精品国产精品国产自制久久,97视频黄色三级片35一55岁,国产亚洲午夜影视在线观看

頭條

Gartner：2024年全球半導(dǎo)體收入增長(zhǎng)21%

根據(jù)Gartner的最終統(tǒng)計(jì)結(jié)果，2024年全球半導(dǎo)體總收入為6559億美元，較2023年的5421億美元增長(zhǎng)了21%。同時(shí)，英偉達(dá)超越了三星電子和英特爾，首次躍居首位。 Gartner研究副總裁Gaurav Gupta表示：“前十大半導(dǎo)體廠商收入排名變動(dòng)的主要原因在于強(qiáng)勁的AI基礎(chǔ)設(shè)施需求以及73.4%的內(nèi)存收入增長(zhǎng)。英偉達(dá)之所以能夠躍至首位，主要在于其獨(dú)立圖形處理單元（GPU）需求顯著增長(zhǎng)，GPU已成為數(shù)據(jù)中心AI工作負(fù)載的首選。” Gupta表示：“供需失衡引起價(jià)格大幅反彈，三星電子的DRAM和閃存收入增長(zhǎng)，得以繼續(xù)保持在第二位。英特爾2024年的半導(dǎo)體收入僅增長(zhǎng)了0.8%，原因在于其主要產(chǎn)品線面臨的競(jìng)爭(zhēng)威脅正在加劇，而且英特爾未能把握AI處理需求強(qiáng)勁增長(zhǎng)這一機(jī)遇?！?023-2024年全球排名前十半導(dǎo)體廠商收入（單位：百萬(wàn)美元）

基于藍(lán)牙Mesh分布式控制和平均一致性的智慧照明系統(tǒng)

針對(duì)維持電力系統(tǒng)平衡向運(yùn)行儲(chǔ)備提出的更高要求，以及大型室內(nèi)場(chǎng)所中LED照明負(fù)荷成為非旋轉(zhuǎn)儲(chǔ)備的問(wèn)題，設(shè)計(jì)了一種基于藍(lán)牙Mesh分布式控制和平均一致性算法的智慧照明系統(tǒng)。該照明系統(tǒng)采用藍(lán)牙Mesh組網(wǎng)搭建的分布式網(wǎng)絡(luò)，結(jié)合平均一致性算法，以較低的運(yùn)算量控制大量燈具，在實(shí)現(xiàn)功率調(diào)整的同時(shí)確保用戶舒適度趨于一致。實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)中所有燈具能夠在較短時(shí)間內(nèi)完成目標(biāo)功率容量的調(diào)節(jié)，同時(shí)減小了功率調(diào)節(jié)對(duì)用戶舒適度造成的影響，有著網(wǎng)絡(luò)資源消耗低、穩(wěn)定性強(qiáng)、易擴(kuò)展等優(yōu)勢(shì)，可以滿足實(shí)際需求。

發(fā)表于：4/29/2024

基于深度學(xué)習(xí)技術(shù)的水稻環(huán)境因素產(chǎn)量預(yù)測(cè)

水稻作為全球重要的糧食作物，準(zhǔn)確預(yù)測(cè)水稻產(chǎn)量在農(nóng)業(yè)發(fā)展中起著重要作用。由于水稻在環(huán)境因子與其生長(zhǎng)機(jī)理的作用下往往呈現(xiàn)出非線性的特點(diǎn)，難以對(duì)其做出較為準(zhǔn)確的預(yù)測(cè)，因此，提出CE-CGRU水稻產(chǎn)量預(yù)測(cè)模型，對(duì)非線性環(huán)境因子Copula熵（CE）方法進(jìn)行提取特征并與CNN和GRU技術(shù)結(jié)合在一起。其目的是在水稻品種確定的條件下，識(shí)別產(chǎn)量預(yù)測(cè)的重要特征。根據(jù)使用浙江省臨安區(qū)真實(shí)數(shù)據(jù)分析和比較所提出的模型的性能，構(gòu)建了其他5個(gè)產(chǎn)量預(yù)測(cè)模型進(jìn)行對(duì)比，分別是MLR、RF、LSTM、GRU和CNN-LSTM。結(jié)果顯示，CE-CGRU模型的MAE、MSE和MAPE分別為0.677、0.87和5.029％，表明CE-CGRU模型具有更好的能力來(lái)捕捉水稻產(chǎn)量與環(huán)境因素之間的復(fù)雜非線性關(guān)系。此外，還對(duì)不同的特征選擇方法以及不同時(shí)間步長(zhǎng)進(jìn)行了比較和分析。

發(fā)表于：4/29/2024

基于改進(jìn)AOD-Net的圖像去霧算法

為了更好解決圖像去霧后顏色失真、去霧不徹底和耗時(shí)等問(wèn)題，提出了一種基于改進(jìn)AOD-Net的圖像去霧算法。首先，在原有的卷積模塊中引入殘差連接，并保留了第二個(gè)特征融合層第一層的特征信息，以增強(qiáng)網(wǎng)絡(luò)的特征提取能力。其次，在第三個(gè)特征融合層后引入注意力模塊，強(qiáng)化霧圖中的關(guān)鍵特征信息，抑制無(wú)關(guān)背景干擾。最后，采用新的復(fù)合損失函數(shù)進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法在公共數(shù)據(jù)集上的峰值信噪比提高了3.8 dB，結(jié)構(gòu)相似性達(dá)到了93.6%。相較于其他去霧算法，該算法在去霧精度和處理效率方面均表現(xiàn)出色。

發(fā)表于：4/29/2024

基于系統(tǒng)級(jí)封裝的RISC-V電路設(shè)計(jì)與實(shí)現(xiàn)

為滿足電子系統(tǒng)在性能、功耗、體積、重量和國(guó)產(chǎn)化等方面的需求，設(shè)計(jì)了一款基于系統(tǒng)級(jí)封裝技術(shù)的RISC-V電路。該電路以采用自主指令集架構(gòu)和國(guó)內(nèi)工藝的處理器為核心，并集成了國(guó)產(chǎn)外圍電路，實(shí)現(xiàn)了一款完全自主創(chuàng)新的、具備常用控制與通信接口的微系統(tǒng)電路。經(jīng)過(guò)測(cè)試與驗(yàn)證，該電路各項(xiàng)功能和性能均達(dá)到設(shè)計(jì)指標(biāo)，有效地提高了功能密度，很好地滿足了電子系統(tǒng)在小型化、輕量化和低功耗等方面的需求。

發(fā)表于：4/29/2024

一種SSD主控芯片數(shù)據(jù)加解密模塊的設(shè)計(jì)與驗(yàn)證

為了增強(qiáng)固態(tài)硬盤(pán)（Solid State Disk， SSD）的數(shù)據(jù)安全，介紹了SSD主控芯片中一種滿足《安全芯片密碼檢測(cè)準(zhǔn)則》二級(jí)要求設(shè)計(jì)的數(shù)據(jù)SM4加解密模塊。另外，為了驗(yàn)證模塊設(shè)計(jì)的正確性，介紹了基于通用驗(yàn)證方法學(xué)（Universal Verification Methodology， UVM）設(shè)計(jì)的自動(dòng)化驗(yàn)證平臺(tái)，以設(shè)計(jì)功能點(diǎn)和代碼覆蓋率為衡量指標(biāo)，數(shù)據(jù)加解密模塊被該驗(yàn)證平臺(tái)較充分地驗(yàn)證，最終達(dá)到片上系統(tǒng)（System on Chip， SoC）的流片交付標(biāo)準(zhǔn)。

發(fā)表于：4/29/2024

TSN時(shí)間敏感網(wǎng)絡(luò)幀搶占的研究與電路實(shí)現(xiàn)

時(shí)間敏感網(wǎng)絡(luò)（Time Sensitive Network， TSN）是一種新型網(wǎng)絡(luò)技術(shù)，在傳統(tǒng)的以太網(wǎng)技術(shù)基礎(chǔ)上，對(duì)關(guān)鍵數(shù)據(jù)的實(shí)時(shí)性、可靠性和安全性方面進(jìn)行了增強(qiáng)，可滿足工業(yè)互聯(lián)網(wǎng)、自動(dòng)駕駛、醫(yī)療健康等領(lǐng)域的需求。針對(duì)TSN中的幀搶占技術(shù)進(jìn)行了研究分析，實(shí)現(xiàn)了幀搶占電路。作為T(mén)SN網(wǎng)絡(luò)交換芯片的重要部分，實(shí)現(xiàn)了TSN幀搶占等芯片實(shí)現(xiàn)的自主創(chuàng)新，在相關(guān)時(shí)間敏感領(lǐng)域具有較好的應(yīng)用價(jià)值。

發(fā)表于：4/29/2024

融合蛋白質(zhì)語(yǔ)言模型與深度神經(jīng)網(wǎng)絡(luò)的植物蛋白質(zhì)相互作用預(yù)測(cè)研究

預(yù)測(cè)植物中的蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）具有重要的生物學(xué)意義。同時(shí)采用了4種編碼方法及深度神經(jīng)網(wǎng)絡(luò)構(gòu)建了蛋白質(zhì)相互作用預(yù)測(cè)模型。結(jié)果表明，提出的融合蛋白質(zhì)語(yǔ)言模型Ankh與深度神經(jīng)網(wǎng)絡(luò)的方法構(gòu)建的PPI預(yù)測(cè)模型性能在3種植物數(shù)據(jù)集上均獲得了最優(yōu)的AUPR和AUC值，Sen及MCC值也均優(yōu)于其他4種蛋白質(zhì)相互作用預(yù)測(cè)模型。當(dāng)模型在水稻、大豆的植物PPI數(shù)據(jù)集上進(jìn)行測(cè)試時(shí)，所提出的模型AUPR值分別為0.802 5、0.730 1，AUC值分別為0.956 2、0.950 7。這些優(yōu)異的結(jié)果表明，融合蛋白質(zhì)語(yǔ)言模型Ankh的PPI模型可以作為植物蛋白質(zhì)相互作用預(yù)測(cè)的一個(gè)有前途的工具。

發(fā)表于：4/29/2024

混合CNN-SVM的心音信號(hào)分類(lèi)算法的研究

針對(duì)當(dāng)前心音信號(hào)識(shí)別算法檢測(cè)精度不佳問(wèn)題，提出了一種混合卷積神經(jīng)網(wǎng)絡(luò)-支持向量機(jī)模型（CNN-SVM）的心音信號(hào)分類(lèi)方法。通過(guò)PASCAL挑戰(zhàn)實(shí)驗(yàn)數(shù)據(jù)，整理出正常與不正常兩類(lèi)心音信號(hào)數(shù)據(jù)庫(kù)，通過(guò)預(yù)處理濾波及MFCC、一二階差分特征提取、PCA降維，輸入CNN-SVM模型進(jìn)行訓(xùn)練。并從準(zhǔn)確率、召回率、特異性、精確率和F分?jǐn)?shù)5個(gè)方面進(jìn)行性能評(píng)估。為了驗(yàn)證此算法的有效性，將混合CNN-SVM模型與單一SVM、CNN模型分別進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，該方法能夠以較高識(shí)別率將兩種心音信號(hào)區(qū)分開(kāi)，其平均識(shí)別準(zhǔn)確率接近于99%，相較于單一CNN方法提高了2.48%，同樣高于單一SVM算法。

發(fā)表于：4/29/2024

CNI集成JPALS能力的進(jìn)展及展望

衛(wèi)星導(dǎo)航著陸是下一代精密著陸技術(shù)的趨勢(shì)，其在通信導(dǎo)航識(shí)別系統(tǒng)（CNI）中的集成也成為了重要的研究?jī)?nèi)容。綜述了聯(lián)合精密進(jìn)近著陸系統(tǒng)（JPALS）的原理與系統(tǒng)結(jié)構(gòu)，分析了國(guó)內(nèi)當(dāng)前衛(wèi)星導(dǎo)航著陸技術(shù)的研究現(xiàn)狀及工程技術(shù)基礎(chǔ)，在此基礎(chǔ)上提出了堅(jiān)持當(dāng)前綜合化CNI框架下，從JPALS需求論證、系統(tǒng)設(shè)計(jì)、可擴(kuò)展性等方面提出了集成JPALS能力的初步工程設(shè)想。

發(fā)表于：4/29/2024

2024一季度，硅谷三大廠在服務(wù)器上花了360億美元

1 Meta、微軟以及 Alphabet 的財(cái)報(bào)顯示，三家公司第一季度與 AI 基建相關(guān)資本支出超過(guò) 360 億美元。 2 Meta 預(yù)計(jì) 2024 年在 AI 相關(guān)方面的資本支出可能達(dá) 400 億美元，相當(dāng)于每季度投入 100 億美元。 3 微軟第一季度的支出為 140 億美元，相當(dāng)于增長(zhǎng)了 22%。 4 谷歌計(jì)劃今年每個(gè)季度的資本支出約為 120 億美元或更多，其中大部分將用于新建數(shù)據(jù)中心。

發(fā)表于：4/29/2024