国产三级视频在线,在线播放一区二区三区,亚洲欧美偷拍自拍

基于優(yōu)化多視角圖像采集的點云分類[其他][其他]

基于二維多視角3D識別方法中，可使用多個2D投影圖表示三維模型特征信息，但不同視角投影圖像的特征不同，神經(jīng)網(wǎng)絡(luò)對其學(xué)習(xí)效率也有所差異。卷積神經(jīng)網(wǎng)絡(luò)能夠映射圖像的特征，可用此方法分析這個問題。混合視角數(shù)據(jù)集分析不同視角投影特征在卷積神經(jīng)網(wǎng)絡(luò)中的重要性，根據(jù)重要性的不同優(yōu)化混合視角數(shù)據(jù)集的采集密度。最終實驗結(jié)果表明，不同視角產(chǎn)生的二維圖像分類準(zhǔn)確率不一樣，其中俯視角度投影的分類準(zhǔn)確率最差，優(yōu)化后的數(shù)據(jù)集在相同神經(jīng)網(wǎng)絡(luò)模型下達到了最優(yōu)分類準(zhǔn)確率。

發(fā)表于：9/27/2021

云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略[其他][其他]

提出了云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計學(xué)中的皮爾遜相關(guān)系數(shù)應(yīng)用于虛擬機CPU歷史利用率數(shù)據(jù)，建立了衡量每對虛擬機CPU利用率之間的相關(guān)性的數(shù)學(xué)模型；PC-VMS會獲取每對虛擬機最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來計算皮爾遜相關(guān)系數(shù)，最后在一組相關(guān)性最高的虛擬機中選擇一個CPU利用率最高的進行遷移，隨后結(jié)合虛擬機放置策略分配到新的目標(biāo)物理主機上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機選擇策略相比，各類性能指標(biāo)都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構(gòu)造提供參考。

發(fā)表于：9/27/2021

基于非正交波形的超奈奎斯特采樣[其他][其他]

針對超奈奎斯特(Faster-than-Nyquist，F(xiàn)TN)系統(tǒng)，提出了基于非正交波形編碼的超奈奎斯特采樣，并與傳統(tǒng)的正交波形FTN和傳統(tǒng)的正交Nyquist系統(tǒng)進行了對比分析。在99.99%的功率帶寬和5次迭代檢測譯碼的條件下，仿真結(jié)果表明：相比于升余弦的正交波形FTN系統(tǒng)，基于高斯和擴展高斯(Extended Gaussian Functions，EGF)脈沖成形的非正交波形FTN系統(tǒng)可以獲得4.4 dB的成形增益，同時由于良好的時頻聚焦特性，其均衡復(fù)雜度只是升余弦的1/16。

發(fā)表于：9/27/2021

5G公網(wǎng)與專網(wǎng)融合場景的關(guān)鍵技術(shù)研究[通信與網(wǎng)絡(luò)][5G]

介紹了3GPP R16標(biāo)準(zhǔn)中提出的非公共網(wǎng)絡(luò)技術(shù)(Non -Public Network，NPN)的兩種組網(wǎng)方式和應(yīng)用現(xiàn)狀，分析了企業(yè)對5G專網(wǎng)的需求以及公專融合的趨勢。結(jié)合NPN與公共陸地移動網(wǎng)(Public Land Mobile Network，PLMN)部署的關(guān)系，提出了兩種典型的5G公網(wǎng)和專網(wǎng)融合部署模式：連續(xù)模式、重疊模式。并針對兩種模式下需要重點解決的業(yè)務(wù)連續(xù)性和并發(fā)連接問題，介紹了3GPP R17標(biāo)準(zhǔn)中提出的兩種技術(shù)方案。

發(fā)表于：9/27/2021

基于改進型極限學(xué)習(xí)機的電子鼻氣體濃度檢測[其他][其他]

針對目前電子鼻應(yīng)用于氣體污染物濃度檢測時難以達到理想精度的問題，提出基于粒子群算法與人工蜂群算法的極限學(xué)習(xí)機(Particle Swarm Optimization and Artificial Bee Colony algorithm based Extreme Learning Machine，PSOABC-ELM)算法，通過改進極限學(xué)習(xí)機輸入層與隱含層權(quán)值和隱含層閾值隨機的缺陷，提高電子鼻濃度檢測的精度。將PSOABC-ELM算法與其他算法進行比較，并在公開數(shù)據(jù)集上進行驗證。實驗結(jié)果表明，PSOABC-ELM算法用于電子鼻氣體濃度檢測時比其他算法精準(zhǔn)度更高，檢測結(jié)果誤差更小，模型穩(wěn)定性更強，為電子鼻氣體濃度檢測提供了一種新的方法。

發(fā)表于：9/27/2021

基于LabVIEW和FPGA的半實物仿真平臺的設(shè)計與實現(xiàn)[其他][其他]

針對電力電子本科或研究生教學(xué)實驗，基于LabVIEW和簡易FPGA板卡，設(shè)計了一種高性價比的電力電子半實物實時仿真教學(xué)實驗平臺。仿真平臺系統(tǒng)由上位機和模型運算單元FPGA板卡組成，人機界面及實驗波形數(shù)據(jù)顯示基于LabVIEW軟件平臺編制，通過以太網(wǎng)實現(xiàn)與FPGA板卡數(shù)據(jù)交換，平臺系統(tǒng)可以進行多種電路拓撲模型的下載安裝和HIL實時仿真實驗。

發(fā)表于：9/27/2021

一種用于電池管理系統(tǒng)的高壓多路選擇器[電源技術(shù)][其他]

高壓多路選擇器是電池管理系統(tǒng)的重要組成部分，目前研究的高壓多路選擇器會給電池引入漏電流，影響電池電壓檢測精度。為了降低高壓多路選擇器開關(guān)控制信號對電池的漏電流影響，提高電壓檢測精度，設(shè)計了一種新型柵極驅(qū)動型高壓開關(guān)。該高壓開關(guān)采用了柵極自舉結(jié)構(gòu)，可以直接級聯(lián)，并且開關(guān)控制信號不對信號源引入漏電流。最后采用0.5 μm 40 V BCD工藝，搭建一個7路高壓多路選擇器進行了仿真驗證。后仿真結(jié)果表明，高壓開關(guān)相鄰信道的隔離度為-47 dB@1 MHz，最大輸入電壓35 V，電路版圖面積1.2 mm×1.5 mm，滿足應(yīng)用場合。

發(fā)表于：9/27/2021

一種超低輸入共模電壓的動態(tài)比較器電路設(shè)計[其他][其他]

為了適應(yīng)物聯(lián)網(wǎng)低功耗的應(yīng)用場景，并滿足低電源電壓和低輸入共模電壓的工作要求，提出了一種適用于超低輸入共模電壓的雙正反饋回路動態(tài)比較器。該比較器采用時序開關(guān)控制輸入輸出，解決了傳統(tǒng)動態(tài)比較器在輸入電壓低于閾值電壓時無法正常工作的問題，增大了輸入動態(tài)范圍；電源到地之間僅堆疊兩級MOS管，降低了最小電源電壓；引入兩個正反饋回路，提高了分辨率。采用TSMC 180 nm CMOS工藝設(shè)計和驗證，仿真結(jié)果表明，在電源電壓為900 mV，差模電壓為1 mV情況下，提出的比較器最低共模電壓為51 mV，與傳統(tǒng)StrongARM動態(tài)比較器和DoubleTail動態(tài)比較器相比，分別降低了374 mV和264 mV；當(dāng)輸入共模電壓低于閾值電壓時，在中等的功耗下實現(xiàn)了最低的延時。

發(fā)表于：9/27/2021

基于SiP封裝的DDR3時序仿真分析與優(yōu)化[其他][其他]

針對DDR3系統(tǒng)設(shè)計對時序要求的特殊性，對某一SiP(System in Package)中DDR3封裝和基板設(shè)計進行時序仿真和優(yōu)化，通過仿真指導(dǎo)設(shè)計，提高SiP產(chǎn)品DDR3的設(shè)計成功率，減少設(shè)計周期。通過ANSYS SIwave軟件提取信號S參數(shù)，再經(jīng)過Cadence SystemSI軟件搭建拓撲進行時序仿真分析，利用信號完整性相關(guān)理論，討論信號時序與波形的關(guān)系，結(jié)合版圖分析，給出實際的優(yōu)化方案，并經(jīng)過仿真迭代驗證，最終使所設(shè)計的DDR3滿足JEDEC協(xié)議中的時序要求。

發(fā)表于：9/27/2021

面向SoC的SRAM讀出電路加固設(shè)計[其他][其他]

SRAM存儲器在SoC芯片中的應(yīng)用已經(jīng)越來越普遍，存儲單元的加固設(shè)計已成為抗輻射SoC芯片設(shè)計首要考慮的問題之一。提出了兩種SRAM讀出電路的加固結(jié)構(gòu)，分別從讀出電路結(jié)構(gòu)、數(shù)據(jù)讀出速度和抗單粒子翻轉(zhuǎn)能力等方面進行了對比。兩種讀出結(jié)構(gòu)的SRAM均有較好的抗單粒子能力，但相比較單模雙互鎖結(jié)構(gòu)的SRAM，雙模雙互鎖讀出結(jié)構(gòu)的SRAM讀出時間更短。

發(fā)表于：9/27/2021

基于注意力特征金字塔的輕量級目標(biāo)檢測算法[其他][其他]

基于深度學(xué)習(xí)的目標(biāo)檢測算法因其模型復(fù)雜度和對計算能力的要求，難以部署在移動設(shè)備等低算力平臺上。為了降低模型的規(guī)模，提出一種輕量級目標(biāo)檢測算法。該算法在自頂向下的特征融合的基礎(chǔ)之上，通過添加注意力機制構(gòu)建特征金字塔網(wǎng)絡(luò)，以達到更細粒度的特征表達能力。該模型以分辨率為320×320的圖像作為輸入，浮點運算量只有0.72 B，并在VOC數(shù)據(jù)集上取得了74.2%的mAP，達到了與傳統(tǒng)單階段目標(biāo)檢測算法相似的精度。實驗數(shù)據(jù)表明，該算法在保持了檢測精度的同時顯著降低了模型運算量，更適合低算力條件下的目標(biāo)檢測。

發(fā)表于：9/27/2021

一種基于成詞率和譜聚類的電力文本領(lǐng)域詞發(fā)現(xiàn)方法[其他][其他]

考慮到當(dāng)前電力行業(yè)仍缺少有效的領(lǐng)域詞發(fā)現(xiàn)方法，以電力行業(yè)科技項目文本為原始語料庫，將基于互信息與左右熵的統(tǒng)計特征與傳統(tǒng)語言構(gòu)詞規(guī)則特征相融合，提出了電力文本成詞率的概念。所提方法首先利用成詞率對電力文本進行無監(jiān)督篩選得到初始候選詞集，然后對候選詞集進行文本切片算法和常用詞過濾操作，最后進行詞嵌入和譜聚類得到最終所需的電力文本領(lǐng)域詞。實驗結(jié)果表明，所提出的方法準(zhǔn)確有效，為電力文本的領(lǐng)域詞發(fā)現(xiàn)提供了一種新方法。

發(fā)表于：9/27/2021

人工智能與區(qū)塊鏈技術(shù)融合發(fā)展研究[人工智能][其他]

人工智能(AI)、區(qū)塊鏈作為新一代信息技術(shù)發(fā)展的重要領(lǐng)域，已成為國家戰(zhàn)略性前沿技術(shù)。隨著人工智能和區(qū)塊鏈技術(shù)的齊驅(qū)并進，在不斷突破自身領(lǐng)域技術(shù)發(fā)展、推動產(chǎn)業(yè)轉(zhuǎn)型升級的同時，也面臨著數(shù)據(jù)孤島、技術(shù)壁壘高、算力成本高等問題。結(jié)合人工智能和區(qū)塊鏈技術(shù)特點，從數(shù)據(jù)共享、算法共享、算力供給等6大融合關(guān)鍵點進行剖析，并對兩者融合發(fā)展能夠解決的技術(shù)難題進行了初步探究，為助推新一代信息技術(shù)向多元化、智能化、安全化發(fā)展提供參考。

發(fā)表于：9/27/2021

5G海面超遠覆蓋解決方案研究[通信與網(wǎng)絡(luò)][5G]

將5G移動通信技術(shù)應(yīng)用于海面覆蓋，不僅僅要解決建站困難的問題，還要解決海面超遠覆蓋下的參數(shù)配置及覆蓋距離估算。首先對海面超遠覆蓋進行信道建模，考慮空氣介電常數(shù)變化對無線電波傳播的影響，給出了等效的地球模型；其次，對5G中影響小區(qū)覆蓋半徑的幾個關(guān)鍵參數(shù)進行了詳細分析；最后，分別對三大運營商的主流頻段進行仿真，給出了不同頻段下最大覆蓋距離與路徑損耗的關(guān)系曲線。

發(fā)表于：9/27/2021

5G多頻段組網(wǎng)和優(yōu)化策略研究[通信與網(wǎng)絡(luò)][5G]

隨著移動通信網(wǎng)絡(luò)的不斷發(fā)展，運營商擁有高中低不同的頻段資源，無線電頻段資源是寶貴的戰(zhàn)略資源，如何合理高效地利用頻譜資源是目前運營商考慮的首要問題。在5G NR 2.1 GHz和NR 3.5 GHz頻段的覆蓋性能、業(yè)務(wù)承載等方面對比分析的基礎(chǔ)上，提出了不同場景下的組網(wǎng)建議和多載波間移動策略建議，為后續(xù)5G網(wǎng)絡(luò)建設(shè)提供重要依據(jù)。

發(fā)表于：9/27/2021