久久国产亚洲av欲色,国产精品18久久久久久人

基于先進(jìn)工藝技術(shù)的機(jī)電控制SiP電路的設(shè)計與測試

機(jī)電控制系統(tǒng)包含多款芯片,，其小型化,、輕量化的需求日益迫切,，系統(tǒng)級封裝（System in Package）技術(shù)作為一種先進(jìn)封裝手段能夠?qū)⒍嗫畈煌愋偷男酒捎诟〉目臻g中?；谙到y(tǒng)級封裝技術(shù)，并結(jié)合TSV與FanOUT技術(shù)設(shè)計了一款機(jī)電控制SiP電路,，該電路包括頂層DSP信號控制單元和底層FPGA信號處理單元,，兩者通過PoP（Package on Package）形式堆疊構(gòu)成SiP電路，相比于常規(guī)分立器件所搭建的機(jī)電控制系統(tǒng),，該SiP體積縮小70%以上,，重量減輕80%以上。針對該款SiP電路設(shè)計了相應(yīng)的測試系統(tǒng),，且對內(nèi)部的ADC及DAC等芯片提出了一種回環(huán)測試的方法，能夠提高測試效率,。測試結(jié)果表明,，該電路滿足設(shè)計要求，在機(jī)電控制領(lǐng)域具有一定的應(yīng)用前景,。

發(fā)表于：2024/11/14

智慧農(nóng)業(yè)下基于聯(lián)邦學(xué)習(xí)的水稻病蟲害分類研究

在農(nóng)業(yè)發(fā)展過程中,，農(nóng)作物的健康問題一直是一個重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過程中的水稻病蟲害分類問題,。在智能化農(nóng)業(yè)種植場景下,，為了提高設(shè)備對病蟲害的分類準(zhǔn)確性，同時保護(hù)各設(shè)備的數(shù)據(jù)隱私,，提出使用聯(lián)邦學(xué)習(xí)來解決各設(shè)備間的數(shù)據(jù)孤島問題,。實(shí)驗選取了七個預(yù)訓(xùn)練模型來提取特征，使用四個指標(biāo)（準(zhǔn)確率,、召回率,、損失函數(shù)和F1分?jǐn)?shù)）來評估不同模型上的性能。實(shí)驗結(jié)果表明,，在獨(dú)立同分布（IID）和非獨(dú)立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準(zhǔn)確率分別為99.05%和98.48%,，表現(xiàn)出較高的魯棒性和準(zhǔn)確率。通過幾種實(shí)驗和指標(biāo)對比發(fā)現(xiàn),，聯(lián)邦學(xué)習(xí)的應(yīng)用提升了設(shè)備4.36％的準(zhǔn)確率,，圖像分類模型的收斂時間受到聯(lián)邦學(xué)習(xí)輪數(shù)round和每輪聯(lián)邦學(xué)習(xí)中訓(xùn)練集的訓(xùn)練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學(xué)習(xí)的設(shè)備數(shù)量增加而提高,。

發(fā)表于：2024/11/14

ßFA：一種基于向量指令集的高性能數(shù)據(jù)處理算法

正則表達(dá)式匹配技術(shù)在數(shù)據(jù)清洗,、解析提取等數(shù)據(jù)處理任務(wù)方面發(fā)揮重大作用。然而,，由于匹配過程中存在數(shù)據(jù)強(qiáng)依賴關(guān)系和內(nèi)存訪問不可預(yù)測等問題,，造成匹配性能較低。針對此問題,，提出一種基于向量指令集的高性能正則表達(dá)式數(shù)據(jù)處理算法,，稱之為ßFA：通過向量指令一次性從內(nèi)存讀出若干連續(xù)字符,，并與最常被訪問狀態(tài)對應(yīng)的非信任字符集進(jìn)行向量匹配，利用內(nèi)置函數(shù)定位首個非信任字符的位置,，獲得可直接跳過的字符數(shù),，從而實(shí)現(xiàn)匹配性能的加速。實(shí)驗結(jié)果表明,，ßFA算法的吞吐率優(yōu)于原始DFA算法和αFA算法,，是原始DFA算法的4.67~60倍以及ɑFA算法的4.37~7.82倍。

發(fā)表于：2024/11/14

基于殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)和Stacking集成學(xué)習(xí)的局部放電故障診斷

針對傳統(tǒng)局部放電（Partial Discharge,， PD）故障診斷方法在處理復(fù)雜含噪PD信號存在局限性并依賴于人工去噪和專家經(jīng)驗,，難以學(xué)習(xí)到PD特征多樣化表達(dá)等問題，分別提出殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)（Residual Attention Adaptive Denoising Network,， RAADNet）和基于Stacking集成學(xué)習(xí)的PD故障診斷模型,。RAADNet基于殘差網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，通過集成CAM注意力機(jī)制和軟閾值函數(shù)實(shí)現(xiàn)自適應(yīng)去噪,；Stacking集成模型的基學(xué)習(xí)器分別由基于卷積神經(jīng)網(wǎng)絡(luò)的RAADNet,、基于多頭自注意力機(jī)制的Transformer以及基于Boosting集成策略的XGBoost多個差異化模型共同構(gòu)建構(gòu)成。實(shí)驗結(jié)果表明,，提出的RAADNet優(yōu)于其他先進(jìn)方法,，識別準(zhǔn)確率達(dá)到93.99%，Stacking集成模型則通過學(xué)習(xí)多樣化特征表達(dá),，進(jìn)一步提高模型性能,，達(dá)到96.79%識別準(zhǔn)確率。

發(fā)表于：2024/11/14

某型接收機(jī)中放大器自激機(jī)理分析與預(yù)防措施

對某型接收機(jī)中頻噪底升高故障進(jìn)行了分析處理,，分析結(jié)果表明射頻模塊腔體內(nèi)存在個體差異,，導(dǎo)致本振放大器在脈沖工作條件下產(chǎn)生自激，通過對放大器自激機(jī)理的分析給出了相應(yīng)的預(yù)防措施,，在射頻小盒側(cè)壁中粘貼吸波材料,，可以有效消除自激。論文對今后腔體自激問題的處理分析具有參考價值,。

發(fā)表于：2024/11/14

基于ARM 架構(gòu)的安全總線橋設(shè)計與實(shí)現(xiàn)

為提高SoC（System-On-Chip）系統(tǒng)安全性能,，設(shè)計了一種基于ARM（Advanced RISC Machine）架構(gòu)的安全總線橋電路。該電路設(shè)計了一個橋接模塊和一個訪問控制功能模塊,。仿真表明,，該電路能夠在任意倍頻的AHB（Advanced High-Performance Bus）和APB（Advanced Peripheral Bus）時鐘頻率下完成AHB傳輸協(xié)議向APB傳輸協(xié)議的轉(zhuǎn)換，同時支持靈活配置主從設(shè)備的訪問權(quán)限和保護(hù)模式,，防止外設(shè)寄存器數(shù)據(jù)被非法訪問和惡意篡改,，提高了系統(tǒng)的安全性能和適用性。

發(fā)表于：2024/11/14

稀疏矩陣在C66x上的應(yīng)用及優(yōu)化

隨著大數(shù)據(jù)的爆炸式發(fā)展,，稀疏矩陣已經(jīng)成為機(jī)器學(xué)習(xí)和邊緣計算的重要一環(huán),。在機(jī)器學(xué)習(xí)領(lǐng)域,，數(shù)據(jù)集的稀疏矩陣化既可以保存信息又可以節(jié)省內(nèi)存，已成為不可避免的趨勢,。SpMV（稀疏矩陣向量乘）作為稀疏矩陣計算中的核心,，其迭代求解過程的空間復(fù)雜度和時間復(fù)雜度具有重要研究意義。分析稀疏矩陣C00,、CSR,、ELLPACK和DIA壓縮格式，改變稀疏矩陣的稀疏度和非零元素的分布,，得出COO讀取數(shù)據(jù),、CSR進(jìn)行計算的SpMV通用性更強(qiáng)。利用C66x的VLIW指令構(gòu)架,，采用軟件流水的方式對SpMV_CSR算法進(jìn)行指令并行優(yōu)化,，利用SIMD單指令多數(shù)據(jù)指令集對SpMV_CSR算法完成數(shù)據(jù)并行優(yōu)化。實(shí)驗結(jié)果表明,，優(yōu)化后的SpMV_CSR算法相較于優(yōu)化前的加速比平均達(dá)到5倍以上。

發(fā)表于：2024/11/14

一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法

提出一種基于Yarn云平臺的基因啟發(fā)式多序列比對算法,。建立核酸替換等價矩陣作為基因啟發(fā)式數(shù)學(xué)模型,，構(gòu)建Yarn云平臺邏輯架構(gòu)，通過對基因數(shù)據(jù)預(yù)處理,、基因數(shù)據(jù)存儲,、基因序列比對、基因數(shù)據(jù)管理,、基因數(shù)據(jù)分析等步驟,，對數(shù)據(jù)分類保存，劃分錯誤率較高的長序列,，得到多個較短的基因片段,。對不同片段實(shí)施定位，將其中的變長種子生成,，進(jìn)行骨架構(gòu)建和孔隙填補(bǔ),，可以實(shí)現(xiàn)基因啟發(fā)式多序列比對。結(jié)果表明,，設(shè)計的算法在不同數(shù)據(jù)集下處理時間縮短,，多序列比對SP（Sum of Pairs）的分值較高，實(shí)驗驗證了該多序列比對方法具有很好的應(yīng)用價值,。

發(fā)表于：2024/11/14

基于電路切割方法的并行量子模擬方法

量子計算在解決傳統(tǒng)計算難題方面展現(xiàn)了巨大潛力,，但由于其高錯誤率和噪聲問題，經(jīng)典模擬成為驗證其性能的重要手段,。然而,，量子的疊加和糾纏特性帶來了模擬上的巨大挑戰(zhàn),，尤其是在內(nèi)存受限的情況下。盡管電路切割方法能夠?qū)⒋笠?guī)模量子電路分解為更小的計算任務(wù),，減輕計算壓力,，先前的研究主要關(guān)注其在量子計算機(jī)上的應(yīng)用，未充分考慮其在量子電路模擬中的效果,。論文研究填補(bǔ)了這一空白,，提出了基于啟發(fā)式切割算法和子電路狀態(tài)向量復(fù)用的優(yōu)化方案，以應(yīng)對模擬中的內(nèi)存限制,。通過引入全局計算成本的考量和整數(shù)規(guī)劃模型,，提出的啟發(fā)式方法不僅優(yōu)化了切割過程，還結(jié)合了子電路狀態(tài)向量復(fù)用技術(shù),，以減少重復(fù)計算和內(nèi)存占用,。實(shí)驗結(jié)果顯示，與當(dāng)前流行的電路切割方法相比,，所提出方法在提升模擬速度的同時顯著降低了內(nèi)存需求,，有效應(yīng)對了量子電路模擬中的挑戰(zhàn)。在經(jīng)典量子電路的測試中總體平均加速達(dá)到了46%,。

發(fā)表于：2024/11/14

基于GPU的稀疏矩陣壓縮存儲格式研究

稀疏矩陣向量乘法（Sparse Matrix-Vector Multiplication,，SpMV）是矩陣數(shù)值計算領(lǐng)域重要的線性代數(shù)子程序。通過對SpMV算法的負(fù)載均衡以及訪存頻度這兩個關(guān)鍵性能瓶頸的研究,，提出了一種VCSR（Vectorized Compressed Sparse Row）稀疏矩陣壓縮存儲格式,。該格式根據(jù)各行非零元素分布的統(tǒng)計特性調(diào)整各個線程的數(shù)據(jù)負(fù)載來防止線程發(fā)散的問題，并且基于快速分段求和的策略以及使用矢量化的方法來提高SpMV流程的計算性能,。通過使用佛羅里達(dá)大學(xué)的稀疏矩陣作為測試集,，在GPU上進(jìn)行性能測試，獲得了相較CSR5（Compressed Sparse Row 5）格式平均10%到30%,，最高50%的性能提升,。

發(fā)表于：2024/11/14