www.51cg.fun吃瓜网精品国产乱码久久久久久动漫 ,久久精品女人天堂aaa,亚洲一区日韩一区

HDLC數(shù)據(jù)幀并行搜幀解封裝模塊的設(shè)計(jì)與驗(yàn)證[模擬設(shè)計(jì)][其他]

HDLC信號(hào)鏈路是國(guó)際標(biāo)準(zhǔn)化組織(ISO)制定的高級(jí)數(shù)據(jù)鏈路的控制規(guī)程(High Level Data Link Control,，HDLC),。遵循HDLC標(biāo)準(zhǔn)數(shù)據(jù)鏈路層規(guī)范,，采用硬件描述語(yǔ)言Verilog HDL實(shí)現(xiàn)了一種基于并行結(jié)構(gòu)的HDLC搜幀解封裝電路,，并采用System Verilog技術(shù)搭建驗(yàn)證平臺(tái)，隨機(jī)生成HDLC數(shù)據(jù)幀來(lái)驗(yàn)證設(shè)計(jì)正確性,。使用Modelsim軟件仿真波形,，在仿真過(guò)程中,，對(duì)于凈荷區(qū)數(shù)據(jù)長(zhǎng)度為10個(gè)字節(jié)的HDLC數(shù)據(jù)幀,，解碼器電路工作完成需要16個(gè)時(shí)鐘周期，兼顧了處理速度和靈活性。使用QuartusII軟件綜合，在Altera CycloneV器件上,，電路使用了8塊自適應(yīng)邏輯模塊ALM，24個(gè)寄存器，35個(gè)引腳,。

發(fā)表于：1/7/2022 10:43:00 AM

基于YOLOv5的姿態(tài)交互球類(lèi)陪練機(jī)器人[人工智能][其他]

針對(duì)當(dāng)下球類(lèi)陪練機(jī)器人人機(jī)交互能力不足的問(wèn)題，提出一種基于樹(shù)莓派和YOLOv5目標(biāo)檢測(cè)算法的新型人機(jī)交互模式,，使機(jī)器人實(shí)現(xiàn)前進(jìn),、后退、左移,、右移、拋球,、踢球6種不同的動(dòng)作,；通過(guò)對(duì)在3種不同環(huán)境(室內(nèi),、室外晴天,、室外陰天)下搜集的人體姿態(tài)數(shù)據(jù)集進(jìn)行標(biāo)定、訓(xùn)練后,，得到6種姿態(tài)在3種環(huán)境中測(cè)試集上的識(shí)別準(zhǔn)確率分別為：室內(nèi)96.33%,、室外晴天95%、室外陰天94.3%,。相比基于特征匹配和其他利用手勢(shì)等小目標(biāo)檢測(cè)的算法,，基于該算法的機(jī)器人具有更高的檢測(cè)速度和準(zhǔn)確性，使機(jī)器人更加智能化,。

發(fā)表于：1/7/2022 10:36:00 AM

基于深度學(xué)習(xí)的智能垃圾分揀車(chē)系統(tǒng)[其他][其他]

針對(duì)生活垃圾的高效分類(lèi)及搬運(yùn)處理,，設(shè)計(jì)了一款以邊緣嵌入式AI設(shè)備Jetson Nano為控制器的光電智能小車(chē)系統(tǒng)，該系統(tǒng)設(shè)計(jì)以YOLOv5為目標(biāo)檢測(cè)算法,，以Pytorch1.8.1為深度學(xué)習(xí)框架,。使智能小車(chē)從指定區(qū)域出發(fā)，通過(guò)自身的光電傳感器在指定范圍內(nèi)搜尋垃圾,，利用六軸機(jī)械臂對(duì)垃圾進(jìn)行分揀并送到指定分類(lèi)地點(diǎn),。對(duì)采集到的5 048張圖片(包括5種垃圾類(lèi)別)進(jìn)行300次的迭代訓(xùn)練,，實(shí)驗(yàn)測(cè)試結(jié)果表明：平均精確度達(dá)到91.8%，準(zhǔn)確率達(dá)到94.5%,，召回率達(dá)到89.03%,。

發(fā)表于：1/7/2022 10:27:00 AM

基于VGG16網(wǎng)絡(luò)的人臉情緒識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來(lái)，如何通過(guò)人工智能對(duì)人的面部表情進(jìn)行識(shí)別分析成為一個(gè)研究熱點(diǎn),，利用人工智能可以快速地分析人的面部情緒,，并以此為基礎(chǔ)進(jìn)行進(jìn)一步研究。在深度學(xué)習(xí)中,，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)存在對(duì)面部表情特征的提取不充分以及計(jì)算機(jī)參數(shù)量較大的問(wèn)題,，導(dǎo)致分類(lèi)準(zhǔn)確率較低。因此,，提出了基于VGG16網(wǎng)絡(luò)的人臉表情識(shí)別算法,，通過(guò)與InceptionV3、InceptionResNetV2,、ResNet50等模型實(shí)驗(yàn)對(duì)比，結(jié)果表明,，VGG16神經(jīng)網(wǎng)絡(luò)在FER2013PLUS測(cè)試數(shù)據(jù)集上的識(shí)別準(zhǔn)確率為79%,，準(zhǔn)確率比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)高。

發(fā)表于：1/7/2022 10:23:00 AM

區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)構(gòu)建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)缺乏支撐區(qū)域多能源系統(tǒng)數(shù)字孿生動(dòng)態(tài)規(guī)劃,、運(yùn)行優(yōu)化等上層應(yīng)用接入,、管理和運(yùn)行的高性能平臺(tái)的現(xiàn)狀，考慮到數(shù)字孿生應(yīng)用對(duì)通信效率,、數(shù)據(jù)安全的要求,，借助CloudPSS云仿真平臺(tái)設(shè)計(jì)了包含基礎(chǔ)層、應(yīng)用層,、業(yè)務(wù)層的安全,、靈活、可擴(kuò)展的數(shù)字孿生應(yīng)用平臺(tái)的軟硬件,；并以貴州紅楓湖區(qū)域多能源系統(tǒng)為試點(diǎn)區(qū)域,，介紹了包括建模仿真、數(shù)據(jù)通信和應(yīng)用集成功能的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)的構(gòu)建過(guò)程,。所構(gòu)建的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)作為數(shù)字孿生從概念到應(yīng)用的理想實(shí)現(xiàn)工具,，其架構(gòu)設(shè)計(jì)方案與具體構(gòu)建經(jīng)驗(yàn)可為數(shù)字孿生技術(shù)的廣泛落地提供理論和實(shí)踐參考。

發(fā)表于：1/7/2022 10:14:00 AM

基于CloudPSS-RT和RT-Lab聯(lián)合實(shí)時(shí)仿真平臺(tái)的在線(xiàn)阻抗分析裝置設(shè)計(jì)[其他][其他]

準(zhǔn)確的寬頻帶阻抗測(cè)量是發(fā)現(xiàn)和解決未來(lái)雙高電力系統(tǒng)穩(wěn)定性問(wèn)題的重要基礎(chǔ),，但直接向電力系統(tǒng)注入諧波進(jìn)行測(cè)量可能會(huì)帶來(lái)失穩(wěn)的風(fēng)險(xiǎn),，而基于半實(shí)物仿真技術(shù)可以以較低的成本與風(fēng)險(xiǎn)實(shí)現(xiàn)較為準(zhǔn)確的寬頻帶阻抗測(cè)量。實(shí)時(shí)仿真器的計(jì)算性能和仿真規(guī)模取決于目標(biāo)計(jì)算機(jī)的計(jì)算能力,，仿真精度與規(guī)模顧此失彼,，難以兼顧,，并且隨著電力系統(tǒng)仿真規(guī)模要求的不斷提高，單一的實(shí)時(shí)仿真系統(tǒng)越來(lái)越難以滿(mǎn)足大規(guī)模仿真的要求,。使用多個(gè)實(shí)時(shí)仿真器協(xié)同進(jìn)行聯(lián)合仿真,，是提高仿真規(guī)模的有效途徑。首先構(gòu)建了基于CloudPSS-RT和RT-Lab聯(lián)合實(shí)時(shí)仿真平臺(tái)的在線(xiàn)阻抗分析裝置,，并通過(guò)構(gòu)建光伏與雙饋風(fēng)力發(fā)電系統(tǒng),，驗(yàn)證了在線(xiàn)阻抗分析裝置的準(zhǔn)確性和有效性。

發(fā)表于：1/7/2022 10:05:00 AM

高性能高可用Redis客戶(hù)端的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][其他]

Redis是一個(gè)基于內(nèi)存存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)庫(kù),，以高I/O(Input/Output)性能和高響應(yīng)速度著稱(chēng),，在數(shù)據(jù)緩沖、消息隊(duì)列,、Key-Value存儲(chǔ)等場(chǎng)景都發(fā)揮著重要的作用,。在其支持的眾多客戶(hù)端中，C/C++客戶(hù)端Hiredis的應(yīng)用尤為廣泛,。對(duì)Hiredis庫(kù)做了深入分析,，發(fā)現(xiàn)了其管道功能存在高開(kāi)銷(xiāo)、指令存儲(chǔ)不當(dāng)以及內(nèi)存混淆問(wèn)題,?；诖耍?2邏輯核的X86架構(gòu)處理器以及64 GB內(nèi)存的Linux服務(wù)器上,，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向C/C++的高性能高可用Redis客戶(hù)端,，通過(guò)內(nèi)存預(yù)分配以及內(nèi)存隔離的方法提高了大量指令批處理時(shí)的性能并解決了復(fù)雜場(chǎng)景下的內(nèi)存混淆問(wèn)題。經(jīng)測(cè)試,，新客戶(hù)端提高了3～7倍的指令執(zhí)行效率,，同時(shí)也保證了復(fù)雜場(chǎng)景下的內(nèi)存安全以及數(shù)據(jù)準(zhǔn)確性。

發(fā)表于：1/7/2022 10:00:00 AM

GRAPES區(qū)域模式的輸入輸出分析和優(yōu)化[其他][其他]

新一代全球/區(qū)域多尺度統(tǒng)一的同化與數(shù)值預(yù)報(bào)系統(tǒng)Global/Regional Assimilation and PreEdiction System(GRAPES)是中國(guó)氣象局(China Meteorological Administration,，CMA)自主研發(fā)的數(shù)值天氣預(yù)報(bào)軟件,。隨著對(duì)模式分辨率和預(yù)測(cè)時(shí)效性要求的提高，GRAPES的輸入輸出(I/O)性能成為了一個(gè)重要的瓶頸,。分析了GRAPES區(qū)域模式的I/O行為,，提出并設(shè)計(jì)實(shí)現(xiàn)了一個(gè)高性能I/O框架。該框架采用二進(jìn)制編碼以及多I/O通道技術(shù)實(shí)現(xiàn)了靈活可配置的輸出方式,。同時(shí),，通過(guò)非堵塞通信的方式實(shí)現(xiàn)了異步I/O，隱藏了I/O與通信的開(kāi)銷(xiāo),。工作在曙光“派”超級(jí)計(jì)算機(jī)上進(jìn)行了測(cè)試,，結(jié)果顯示該框架不僅可以提高I/O性能達(dá)到10倍以上，也可以減少性能抖動(dòng)帶來(lái)的性能不確定性問(wèn)題,。

發(fā)表于：1/7/2022 9:54:00 AM

面向國(guó)產(chǎn)神威眾核架構(gòu)的區(qū)域氣候模式CWRF性能優(yōu)化技術(shù)[其他][其他]

區(qū)域氣候模式CWRF(Climate-Weather Research and Forecasting model)是國(guó)家氣候中心區(qū)域氣候預(yù)測(cè)系統(tǒng)的重要組成部分,，也是系統(tǒng)最耗時(shí)的程序,。高性能計(jì)算是提高CWRF數(shù)值預(yù)報(bào)計(jì)算性能的關(guān)鍵技術(shù)，開(kāi)展CWRF模式在國(guó)產(chǎn)神威眾核架構(gòu)上的移植和優(yōu)化,，提高模式的模擬效率,，對(duì)模式的擴(kuò)展、開(kāi)發(fā)能力和可持續(xù)發(fā)展具有重要意義,?；趪?guó)產(chǎn)眾核SW26010處理器，完成了CWRF區(qū)域氣候模式的移植,、性能分析和深入性能優(yōu)化,，采用訪(fǎng)存優(yōu)化、Cache命中率優(yōu)化及眾核加速優(yōu)化等方法,，對(duì)CWRF模式動(dòng)力過(guò)程,、物理過(guò)程和I/O過(guò)程計(jì)算代碼進(jìn)行重構(gòu)及眾核加速。結(jié)果表明：優(yōu)化技術(shù)可使CWRF動(dòng)力過(guò)程平均加速2倍,，最高加速6.4倍,，物理過(guò)程平均加速1.7倍，最高加速5.4倍,，I/O過(guò)程加速1.2倍,，程序整體最高加速1.4倍，計(jì)算誤差在合理范圍內(nèi),。

發(fā)表于：1/7/2022 9:48:00 AM

基于矩陣嵌套的CESM負(fù)載均衡優(yōu)化方案檢索策略[其他][其他]

通用地球系統(tǒng)模式(Community Earth System Model，CESM)是一種定量描述氣候系統(tǒng)模式變化的數(shù)值模式,，龐大的科學(xué)計(jì)算體量已使其成為高性能計(jì)算領(lǐng)域的重要研究對(duì)象之一,。CESM各個(gè)氣象子模塊及組件之間的負(fù)載不均衡問(wèn)題使其計(jì)算性能一直不理想，且由于其可用的進(jìn)程布局方案本身的多樣性會(huì)導(dǎo)致的巨大檢索量,因此通過(guò)人工調(diào)參用枚舉尋找最優(yōu)布局本身并不現(xiàn)實(shí),。為解決這個(gè)問(wèn)題,，提出并實(shí)踐了一種基于矩陣嵌套思想的負(fù)載平衡優(yōu)化方案檢索策略幫助完成進(jìn)程布局優(yōu)化過(guò)程，并介入基于模式并行要求的篩查保證檢索結(jié)果具有可行性,，最終通過(guò)實(shí)驗(yàn)證明通過(guò)這種檢索策略搜索獲得的最優(yōu)布局與默認(rèn)布局相比平均計(jì)算性能提升達(dá)到47.3%,并在5個(gè)節(jié)點(diǎn)上實(shí)現(xiàn)了1.419的加速比,。

發(fā)表于：1/7/2022 9:43:00 AM