Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "network devices" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Nonlinearity Correction in Dynamic Measuring Devices Using Neural Network Models
    Korekcja nieliniowości za pomocą modeli sieci neuronowych w zastosowaniu do dynamicznych urządzeń pomiarowych
    Autorzy:
    Al Rawashdeh, Laith Ahmed Mustafa
    Zakharov, Igor Petrovitch
    Zaporozhets, Oleg Vasyliovych
    Powiązania:
    https://bibliotekanauki.pl/articles/2068664.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    artificial neural network
    three-layer perceptron
    training
    inverse model
    neural network compensator
    sztuczna sieć neuronowa
    trójwarstwowy perceptron
    uczenie
    model odwrotny
    kompensator sieci neuronowej
    Opis:
    A neural network compensator for the nonlinearity of a dynamic measuring instrument is proposed, which allows restoring the value of the measured input signal. The inverse model of a nonlinear dynamic measuring device is implemented based on a three-layer perceptron supplemented by delay lines of input signals. The properties of the proposed neural network compensator are studied through simulation computer modelling using various types of calibration input signals for the training of an artificial neural network.
    Zaproponowano kompensator sieci neuronowej dla nieliniowości dynamicznego przyrządu pomiarowego, który umożliwia odtworzenie wartości mierzonego sygnału wejściowego. Odwrotny model nieliniowego dynamicznego urządzenia pomiarowego realizowany jest w oparciu o trójwarstwowy perceptron uzupełniony o linie opóźniające sygnałów wejściowych. Właściwości proponowanego kompensatora sieci neuronowej są badane poprzez symulacyjne modelowanie komputerowe z wykorzystaniem różnego rodzaju sygnałów wejściowych kalibracji do uczenia sztucznej sieci neuronowej.
    Źródło:
    Pomiary Automatyka Robotyka; 2020, 24, 4; 57--60
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja zagrożeń w macierzowym modelu stanu pracy i bezpieczeństwa urządzeń IoT
    Identification of Threats in the Matrix Model of the State of Work and Security of IoT Devices
    Autorzy:
    Iwaniec, Władysław
    Powiązania:
    https://bibliotekanauki.pl/articles/274785.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    Internet Rzeczy
    zagrożenia sieciowe
    bezpieczeństwo
    model macierzowy
    diagram Ishikawy
    Internet of Things
    network threats
    matrix model
    Ishikawa diagram
    Opis:
    W artykule przedstawiono wybrane zagadnienia bezpieczeństwa urządzeń Internetu Rzeczy. Przedstawiono klasyfikację zagrożeń w środowisku współdziałających urządzeń IoT w modelu 5M + E. Jako podstawową przyjęto klasyfikację TOP-10 OWASP dla IoT i dostosowano ją do potrzeb analizy przy pomocy diagramu Ishikawy. Powiązano zagrożenia z grupami przyczyn i zastosowano diagram Ishikawy do oceny jakościowej zagrożeń. Zaproponowano macierzowy model bezpieczeństwa układu urządzeń pracujących zgodnie z zasadą IFTTT. Przyjęto typowy, trójstanowy model oceny stanu bezpieczeństwa każdego z urządzeń i wykazano przydatność modelu macierzowego do oceny stanu pracy i bezpieczeństwa systemu. Wskazano na możliwości podziału zadań w modelu macierzowym na obliczenia we mgle i w chmurze.
    The paper presents selected issues of Internet of Things security. The classification of threats in the environment of cooperating IoT devices in the 5M + E model is presented. The TOP-10 OWASP classification for IoT was adopted as the basic one and was adapted to the needs of the analysis using the Ishikawa diagram. Threats were mapped to cause groups and the Ishikawa diagram was used to qualitatively assess the threats. A matrix security model of the ecosystem of devices operating in accordance with the IFTTT principle was proposed. A typical three-state model for assessing the safety status of each device was adopted and the usefulness of the matrix model for assessing the state of work and system security was justified. The possibilities of dividing tasks in the matrix model into fog computing and in the cloud were pointed out.
    Źródło:
    Pomiary Automatyka Robotyka; 2020, 24, 1; 67-74
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies