以数据为中心的人工智能时代数据安全和隐私保护战略动力-GDPR的影响和对策.pdf 企业数据安全的下一站：从数据资产到数据流安全.pdf 基于人工智能的大数据安全.pdf 技术能力闭环，提升数据安全.pdf 数据安全保障工程.pdf 数据安全及其标准化.pdf 数据安全合规的冰与火之歌--从GDPR看企业数据安全合规建.pdf 数据安全和治理解决方案和实践.pdf 数据安全必由之路_-_数据安全治理.pdf 数据安全技术体系建设实践.pdf 数据安全标准与产业实践.pdf 数据安全治理的探索和实践(1).pdf 数据安全治理的探索和实践.pdf 数据安全法规及标准建设.pdf 数据安全白皮书2(1).0.pdf 数据安全的应对之道.pdf 数据安全的核心是第三方安全独立地位.pdf 数据安全的若干误解.pdf 数据安全重删系统与关键技术研究.pdf 数据要素与数据安全.pdf 数据驱动数据安全.pdf

我们提出了一种新的数据驱动算法，用可重用的时空流数据仓库合成高分辨率的流模拟。在我们的工作中，我们采用描述符学习方法来编码分辨率和数值粘度不同的uid区域之间的相似性。我们使用卷积神经网络从流体数据（如烟密度和流速）生成描述符。同时，我们提出了一种变形限制面片平流方法，它允许我们稳健地跟踪可变形的uid区域。在这个补丁平流的帮助下，我们从存储库的详细UID生成稳定的时空数据集。 然后，在运行新的模拟时，我们可以使用学习到的描述符快速定位合适的数据集。这使得我们的方法非常有效，并且与分辨率无关。我们将通过几个例子来证明，我们的方法产生的体积具有非常高的有效分辨率，以及非耗散的小尺度细节，这些细节自然地融入了底层水流的运动中。

ArcGiss某行政区空间分布图，公示图。利用arcgis软件“数据驱动页面”功能实现批量输出图片操作流程

大数据驱动的“人工智能”无线网络.pdf

数据驱动的大规模知识图谱构建方法.pdf 知识图谱构建 英文

数据驱动随机子空间识别算法，可自动识别模态特征，包括频率、阻尼、振型

冷热轧板折弯规格表

MATLAB 偏最小二乘回归的工具箱，全面的偏最小二乘分析

螺纹钢：低产量支撑，高位震荡 热轧卷板： 表需回升， 高位震荡.pdf

偏最小二乘专家混合（Mix-PLS）是一种适合在多种操作模式下学习的方法。 在工业应用中，这种场景非常普遍。 然后，Mix-PLS 将偏最小二乘回归 (PLS)（化学计量学文献中众所周知的方法，也是工业中软传感器最常用的方法之一）集成到混合专家框架中，从而推导出新的 Mix-PLS回归。 它也适用于非线性回归。 如果该方法的任何应用发表，请引用原著：Francisco AA Souza，Rui Araújo，偏最小二乘专家的混合和具有多种操作模式的预测设置中的应用，化学计量学和智能实验室系统，第 130 卷， 2014 年 1 月 15 日，第 192-202 页。 DOI： http : //dx.doi.org/10.1016/j.chemolab.2013.11.006 。 更多信息可以在我的网站上找到： www.isr.uc.pt/~fasouza