【摘 要】
：
数据销毁电路是一种通过高电压物理销毁,使SD卡等存储的数据无法恢复,避免数据被非法泄露的技术.传统的数据销毁电路使用单个电源对单张SD卡进行销毁,若直接将单个电源连接至多张SD卡,会出现某张SD卡对地短路的现象,造成电源输出电压被拉低,其他SD卡连接的电压过低而不能被销毁.本文提出了一种针对多张SD卡的数据销毁电路,可以实现单个电源同时对多张SD卡进行数据销毁.
【机 构】
：
中国电子科技南湖研究院,浙江 嘉兴 314002
论文部分内容阅读
数据销毁电路是一种通过高电压物理销毁,使SD卡等存储的数据无法恢复,避免数据被非法泄露的技术.传统的数据销毁电路使用单个电源对单张SD卡进行销毁,若直接将单个电源连接至多张SD卡,会出现某张SD卡对地短路的现象,造成电源输出电压被拉低,其他SD卡连接的电压过低而不能被销毁.本文提出了一种针对多张SD卡的数据销毁电路,可以实现单个电源同时对多张SD卡进行数据销毁.
其他文献
DHA藻油是补充ω-3多不饱和脂肪酸的重要非动物来源,但因其自身水溶性差、易氧化产生不良风味等特点,极大约束了其摄入途径.据此,采用高压微射流技术与逐层沉积技术(LBL)制备负载DHA的亚麻籽胶(FG,质量分数为0.4％)-紫苏分离蛋白(PPI,质量分数为0.225％)双层乳液,研究Ca2+添加量(0％～0.5％)对上述双层乳液体系稳定性的影响;同时,采用INFOGEST体外模拟消化模型,探究PPI-DHA藻油单层乳液、FG-PPI-DHA藻油双层乳液、Ca2+-FG-PPI-DHA藻油双层乳液中DHA的
多源在线迁移学习已经广泛地应用于相关源域中含有大量的标记数据且目标域中数据以数据流的形式达到的应用中.然而,目标域的类别分布有时是不平衡的,针对目标域每次以在线方式到达多个数据的不平衡二分类问题,本文提出了一种可以对目标域样本过采样的多源在线迁移学习算法.该算法从前面批次的样本中寻找当前批次的样本的k近邻,先少量生成多数类样本,再生成少数类使得当前批次样本的类别分布平衡.每个批次合成样本和真实样本一同训练目标域函数,从而提升目标域函数的分类性能.同时,分别设计了在目标域的输入空间和特征空间过采样的方法,并
凡事预则立,不预则废.但事物的预测面临不确定性干扰.本文综述集对分析理论在天气降水预报、沙尘暴预报、水文水资源和供需水预测、电力与能源预测、地质灾害预测、民航风险与事故预测、作物产量预测、流脑预测、社会经济预测等方面的应用,并把基于集对分析理论的系统智能预测建模基本步骤归纳为3步.首先,构造集对并分析集对中两个集合的全部关系,包括确定的关系和不确定的关系,根据关系的结构选用适当的联系数作为集对的特征函数;第二步,建立基于联系数的预测模型,包括利用联系数改进和完善已有的预测模型;第三步,利用模型的计算和围绕
4月29—30日,2022第十一届中国智能产业高峰论坛(简称CIIS 2022)将在厦门举办,以多位中外院士为代表的人工智能及相关领域的科学家、工程师、企业家及传统行业代表将共聚一堂,探讨智能产业融合发展的技术创新动态与商业应用趋势,建言区域智能生态建设和数字经济崛起.
在社交网络的信息传播机制中,不同用户之间信息扩散往往会受到用户之间影响力的影响,因此开展复杂网络分析研究显得格外必要.首先研究在代价约束下,社交网络的影响力传播模型,在未知网络传播原理的情况下,研究如何利用叠加的随机游走策略对网络的影响力传播进行度量,将影响力传播的范围控制在某一子图中,设计出抑制负影响力传播的有效方法.在此基础上,通过渗流来对抑制节点的范围进行控制.实验证明,本文的算法不仅可以有效地限制负影响力的传播,而且在代价约束下能够取得较好的性能.本文不仅对分析、理解和预测网络的拓扑结构、功能和动
在无标签高维数据普遍存在的数据挖掘和模式识别任务中,无监督特征选择是必不可少的预处理步骤.然而现有的大多数特征选择方法忽略了数据特征之间的相关性,选择出具有高冗余、低判别性的特征.本文提出一种基于联合不相关回归和非负谱分析的无监督特征选择方法(joint uncorrelated regression and nonnegat-ive spectral analysis for unsupervised feature selection),在选择不相关且具有判别性特征的同时,自适应动态确定数据之间的相似
针对非对称博弈下的水下无人对抗问题,开展对基于基地防卫的多无人水下潜航器(unmanned under-water vehicles,UUVs)协同对抗策略研究.在双方能力和数量有差异的非对称博弈情况下,设计UUV基本行为,分别基于红、蓝方能力设计对抗策略选择方法;本文提出红方多UUV分层决策算法,并设计红方多UUV角色分配方法;在防卫任务中基于目标偏航角设计两种红方多UUV联合防卫方法;并相应给出设计蓝方UUV策略及决策方法.最后设计水下对抗仿真实验,从对抗过程的事件决策、UUV机动控制等方面验证了本文
为研究多因素影响下系统故障模式识别,根据已有故障标准模式对故障样本模式进行分析,提出基于集对分析联系数和故障分布的系统故障模式识别新方法.根据故障背景建立故障模式识别系统,分析故障样本模式与故障标准模式,确定联系度各联系分量,计算联系度和识别度,最后通过确定故障样本模式与故障标准模式关系完成识别.对某电气系统实例分析给出了方法流程,获得了模式识别结果,从而为有针对性的采取预防和治理措施提供了决策支持.
针对以最小化最大完工时间的柔性作业车间调度问题,在标准樽海鞘群算法(salp swarm slgorithm,SSA)的基础上,提出一种改进的樽海鞘群算法.采用基于工序和基于设备的二维向量进行编码,并考虑设备负载进行种群初始化.基于Lévy飞行对领导者位置更新方式进行离散化改进;在追随者位置更新公式中引入自适应惯性权重,使算法的全局搜索和局部搜索能力得到更好的平衡.为提高搜索效率,设计了交叉算子和基于关键路径的变异算子来保证种群的多样性,同时引入模拟退火(simulated annealing,SA)策略
在过去十来年中,深度神经网络(DNN)在语音识别、图像识别等大量AI问题中取得了显著成功,在智能物联网等场景中得到了广泛应用.但由于深度神经网络模型具有计算量大、参数量大、存储成本高的特点,限制了其在硬件受限的嵌入式或移动设备上的应用.近年来,学界也提出了多种压缩技术来降低DNN模型的存储成本和计算需求,并在压缩的同时最大限度降低模型精度损失.本文回顾总结了目前DNN模型压缩的最新技术,主要包括模型剪枝、模型量化、轻量化网络设计、知识蒸馏,并对以上方法的性能、优缺点和最新研究成果进行了深度分析,最后给出了