国产黑料吃瓜网站正能量,91麻豆国产福利在线观看宅福利中文字幕人妻欧美区

美四大運(yùn)營商因非法出售客戶位置信息被罰1.96億美元

4 月 30 日消息,，美國聯(lián)邦通信委員會(huì)（FCC）今天發(fā)布公告，宣布對(duì) AT&T,、Verizon 和 Sprint / T-Mobile 處以總計(jì) 1.96 億美元

發(fā)表于：4/30/2024

自研AI服務(wù)器芯片,，競(jìng)爭(zhēng)升級(jí)

自研AI服務(wù)器芯片,，競(jìng)爭(zhēng)升級(jí) 有越來越多的互聯(lián)網(wǎng)和IT設(shè)備大廠開始自研AI服務(wù)器芯片,，最近，這一風(fēng)潮吹到了蘋果公司,，據(jù)悉,，該智能設(shè)備龍頭正在開發(fā)用于AI服務(wù)器的定制芯片。與微軟和谷歌等競(jìng)爭(zhēng)對(duì)手相比,，蘋果在推出生成式AI方面進(jìn)展較慢,，不過，蘋果公司CEO庫克稱,，AI已經(jīng)在蘋果產(chǎn)品的幕后發(fā)揮作用,，此前有媒體報(bào)道，蘋果計(jì)劃使用AI來提高搜索存儲(chǔ)在蘋果設(shè)備上的數(shù)據(jù)的能力,。

發(fā)表于：4/30/2024

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)和國內(nèi)工藝的處理器為核心,，并集成了國產(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（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TSN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)分類方法。通過PASCAL挑戰(zhàn)實(shí)驗(yàn)數(shù)據(jù),，整理出正常與不正常兩類心音信號(hào)數(shù)據(jù)庫,，通過預(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，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