Wave spectrum estimation conditioned on machine learning-based output using the wave buoy analogy

In this work, a hybrid approach for wave spectrum estimation is proposed. Fundamentally, the approach is based on the wave buoy analogy, processing ship response measurements, via a framework combining machine learning and a physics-based method dependent on available transfer functions. Specifically, a non-parametric (Bayesian) estimate is obtained of the directional wave spectrum conditioned on integral wave parameters established by a convolutional neural network. The developed method is assessed in a case study considering about two years of data obtained from an in-service container ship. The method produces good results, significantly improved when compared to the initial estimate made without constraints.     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

龙溪口梯级航电枢纽建设对鱼类资源的影响及保护措施

当前岷江鱼类资源保护迫在眉睫，传统渔政规则政策虽然提升了企业被动性渔业治理，但难以调动企业主动性渔业保护，而“十年禁渔”为推动渔业绿色循环发展提供了契机。研究基于龙溪口梯级航电枢纽数据，以山区河流航电枢纽绿色生态建设的重要抓手“保障鱼类繁衍生息”作为核心部分，采用混合方法探究大力开发水电背景下的鱼类资源保护行为。研究发现：保障鱼类繁衍生息的实践可显著提升工程的绿色生态水平。作用机制显示龙溪口梯级航电枢纽通过减轻措施和生态工程，有效提升了鱼类资源的可持续利用和生态健康水平。研究细化了龙溪口梯级航电枢纽对鱼类资源的影响及保护措施，为企业的绿色生态建设提供了全新的激励因素。