WikiEdge:ArXiv速遞/2025-03-28

摘要

• 原文標題：Comparison between neural network clustering, hierarchical clustering and k-means clustering: Applications using fluidic lenses
• 中文標題：神經網絡聚類、層次聚類與K均值聚類的比較：基於流體透鏡的應用
• 發布日期：2025-03-28 14:01:12+00:00
• 作者：Graciana Puentes
• 分類：physics.optics, cs.LG
• 原文鏈接：http://arxiv.org/abs/2503.22448v1

中文摘要：本研究對神經網絡聚類(NNC)、層次聚類(HC)和K均值聚類(KMC)進行了比較，以評估這三種機器學習(ML)技術在將大型數據集組織成簇時的計算優勢。針對NNC方法，我們對一組波前傳感器重建數據（分解為15項澤尼克係數，用於表徵流體透鏡傳輸的相位前光學像差）應用了自組織映射(SOM)訓練。通過分析SOM相鄰權重距離、SOM樣本命中、SOM權重位置和SOM權重平面，形成了對系統結構特性的可視化解釋。在HC方法中，採用聯合相異度-連接矩陣計算進行數據劃分，該方法有效性通過較高的共表型相關係數值(c=0.9651)得以驗證。通過設定0.8的不一致性截斷值，最終確定7個簇作為系統分割的最大數量。此外，採用KMC方法建立聚類分割效率的量化指標，在K=5個非重疊簇的數據分割中獲得了0.905的平均輪廓係數值。研究表明，HC的聯合連接與相異度算法結合KMC形成的聚類方案，比單獨使用NNC或HC評估更為可靠——後者若改變SOM尺寸或不一致性截斷值可能導致全新的聚類構型。

摘要

• 原文標題：Depolarization studies on low-depolarizing Cu/Ti and Ni(Mo)/Ti neutron supermirrors
• 中文標題：低去極化Cu/Ti與Ni(Mo)/Ti中子超鏡的去極化研究
• 發布日期：2025-03-28 16:03:35+00:00
• 作者：Jose Manuel Gómez-Guzmán, Karina Bernert, Anton Devishvili, Christine Klauser, Bastian Märkisch, Ulrich Schmidt, Torsten Soldner
• 分類：physics.ins-det
• 原文鏈接：http://arxiv.org/abs/2503.22561v1

中文摘要：中子超鏡(SMs)是眾多散射和粒子物理實驗的關鍵組件。由於Ni(Mo)/Ti超鏡相較於Ni/Ti超鏡具有更低的飽和磁化強度，迄今被廣泛應用於極化中子束傳輸實驗。然而，新一代β衰變實驗要求超鏡每次反射的退極化率低於10^-4才能達到目標精度，而Ni(Mo)/Ti超鏡反射導致的極化中子束退極化尚未達到該精度量級的測量結果。近期開發的Cu/Ti超鏡相比Ni(Mo)/Ti超鏡具有極低飽和磁化強度，可能成為替代方案。本文測試了兩種鏡面的性能：首先在SuperADAM中子反射儀上測量Ni(Mo)和Cu單層的四態極化中子反射率(PNR)曲線，通過全極化分析顯示兩種材料的磁散射長度密度(mSLD)存在差異，其中Cu的mSLD低於Ni(Mo)；該結果在m=2的Ni(Mo)/Ti超鏡和Cu/Ti超鏡四態PNR曲線全極化分析中得到驗證。其次利用Opaque Test Bench裝置測量相同超鏡反射後的退極化率(D)，在1σ置信水平下獲得退極化率上限：D_Cu/Ti(4N5)<7.6×10^-5、D_Ni(Mo)/Ti<8.5×10^-5、D_Cu/Ti(2N6)<6.0×10^-5（其中(4N5)對應鈦純度99.995%，(2N6)對應99.6%）。統計不確定度分析表明三種超鏡均適用於新一代β衰變實驗，且未發現退極化率與q值或樣品所處磁化場的顯著相關性。

摘要

• 原文標題：Advancing DevSecOps in SMEs: Challenges and Best Practices for Secure CI/CD Pipelines
• 中文標題：推進中小企業DevSecOps實踐：安全CI/CD管道的挑戰與最佳實踐
• 發布日期：2025-03-28 16:55:41+00:00
• 作者：Jayaprakashreddy Cheenepalli, John D. Hastings, Khandaker Mamun Ahmed, Chad Fenner
• 分類：cs.CR, cs.CY, cs.SE, D.2.2; K.6.5; D.2.9
• 原文鏈接：http://arxiv.org/abs/2503.22612v1

中文摘要：本研究評估了中小型企業（SMEs）對DevSecOps的採用情況，識別了關鍵挑戰、最佳實踐和未來趨勢。通過基於技術接受模型（TAM）和創新擴散理論（DOI）的混合方法，我們分析了來自405名中小企業專業人士的調查數據，結果顯示雖然68%的企業已實施DevSecOps，但採用過程受到技術複雜性（41%）、資源限制（35%）和文化阻力（38%）的阻礙。儘管73%的企業領導層將安全作為優先事項，自動化缺口仍然存在，僅有12%的組織在每次提交時進行安全掃描。 研究發現突顯了安全工具的日益整合，特別是API安全（63%）和軟件成分分析（62%），但容器安全的採用率仍然較低（34%）。展望未來，中小企業預計人工智能和機器學習將對DevSecOps產生重大影響，強調了主動採用AI驅動安全增強的必要性。基於研究結果，本文提出了增強CI/CD管道安全的戰略最佳實踐，包括自動化、領導力驅動的安全文化以及跨團隊協作。