,并不能反映真实环境。     

绿盟科技多项成果入选GSMA《人工智能赋能安全应用案例集》

2月22日,GSMA(全球移动通信系统协会)在2021年世界移动通信大会(MWC)上海展上发布了《人工智能赋能安全应用案例集》(以下简称“案例集”)。绿盟科技提供的“基于AI的自动化响应与处置系统”、“基于威胁情报的多维恶意域名自学习检测技术”、“多智能分析引擎在态势感知中的应用”以及“基于用户行为的数据安全异常检测”四项成果入选该案例集。     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

基于Vague集的理想解和灰色关联结合的决策方法及应用

针对当前应用Vague集在解决多指标决策问题时存有的不足,提出一种基于Vague集的理想解与灰色关联结合的新决策方法.决策方法充分利用了Vague集强大的模糊信息表达能力,并将理想解法与灰色关联法进行有机结合,实现从位置和曲线形状两方面来更全面地反映备选方案与理想解的关系.最后,通过一个并购中目标企业选择的示例说明方法的应用过程,并验证了方法的可行性和实用性.     

在线multicast数据传输网络中的一个优化问题

首先建立了数据传输网络选择的最小成本模型，给出了有效支撑树代表集的概念，并给出了一个时间复杂性为D(mlogen)的算法产生代表集。然后对静态数据传输问题和在线数据传输问题，分别给出了一个时间复杂性为D(mlogen)和O(m^2 mlogen)的多项式时间的算法。     

一类含参广义集值拟变分包含组的解的灵敏性分析

本文引入了一类新的含参广义集值拟变分包含组,应用隐预解算子技巧,建立了该类变分包含组与一类不动点问题的等价性,在适当的条件下,分析了含参广义集值拟变分包含组的解的灵敏性,所得结果推广改进了最新文献中的许多结果．