- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户9757876的专栏
另类方法阻止WSD自动安装，解决WSD协议无法打印的问题
相信很多人都发现了，打印机的WSD协议简直是个灾难，也许它的出发点是好的——让打印机安装自动化、简单化，可是带来的问题也不少，最显著就是无法打印了，打印机无法打印了，那安装方法再简单、再自动又有什么用呢 很多单位都会摈弃WSD的方式，改为TCP/IP方式安装网络打印机，但是这个WSD总是阴魂不散，它会时不时地自动替换掉TCP/IP协议，替换就替换了，那你倒是打印啊，它只负责替换同，不负责打印，这谁能受得了啊 ，于是各大论坛都充斥着WSD无法打印的问题，品牌方也常常是无可奈何。 我对WSD协议不了解，但是想来它和海康威视、天地伟业这些监控摄像机的管理软件一样，都是采用广播模式，应该是工作在二层的，要想不自动发现，就要阻止二层通讯，比如说，监控摄像机在不同的VLAN，管理软件就无法搜索到 你看，利用交换机的端口隔离功能，来解决打印机的WSD问题，是不是挺完美的？其实并不如此，原因暂且不表，先看配置方法。 背景：华为48口交换机，1-8口同在VLAN10，其中1、2为两台网络打印机。
1.4K30编辑于 2022-05-18 - 来自专栏绿盟科技研究通讯
WS-Discovery反射攻击深度分析
本文的关键发现如下： - 自WSD反射攻击在今年2月被百度安全研究人员披露以来，今年下半年利用WSD进行反射攻击的事件明显增多。 WSD协议所对应的端口号是3702。当前，视频监控设备的ONVIF规范[4]里面提到使用WSD作为服务发现协议，一些打印机[5]也开放了WSD服务。 ONVIF在设备发现阶段是基于WSD协议进行通信的。从反射攻击的角度来看，攻击者并非只针对ONVIF设备。虽然百度并没有提WSD反射攻击，但我们认为这是对于WSD反射攻击的首次报道。 二、WSD暴露情况分析 为了精确刻画WSD反射攻击的情况，我们一方面对暴露在互联网上的WSD服务进行了测绘，另一方面我们做了WSD蜜罐，并部署在了我司伏影实验室的蜜网系统中。 在WSD反射攻击逐渐进入大家视野之时，需要多方参与才能提升WSD的安全性。 01 作为安全厂商： （1）可以在扫描类产品中加入WSD扫描能力，及时发现客户网络中存在的安全隐患。
2K30发布于 2019-12-11 - 来自专栏AI科技评论
ACL 2022 共收录4篇词义消歧论文，3篇来自一个意大利科研团队
（ACL 22上关于WSD的论文） 1 WSD真的超过了人类性能了吗？ 考虑到理想的模型应该表现得和人类类似的假设，现有模型在WSD上犯得很多错误是低级和违背常识的。 事实上，将WSD定义为这种文本提取的方式在之前的方法ESC和ESCHER中被两次用到（都是同一位作者），其中的ESCHER方法是当前WSD的SOTA方法，这启发我们这种截取式方式的有效性。 在WSD领域内，该课题组就承包了大半工作，包含模型的提出、新任务的定义、数据集语料库的建设、富有启发的分析等等。 这种几十年如一日的专注确实很令人敬佩，这可能也是课题组不断可以产出高质量的WSD文章的重要原因。
53410编辑于 2022-04-28 - 来自专栏六月-游戏开发
C++ 使用Socket实现主机间的UDP/TCP通信
UDP Socket 服务器端 对于windows，使用socket前需要手动开启： #ifdef _WIN32 WSADATA wsd; if(WSAStartup(MAKEWORD( 2, 2), &wsd)){ std::cout << "WSAStartup Error" << std::endl; exit(-1); } #endif ; if(WSAStartup(MAKEWORD(2, 2), &wsd)){ std::cout << "WSAStartup Error" << std::endl; closesocket(udpSocket); #else close(udpSocket); #endif return 0; } 客户端 和服务器一样的先激活: WSADATA wsd ; if(WSAStartup(MAKEWORD(2, 2), &wsd)){ std::cout << "WSAStartup Error" << std::endl; exit(-1
3.6K40编辑于 2023-01-01 - 来自专栏NewBeeNLP
用最酷的LR，训最猛的模型
告别Cosine 在近期清华的MiniCPM[2]工作中，作者提出了一个WSD策略（Warmup-Stable-Decay），即快速warmup后，一大段时间内使用固定学习率，在最后快速衰减到小的学习率 如下图中WSD(80N,8N)是指一共训80N，其中最后10%(8N)快速衰减，跟Cosine(80N)对比： WSD策略对续训就更加友好，只要拿到之前固定学习率的ckpt就可以继续训练，节省了很多计算资源 近期一篇工作[3]对WSD这种固定学习率的策略（称为Cooldown）进行了进一步研究和Scaling Law分析。 不过该方法结合AdamW后，对超参数beta会比较敏感，在实际对比中略弱于Cooldown： 总结 从上述工作可以看到，想要替换掉cosine decay，又想追上cosine的效果，还是伴随着不少代价： 换成WSD /Cooldown，需要调节衰减长度 换成SWA，需要调节平均窗口 换成SFO，需要调节beta 同时，上述WSD、SFO策略都是近期被提出的，这些策略只在小尺寸模型上进行过验证，能否保证大模型的稳定收敛
94010编辑于 2024-06-17 - 来自专栏量化投资与机器学习
【Matlab量化投资】基于神经网络的利率债16国开10收益率预测模型
net.trainParam.mc=0.95; 我们选取的数据为'2016-04-03'至'2016-12-02’，160210估价收益率（中债），数据来至于wind数据库，对于提出数据直接用下面代码直接提取 [w_wsd_data ,w_wsd_codes,w_wsd_fields,w_wsd_times,w_wsd_errorid,w_wsd_reqi d]=w.wsd('160210.IB','yield_cnbd','2016
1.9K90发布于 2018-01-29 - 来自专栏AI智韵
MiniCPM，能被斯坦福抄袭究竟有何魅力？我们一起看看论文吧！
对于数据扩展，我们引入了一种Warmup-Stable-Decay（WSD）学习率调度器（LRS），这有利于持续训练和领域适应。我们对WSD LRS中出现的引人入胜的训练动态进行了深入分析。 我们将其称为Warmup-StableDecay (WSD)学习率调度器。特别是，WSD学习率调度器包含三个阶段：预热阶段（结束步数由表示）、稳定训练阶段（结束步数由表示）和剩余的衰减阶段。 WSD的函数形式为： 其中，是关于的递减函数，是最大学习率。通常，只要预热阶段足够，它对性能的影响就很小，因此，在后续讨论中我们省略。为了简化表示，我们将使用具有明确停止点的WSD来标记。 使用WSD LRS进行有效数据扩展。通过WSD LRS，我们可以持续训练语言模型至极端收敛。为了进一步展示将固定大小的模型训练至收敛的潜力，我们将持续训练的语言模型与模型在40N数据上进行比较。 B.2 拟合数据缩放定律 在本节中，我们描述了使用WSD LRS进行继续训练时拟合的数据缩放定律。图16中的每个点都是WSD LRS中不同结束步骤的衰减阶段的结束点。
91310编辑于 2024-10-22 - 来自专栏用户9757876的专栏
刚装上的打印机就无法打印，显示为脱机状态，看我如何快速解决
从多次的经验来看，我认为直到目前为止，WSD协议，仍旧是个灾难，虽然它的初衷是方便安装打印机，几乎全自动的安装也确实挺不错，但是时不时无法打印却实在是讨人嫌，很显然，安装再简便又有什么用呢。 明明能自动搜索和安装，刚装完， 什么也没动，却脱机不能打印，你说WSD协议有多摆烂吧？ 当然了，解决方法也很简单，在打印机设置界面，添加TCP/IP端口，填写打印机的IP地址，确定就行了。 这时候，设备里面会多出来一台打印机，估计就是WSD那台吧，我都懒得看它，把刚才修改为TCP/IP协议的打印机设置为默认就行了，打印速度嗖嗖的。
1.2K30编辑于 2022-12-08 - 来自专栏专知
【论文推荐】最新5篇知识图谱相关论文—强化学习、习知识图谱的表示、词义消除歧义、并行翻译嵌入、图数据库
Typically WSD systems use the sentence or a small window of words around the target word as the context In this paper, we leverage the formalism of topic model to design a WSD system that scales linearly with proposed method on Senseval-2, Senseval-3, SemEval-2007, SemEval-2013 and SemEval-2015 English All-Word WSD datasets and show that it outperforms the state-of-the-art unsupervised knowledge-based WSD system by
1.7K40发布于 2018-04-12 - 来自专栏arXiv每日学术速递
自然语言处理学术速递[7.6]
开发标准的WSD测试集合可以作为开发和评估感兴趣的语言中的不同WSD系统的一个重要前提。 尽管已经为多种语言开发了许多WSD测试集合，但是没有标准的All words WSD benchmark可用于波斯语。 本文通过引入SBU-WSD语料库作为波斯语全词WSD任务的第一个标准测试集，解决了波斯语的这一不足。SBU WSD语料库是用波斯语WordNet（FarsNet）词义库中的词义手工标注的。 本文在SBU语料库上对几种WSD模型进行了评价，为今后波斯语全词WSD任务的研究提供了基础。语料库在https://github.com/hrouhizadeh/SBU-WSD-Corpus. on SBU-WSD-Corpus.
99130发布于 2021-07-27 17.3 实现无管道反向CMD
pi.hProcess); CloseHandle(pi.hThread); return;}int main(int argc, char *argv[]){ SOCKADDR_IN sin; WSADATA wsd ; SOCKET sSock; int cRet; // 初始化套接字 if (WSAStartup(MAKEWORD(2, 2), &wsd) == SOCKET_ERROR) { return
40920编辑于 2023-10-23- 来自专栏专知
【论文推荐】最新6篇主题模型相关论文—正则化变分推断主题模型、非参数先验、在线聊天、词义消歧、神经语言模型
Typically WSD systems use the sentence or a small window of words around the target word as the context In this paper, we leverage the formalism of topic model to design a WSD system that scales linearly with proposed method on Senseval-2, Senseval-3, SemEval-2007, SemEval-2013 and SemEval-2015 English All-Word WSD datasets and show that it outperforms the state-of-the-art unsupervised knowledge-based WSD system by
84950发布于 2018-04-12 - 来自专栏深度学习自然语言处理
EMNLP 2018 | 为什么使用自注意力机制？
受到上述关于路径长度和语义特征提取关系的理论陈述的启发，研究者在主谓一致任务（需要建模长距离依赖）和词义消歧（WSD）任务（需要提取语义特征）上对三种模型的性能进行了评估。 通过实验证明 Transformer 擅长 WSD，这表明 Transformer 是强大的语义特征提取器。 论文：Why Self-Attention? WSD 主谓一致任务上的实验结果展示了 CNN 和 Transformer 在捕捉长距离依赖方面并没有优于 RNN，即使 CNN 和 Transformer 中的路径更短。 因此，我们进一步在 WSD 任务上评估这些架构来验证我们的假设：非循环架构更擅长提取语义特征。 ? 表 5：不同架构在 newstest 数据集和 ContraWSD 上的结果。
96910发布于 2019-11-19 - 来自专栏绿盟科技安全情报
利用WS-Discovery进行反射攻击？绿盟科技威胁情报中心已支持相关检测
WS-Discovery（Web Services Dynamic Discovery，简称WSD）是一种局域网内的服务发现多播协议，但是因为设备厂商的设计不当，当一个正常的IP地址发送服务发现报文时， 绿盟科技威胁情报中心（NTI）对该攻击持续监控，已支持对WS-Discovery反射攻击的相关检测及测绘数据检索，可提供最新WSD暴露资产情报并持续更新。
80710发布于 2020-05-08 17.3 实现无管道反向CMD
CloseHandle(pi.hThread); return; } int main(int argc, char *argv[]) { SOCKADDR_IN sin; WSADATA wsd ; SOCKET sSock; int cRet; // 初始化套接字 if (WSAStartup(MAKEWORD(2, 2), &wsd) == SOCKET_ERROR)
29520编辑于 2023-10-24- 来自专栏全栈程序员必看
c语言网络通信_c语言tcp网络编程
下面是一个最简单的创建服务器端和客户端的例子： 服务器端的创建： WSADATA wsd; SOCKET sListen; SOCKET sclient; UINT port = 800; int iAddrSize; struct sockaddr_in local , client; WSAStartup( 0x11 , &wsd ); sListen = Socket 5 ); sClient = accept( sListen , (struct sockaddr*)&client , &iAddrSize ); 客户端的创建： WSADATA wsd = 800; char szIp[] = "127.0.0.1"; int iAddrSize; struct sockaddr_in server; WSAStartup( 0x11 , &wsd
9.1K20编辑于 2022-11-01 - 来自专栏王的机器
『金融数据结构』「1. 数据类型」
以茅台 (600519.SH) 举例来看一段万矿 (WindQuant) 的代码： _, date = w.wsd( "600519.SH", "stm_issuingdate 关于代码里的 wsd 的相关知识，请参考〖Pandas 上〗一贴。 ? _, df = w.wsd( "600519.SH", "eps_basic_is", "2018-01-01", "2019-03-31" 这时 wsd 函数中用参数 fa_eps_basic 而不是用 eps_basic_is，fa_eps_basic 代表「基本每股收益_PIT」。 _, df = w.wsd( "600519.SH", "fa_eps_basic", "2018-01-01", "2019-03-31"
3.3K80发布于 2019-07-05 - 来自专栏大内老A
[WCF 4.0新特性] 标准终结点与无(.SVC)文件服务激活
在下面的配置中，我们自定义了一个基于WS-Discovery 1.1的udpDiscoveryEndpoint，并起名为“wsd11”。 而这个标准终结点通过终结点配置节的两个属性kind（kind="udpDiscoveryEndpoint"）和endpointConfiguration（endpointConfiguration="wsd11 Artech.WcfServices.Contract.ICalculator" /> 7: <endpoint kind="udpDiscoveryEndpoint" endpointConfiguration="<em>wsd</em>11 10: <standardEndpoints> 11: <udpDiscoveryEndpoint> 12: <standardEndpoint name="wsd11
962110发布于 2018-02-07 - 来自专栏量化投资与机器学习
重磅来袭 | AFML系列开启，我们相信会成为经典~
以茅台 (600519.SH) 举例来看一段万矿 (WindQuant) 的代码： _, date = w.wsd( "600519.SH", "stm_issuingdate", 关于代码里的 wsd 的相关知识，请参考Pandas 上。 ? _, df = w.wsd( "600519.SH", "eps_basic_is", "2018-01-01", " 这时 wsd 函数中用参数 fa_eps_basic 而不是用 eps_basic_is，fa_eps_basic 代表「基本每股收益_PIT」。 _, df = w.wsd( "600519.SH", "fa_eps_basic", "2018-01-01", "
1.6K31发布于 2019-05-17 - 来自专栏fzmdev
PLANTUML快速上手
8082 在vscode的配置文件中, 配置plantuml server的地址 设置 -> 搜索plantuml -> 配置render和server地址 使用 在vscode中，新建后缀为 *.wsd
2.4K10发布于 2021-10-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号