综述：基于CNN-Transformer的差分区分器的设计与分析，用于ARX密码

《Electronics》：Design and Analysis of a CNN-Transformer-Based Differential Distinguisher for ARX Ciphers

　　这是一个复杂的HTML代码片段，用于描述一项研究文献的摘要部分。代码中包含了以下元素：- 使用`

`和`

`等标签来构建文章的结构。- 使用`id`和`class`属性来为不同的元素和部分指定样式和样式类。- 使用`h2`到`h5`等标题元素来表示不同的层次结构。- 使用`font-size`、`font-weight`和`font-style`等属性来调整文本的字体大小、粗细和样式。- 使用`data-heading-anchor`属性来链接到特定的标题部分。- 使用`PRISMA`方法和`Joanna Briggs Institute (JBI)`方法框架来选择和综合相关的文章。- 从Scopus、Web of Science和MDPI平台等数据库中搜索相关文章，并根据筛选标准分析31篇符合条件的文章。- 主要研究的内容包括四种常用的神经网络架构（2D CNN、3D CNN、混合模型，如CNN–RNN、CNN–Transformer以及轻量级架构）。- 识别了常用的数据集（如UCF101和HMDB51）和标准化的评估指标（如准确率和F1分数）。- 指出了研究数据集的异质性、缺乏标准化评估指标，以及在准确率和计算资源消耗之间保持平衡的挑战。- 强调了需要清晰和可靠的指南，以帮助选择合适的CNN架构、测试数据集和评估指标，以便从视频序列中提取时空特征，并识别研究和未来的发展方向。请注意，这段代码是用于描述性的目的，而不是直接可执行的代码。在实际开发中，可能需要根据具体的需求和上下文进行相应的调整和修改。