本发明提供一种涉及力学多参数变化的带钢拉伸弯曲矫直计算方法，涉及矫直机领域。该方法综合考虑待矫直带钢内部的初始应力情况以及带钢在拉伸弯曲矫直过程中出现的不同应力状态，建立不同应力分布状态下带钢中性层的纵向应变与弯曲曲率的解析通式；在考虑带钢的板材强化及初始残余应力情况下，建立不同塑性应力分布状态下带钢的曲率解析通式；将带钢在不同弯曲辊组和矫直辊组下出现单侧塑性应力状态和双侧塑性应力状态的不同情况叠加，建立带钢发生拉伸弯曲矫直过程中总残余应变量的解析通式。本发明通过建立带钢拉伸弯曲矫直计算方法，准确掌握带钢在拉伸弯曲矫直过程的变化规律，以减少带钢缺陷，提高带钢质量。

本发明属于计算机应用技术领域，尤其涉及一种基于GPU的矩阵加速计算的方法。本发明通过提供一种基于GPU的矩阵加速计算的方法，以CPU/GPU异构计算系统为计算平台，使CPU和GPU的负载量达到最佳，从而确保令两者的计算同时完成，使得整个CPU/GPU异构计算系统的协同处理的计算效率达到最优。

本发明公开了一种安全访问方法、集成电路及计算机可读存储介质。其中，该方法包括:获取当前访问事件的安全标志信号以及从机身份标识信息；然后，根据所述从机身份标识信息确定待访问的目标从机模块以及所述目标从机模块的安全属性；最后，根据所述安全标志信号判断所述目标从机模块的安全属性是否符合所述当前访问事件的安全属性要求，若所述目标从机的安全属性不符合所述当前访问事件的安全属性要求，则生成安全中断事件。实现了一种更有效的从机安全访问控制方案，针对总线上各个设备，提高了其单独的安全访问控制能力，增强了其关键敏感数据的安全防护强度。

本发明涉及数据处理领域，尤其涉及一种基于区块链的食品检测数据处理方法。内容包括:获取食品检测数据并按不同维度进行划分，计算不同维度的食品检测数据的哈希值，并使用数据分片算法计算得到分片数据，引入并行区块链架构，将分片数据分布在不同链路上独立运行；计算分片数据的验证值，基于分片数据的验证值，判断分片数据的合法性，并将合法的分片数据和对应的不同维度的食品检测数据的哈希值记录在区块链上。解决了食品检测数据在传输和存储过程中容易被篡改，难以保障数据的完整性和真实性；传统的数据处理方式难以应对庞大的数据量，难以保障数据验证的安全性和稳定性，容易受到攻击或出现数据冲突，导致验证结果不准确或不一致的问题。

本发明公开了一种标签的鉴伪方法、装置、设备及介质，涉及标签鉴伪技术领域，该方法包括:获取待识别标签匹配的目标蒙版图像，以及目标蒙版图像的参数信息；参数信息包括候选设备标识信息、候选显示参数信息和候选摄像参数信息之间的对应关系；在参数信息中，查询与摄像设备标识信息匹配的目标显示参数信息和目标摄像参数信息；根据目标显示参数信息，显示目标蒙版图像；根据目标摄像参数信息，拍摄待识别标签，以及提示用户移动摄像设备，以使显示屏上显示的目标蒙版图像和拍摄的标签图像重合；在重合时，根据目标标签图像中的微观编码区域，对待识别标签进行伪造识别。本发明提高了对标签进行伪造识别的效率和准确率。

本发明公开了一种基于变分自编码器的文本分类方法，其包括以下步骤:S1、选定编码器和解码器组成模型；S2、对模型进行预训练；S3、分类器训练；S4、使用训练好的分类器对文本进行分类。步骤S2具体为，先收集一个没有人工标注对的文本数据集，然后通过损失函数对于模型进行训练。通过加入新的增强损失函数，来解决后验坍塌的难题，提高VAE针对文本数据的分类性能。

本发明公开了一种针对多模态数据离散语义编码的装置和方法，方法包括以下步骤:S1、数据编码器的输入数据为x，采用LSTM对于文本数据进行编码，采用CNN模型对于图片进行编码，输出结果为一个多维张量h；S2、将h中代表现实意义的维度作为主要坐标输入Transfomer，然后经过数层Transfomer计算后，用Transfomer的前M个维度预测q(z|h)。本方案通过新的损失函数实现数据编码z的离散化，保证z包含丰富的信息，最大程度的保留原始数据中的信息点。

 本发明公开了基于模型降阶技术的包含闸门的圣维南方程组建模方法，属于水利工程技术领域，包括:S1、构建包含闸门的原始圣维南方程组；S2、对构建的原始圣维南方程组进行离散化处理，得到高维系统中的非线性函数；S3、基于仿真目的，利用原始圣维南方程组进行系统仿真，收集状态变量构建快照矩阵；S4、基于高维系统中的非线性函数，利用模型降阶技术简化快照矩阵，进而构建原始圣维南方程组对应的低维降阶模型，完成包含闸门的圣维南方程组构建。本方法通过对模型进行降阶处理，在保证模拟精度的同时，大幅提高了计算效率，满足了实时模拟和控制的需求；具有广泛的应用前景，可用于河道调度、水利工程优化和防洪预警等领域。

本申请公开了基于3D空间粒子旋转的强化验证码实现方法、设备及介质，确定随机验证码文字内容以转换为对应的二维码图像，并将对二维码图像进行灰度处理；通过粒子管理器将灰度后二维码图像中的每个像素转化为3D空间粒子，并按照二维码图像中每个像素的像素位置调整对应3D空间粒子的平面坐标，以得到3D空间粒子对应的目标二维码图像；对目标二维码图像中每个3D空间粒子的竖坐标进行调整，得到打乱的3D空间粒子，并基于验证码的验证触发将打乱的3D空间粒子显示在操作面板上；基于操作面板接收的操作指令调整打乱的3D空间粒子，并对调整后的二维码图像进行识别，根据识别结果确定基于强化验证码的校验是否通过。

 本申请涉及一种基于网格优化与自调控的污染物浓度扩散模拟方法。所述方法包括:对模拟区域进行基础网格划分，得到基础网格；根据监测站的空间位置和污染物浓度值计算模拟区域的污染物浓度场；根据模拟区域的污染物浓度场生成浓度分布矩阵后动态调整基础网格的网格密度；利用调整后基础网格的网格密度计算出各个网格区域的计算复杂度，根据云平台和加权轮询算法进行污染物浓度计算任务分配，每个网格的污染物浓度预测结果构成模拟区域的污染物浓度分布预测结果；根据卡尔曼滤波和获取的实时环境数据对污染物浓度分布预测结果进行动态调整，得到最终的污染物浓度预测值。采用本方法能够提高污染扩散模拟的精度和实时性。