摘要：利用SDSoC技术,对传统的散列函数(Hash Function)算法进行改进,提出了基于SDSoC技术的信息加密算法优化模型,将基于传统硬件的散列函数算法与基于SDSoC技术的AES算法进行对比.结果表明,基于传统硬件的散列函数算法吞吐量较低,而基于SDSoC的AES算法吞吐量较高;当时钟周期为ap_clk、目标运行时间为Target、评估运行时间为Estimated以及误差范围时间为Uncertainty时,传统散列函数算法的运行时间大致处于8.17±1.26 ns范围,而基于SDSoC的AES算法运行时间介于8.11±1.20 ns范围,改进后的算法执行速度有较大提升.改进后算法资源利用率显著高于传统算法,能够很好地提升算法的性能,综合性能较高.

摘要：提出一种用于实时识别的轻量模型,利用两个子网络分别提取不同类型的特征,在联合训练过程中进行信息共享,并通过知识蒸馏的方式将每个子网络的特征和预测结果融合到一个新的分类器中,用于手势识别.利用循环学习率的训练策略产生了更具泛化性的预测结果.在动态手势数据集DHG-14/28上该方法的识别准确率达到86.11%,验证了该方法的有效性.

摘要：展望计算机未来的发展方向,其超小型与超高速、智能化与平行处理特点越来越引人注目,尤其是未来潜力无限的光子、量子、分子与纳米技术的计算机,将可能更方便并改变着当下人的认知。未来的计算机将和人类一样,会具有事物的感知与思考功能,拥有事物判断与学习功能,甚至接近人类,拥有部分自然语言交流能力,人类社会将真正步入人工智能新时代。

摘要：电商行业的飞速发展使得用户行为数据规模爆炸式增长,传统的IT架构模式已无法满足持续增长的数据处理需求。针对海量数据处理问题,提出一种基于Hadoop平台的电商用户行为分析模型,通过对Hadoop平台相关技术的研究,设计了包含数据采集、处理、分析及可视化一整套流程的电商用户行为分析系统,并对系统进行功能实现。最后,对该系统进行实际场景测试,结果表明,该系统能够根据不同分析需求快速得到目标数据,实现对用户行为的深度分析与挖掘,为企业调整营销策略,实现精准营销提供数据支撑。

摘要：伴随计算机网络技术突飞猛进的同时,如何加强网络安全、增强安全保障技术便成了当务之急。论文阐述了计算机网络运行系统,分析了网络技术发展阶段的四个模式;剖析了当前网络中的运行环境弊端、系统漏洞、隐患及风险;提出了网络安全运行的五种策略;极大地提高了网络安全。