AT＆T公司

摘要： 当一家公司在某一行业形成垄断时,比如20世纪美国AT&T公司对美国电信业的垄断,便往往不再追求浮夸的设计了。然而在1959年,AT&T公司首次推出了一款美丽的“女王”电话,或者更确切地说是“公主”电话。

摘要： 美国国商务部长2018年5月1日在接受CNBC采访时表示，构筑5G移动通信网络和推出5G业务，将成为美国政府最优先课题之一。美国商务部长威尔伯-罗斯（Wilbur Ross）关于第四大美国移动公司Sprint和第三大的美国T-Mobile司发表合并协议时表示：两家公司合并后，将会与Verizon、AT＆T公司一起．更加有利于推进美国5G网络发展。同时他还表示：无论公司做什么，我们都强烈支持5G，这从防务和商业观点来看，都是所必需的。

摘要： 企业的生存能力取决于在怎样的环境中 乔·韦曼（Joe Weinman）是云计算战略家之一。他曾在惠普公司、AT＆T公司和贝尔实验室工作过30年。并任Telx公司高级副总裁。他创立了“云经济学”（Cloudonomics）这一定义，并在其《云经济学》一书中结合经济学、商业和金融的视角，阐述了云计算的本质。

摘要： 据英国《每日邮报》2017年2月27日报道，美国AT＆T公司正在和通用公司合作，为现有的照明系统安装智能传感器节点，拥有摄像头、麦克风和其他传感器的3，200个“CityIQ”传感器节点将与“物联网”连接。目标是不仅提供更多的智能照明，而且还能监测交通流量，停车位、空气质量、天气突发事件。该LED路灯将使美元。

摘要： 目前在美国销售的奥迪新车中，超过70％已支持奥迪Connect互联系统，奥迪将继续同电信运营商AT＆T公司合作，并为全系车型配备支持奥迪Connect的多媒体信息娱乐系统。奥迪2016款全系车型将支持4GLTE或3G高速数据连接服务。

摘要： 从19世纪末算起，AT＆T公司、IBM公司、苹果公司、英特尔公司、微软公司、思科公司、雅虎公司和Google公司都先后被幸运地推到了浪尖。虽然，它们来自不同的领域，中间有些已经衰落或正在衰落．但是它们都极度辉煌过。吴军的这本《浪潮之巅》系统地介绍了这些公司成功的本质原因及科技工业一百多年的发展。在这些公司兴衰的背后．有着它必然的规律。

摘要： 一位美国商人说：一个人可以失去财富、失去职业、失去机会．但万万不可失去信誉。信用记录，从现在做起刚到美国，想买部手机。面对报纸广告上五花八门的手机优惠计划，我喜滋滋地选择了AT＆T公司的一种月费29．99美元、可免费在东部七八个州每月打650分钟、手机仅售20美元的计划，却被无情拒绝。试了其他几个公司，也不行。人家不看你手中的绿票子，只朝你要信用卡。

摘要： AT＆T公司近日宣布，全球著名奢侈品集团路易威登已与其签署了一份为期5年、价值数百万美元的合作协议，并指定AT＆T公司作为其高级通信业务的全球供应商。该协议是在双方现有的一份6年期合约的基础上签订的。路易威登集团在全球6大洲100多个国家拥有3500多个网点，包括旗下路易威登、丝芙兰、芬迪、迪奥等知名品牌的主要生产基地、办事处和零售店，这些网点将在AT＆T的管理下实现连接。该协议将使得路易威登集团在全球范围内通过AT＆T连接的网点数量提高30％。

摘要： AT＆T公司与IBM公司10月10日宣布推出一项业务协议，双方将通过专用网络而非公共互联网率先提供高度安全的“网络使能云”服务。

摘要： 本发明公开了一种基于威胁情报和ATT＆CK的威胁响应方法与装置，属于计算机网络安全技术领域。所述方法包括建立威胁情报库，从公开资源和传统安全设备中收集所述威胁情报，结合ATT＆CK框架解析攻击行为全生命周期，建立完整攻击链形式的攻击者机器学习模型；根据攻击者机器学习模型建立标签与处理规则的映射关系；使用基于DFI的深度流捡测技术对实时流量数据进行监控，识别并根据流量实时特征的变化不断更改标签值；根据标签与处理规则的映射关系激活威胁防御。本发明解决了威胁情报信息单一且杂乱无序导致溯源过程缺乏有效证据，以及通常采取的封禁和阻塞策略系统负载开销大的问题。

摘要： 一种基于ATT‑CNN的变工况下滚动轴承故障识别方法，涉及滚动轴承故障识别技术。为了解决现有的变工况下滚动轴承故障识别方法针对复杂分类问题其泛化能力受到一定制约的问题。首先，通过卷积神经网络(CNN)将振动数据映射到非线性空间域，并利用其对输入信号的微小位移、缩放及其他扭曲形式具有不变性的特点，自适应提取变工况下滚动轴承故障特征；其次，提出将注意力机制(ATT)思想融入CNN结构中，进一步提高变工况下轴承振动特征的敏感性；同时通过数据增强方法获得更加丰富多样的训练样本，使得网络得到更充分地学习，提高了鲁棒性。所提出的基于注意力机制CNN(ATT‑CNN)故障诊断模型可实现变工况下的滚动轴承多状态识别与分类，并与其他方法比较，可获得更高的准确率。

摘要： 本发明公开了一种基于Att‑Res2‑CE‑Net的鼻内部疾病实时辅助诊疗系统，基于Att‑Res2‑CE‑Net，使用Res2Net50特征提取主干网络，将密集空洞卷积块DAC模块和残差多核池化RMP模块嵌入Attention U‑Net网络，系统包括视频采集处理端、云平台、服务器端，所述视频采集处理端包括数个鼻内窥镜视频采集设备，并与云平台无线连接，所述云平台与服务器无线连接，该系统设计巧妙，结构合理，综合了各个网络的劣势与优势分析，扬长避短，通过软硬件结合，可在服务器上搭建目标分割和目标跟踪网络，对视频采集处理端提供的实时手术视频进行鼻息肉、真菌性鼻窦炎和鼻腔肿瘤的精确识别定位，本发明成本低，使用灵活方便，可帮助医生辅助诊断，提高诊断效率。

摘要： 本发明属于数据通信技术领域，尤其涉及通过ATT、指示和数据分割重组来适配的通信系统及方法，其中，包括发送方分割过程和接收方重组过程，本发明解决了当存在当一个CPA PDU不能被完整地置于一个ATT PDU的净荷中时，则需要分割为多个有序片段并通过多个ATT PDU连续有序地传输，然后由接收方完成CPA PDU的重组处理的问题，真正实现了实现了ATT层与PHD层之间的通信适配。

摘要： 本发明属于数据通信技术领域，尤其涉及通过ATT和异常处理来适配的通信方法及系统，其中，包括所述具备异常处理方法的CPA层，所述异常处理方法包括：通信双方在数据交换过程中的错误或异常以及其异常处理方法，本发明解决了在通信双方在数据交换过程中或CPA数据交换过程中，往往会出现如时间间隔超时、ATT属性操作方法执行出错、ATT协议错误等错误或链路丢失等错误或异常，从而导致通信双方通讯失败的问题，具有识别了数据交换过程中产生的错误类型并进行的主动或自动的容错处理，因此，保证了数据通信过程的有效性的有益技术效果。

摘要： 本发明提供基于ATT‑BiLSTM的变压器故障监测系统，所述监测系统包括采集监测模块、存储模块、处理模块以及传输模块；所述传输模块与服务器终端相连，用于将处理后的数据结果传输至服务器终端；所述采集监测模块用于检测变压器的运行数据以及环境数据；所述存储模块用于对监测到的数据进行存储，所述存储模块还存储有无用数据对比信息；所述处理模块包括ATT筛选对焦单元以及处理单元，所述ATT筛选对焦单元用于对监测的数据与无用数据对比信息进行比对。本发明能够对剔除监测数据中的无用数据，同时能够对变压器的内外部数据进行综合监测，提高检测处理结果的全面性和故障联系的准确性，以解决现有的变压器监测处理不够精确全面的问题。

摘要： 本发明提供一种基于ATT‑BiLSTM的变压器故障监测方法，其特征在于包括如下步骤：S1、设计一套变压器故障监测系统；S2、在变压器(2)运作过程中，通过变压器故障监测系统的采集监测模块(13)检测变压器(2)的运行数据以及环境数据；S3、处理模块(12)通过对数据进行标记定义，然后对监测的数据与无用数据对比信息进行比对，剔除无关数据，并将筛选的数据传输至处理单元(122)；S4、所述处理单元(122)用于对筛选出的数据进行处理，得到变压器(2)的运行状态结果；S5、通过传输模块(14)能够将检测结果传输至服务器终端(3)，服务器终端(3)的维护人员根据检测结果判断是否需要对变压器(2)进行检修维护。

摘要： 本发明公开了基于ATT‑CNN‑BiGRU的负荷处理方法，涉及电力系统负荷分析技术领域，包括以下步骤，S1，将电网历史负荷数据输入CNN模型的卷积层，通过卷积层提取电网历史负荷数据的特征；S2，电网历史负荷数据特征进入CNN模型的池化层，通过池化层对电网历史负荷数据特征进行筛选；S3，筛选后的电网历史负荷数据特征进入到CNN模型的全连接FC层中，将非线性电网历史负荷数据特征转化为线性电网历史负荷数据特征；通过在数据预处理阶段改进负荷数据特征提取方法以提高短期负荷预测模型的预测精度。

摘要： 本发明属于纳米复合材料技术领域，具体涉及一种MNPs/ATT‑AuNCs@ZIF‑8的制备方法；选用ATT保护的AuNCs、MNPs、六水合硝酸锌、2‑甲基咪唑为原料，利用ATT‑AuNCs、MNPs表面羟基官能团和Zn2+之间的配位作用，通过一步配位自组装合成纳米复合材料。本发明引入有磁性的MNPs作为功能单体，赋予MNPs/ATT‑AuNCs@ZIF‑8磁性功能，使复合材料在外加磁场条件下可有效分离，拓宽硫醇配体保护的AuNCs@ZIF‑8复合材料的应用范围；该方法步骤简单、合成速度快、对仪器要求低；所得复合材料不仅具有良好的光学特性，而且具有较高的磁性，适合多领域应用。

摘要： 本发明属于气象干旱预测技术领域，具体涉及一种基于VMD‑CNN‑BiLSTM‑ATT混合模型的气象干旱预测方法及装置，该方法包括获得历史气象数据，作为输入数据，对输入数据进行变分模态分解，得到若干个本征模态分量IMF，将各个IMF分量分别拆分为训练集和测试集；将训练集的数据输入到卷积神经网络的输入层，计算得到输出矩阵；将池化得到的矩阵作为双向长短期记忆网络的输入，同时从正向和反向处理数据，关注未来时刻与当前时刻的相关关系；在双向长短期记忆网络的输出侧添加注意力机制层，为隐藏层特征向量添加权重，再次计算输出数据，即预测值；对所有CNN‑BiLSTM‑ATT预测值进行重组叠加，得到输出序列。与传统的干旱预测方法相比，本发明的预测误差更小，预测精度和可信度更高。