使用神经网络技术的软测量已经越来越多地应用于工业过程。近年来，基于神经网络的软传感器的安全性和鲁棒性成为人们关注的主要问题。此外，目前的研究表明，神经网络容易受到对抗性攻击。换句话说，施加在输入上的小扰动可能导致输出的显著偏差。如果关键过程变量的软传感器受到攻击，可能会对工业过程造成相当大的损害。本文主要研究基于神经网络的工业软传感器的攻击方法。针对工业软传感器的特点，本文提出了两种新的对抗性攻击方法。第一种方法称为镜像输出攻击（MOA），是一种微妙的攻击方法，它翻转输出曲线以改变输出的方向。第二种方法称为翻译MOA（TMOA），很容易使运算符操作失误。TMOA在翻转输出曲线的同时平移输出曲线，以达到改变输出条件的目的。在硫回收装置工艺的工业案例研究中证明了MOA和TMOA的有效性。仿真结果表明，两种对抗性攻击方法都可以对基于神经网络的工业软传感器进行攻击。对抗性攻击方法的研究可以为防御攻击提供基础，从而增强软传感器的安全性和鲁棒性。
工学博士，担任《Mechanical System and Signal Processing》《中国电机工程学报》《控制与决策》等期刊审稿专家，擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。
本次分享是由湖南大学黄守道教授的报告，“大型风力发电机组健康管理技术”。该PPT分享仅做知识传播用途，如有侵权请后台联系小编删除。
传输网，就是用作传输通道的网络。 它是通信网络的血管、神经。没有它，网络的不同设备之间，就无法进行数据传输。
分子筛( 又称合成沸石 )是一种硅铝酸盐多微孔晶体,它是由 Si0 和 AIO 四面体组成和框架结构,在分子筛晶格中存在金属阳离子(如 Na,K,Ca 等 ),以平衡四面体中多余的负电荷。分子筛的类型按其晶体结构主要分为:A型，X型，Y 型等
对于企业前台应用，以支持按用户为中心的持续规模化创新为导向，中台可支撑快速响应业务创新、降低业务探索成本对于企业后台系统，将中台作为前台应用与后台系统的变速齿轮，以沉淀的中台能力来连接变化较慢的后台资源，再以这些灵活组合、重用的中台能力去灵活响应快速变化的前台需求
主要针对安全隐患排查过程中出现的非结构化文本数据 采用大数据分析中的文本挖掘与可视化方法，对矿山安全隐患数据 进行知识发现 以问题为导向，进行大数据分析，以挖掘安全隐患中的隐藏知识
以生产执行系统为主线，协同作业平台为基础 ，通过配 置角色和用户的权限，控制不 同用户使用六大平台的权限。 是用户日常操作的纽带型 系统平台，登录系统后，根据 个人首页中的通知公告、待办 提示信息和告警预警信息等， 在该平台中或启动对应的其他 系统平台处理采矿业务和流程 业务等。
没有账户，需要注册
成都市作为中国国家中心城市，秉承“创新、协调、绿色、开放、 共享”理念，运用 CIM 平台+免接口数据集成技术，打造城市大脑， 推行网络理政。通过接入市、区（市）县两级部门信息系统，融合政 府、企业和社会数据，以网络理政为城市大脑中枢，构建能在线监测、 能分析预测、能应急指挥的智能城市治理运行体系，提升城市治理能 力。
本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答:工业大模型与通用大模型有何不同?工业大模型的技术体系与关键技术何在?工业大模型赋能的重点领域和主要场景包括哪些?我国和全球工业大模型的产业生态如何?
集团版专为集团型企业打造，包括集团管控系统、工厂系统、开发发布系统、运维管理系统、网关系统5大子系统，旨在实现集团内部多工厂、多部门之间的协同管理和数据共享。它通过构建一体化的工业物联网平台，整合各工厂的生产、设备数据和资源，打造集团统一的工业操作系统底座，为集团提供统一的管理视角和决策依据，提升集团整体运营效率和协同效应。
在工业数字化转型的浪潮中，中服云工业物联网平台系列产品脱颖而出，为不同规模和需求的企业提供了全面、专业的物联网平台解决方案。该系列产品包含工业物联网平台基本版（SCADA）、工业物联网平台企业版、工业物联网平台集团版、数字孪生版和工业物联网平台设备版，各版本功能特色鲜明，重点突出。助力企业提升设备智能化水平和运行效率生产效率、优化管理流程、增强决策能力。？
本文创新性地将碳流理论和多属性评判理论融入需求响应策略的优化设计过程，妥善解决了潮流和碳流计算与策略优化生成的联动缺失问题，相较于未实施需求响应策略，通过遗传算法求解的最优需求响应策略的用户用电成本下降了7.14%，新能源消纳量增加了7.21%，碳排放强度下降了8.41%，对于保障电力系统的稳定性和安全性、提高电网侧以及用户侧的新能源消纳量以及资源利用效率具有重要的战略意义。
新型电力系统形态受中国能源电力发展目标牵引，需要落实在典型场景，以满足典型场景中的功能需求为目的。为此，需要充分发挥驱动力推动作用，实现新型电力系统形态科学发展，其驱动力包括模式创新、技术创新和机制创新。
挑战 科学知识呈指数级增长，专业化程度不断提高·跨学科合作需求增加，但知识壁垒阻碍学习与交流 ●自动文献管理与分析 ●Semantic Scholar有超过2.14亿篇论文 图表理解与信息提取。 ·结合图像、表格、公式和文本，分析复杂科学文献
计算范式从指令式到意图式转变:传统计算机需要精确的指令序列，而 LLM 可以理解模糊的人类意图并将其转换为具体操作。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
