国产精品乱码久久久久久久久,九色九九九老阿姨日韩精品一区二区三区在线观看

基于改進EO-BP神經(jīng)網(wǎng)絡(luò)的高壓線損預(yù)測[測試測量][智能電網(wǎng)]

針對高壓線損預(yù)測精度不高的問題,，提出一種基于均衡優(yōu)化器（Equilibrium Optimizer,，EO）和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的線損預(yù)測模型。首先,，為了提高EO算法的尋優(yōu)能力,，利用多種混沌映射關(guān)系初始化種群，使種群多樣性增加，全局搜索能力得到改善；同時,，采用物競天擇概率跳脫策略改進EO算法，使模型依概率跳出局部最優(yōu)而收斂于全局最優(yōu)解,。其次,，采用改進的EO算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和偏置進行優(yōu)化，進而改善BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果,。最后,，實驗結(jié)果證明,，所提線損預(yù)測模型相對于回歸模型,、BP神經(jīng)網(wǎng)絡(luò)模型、模擬退火算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型和EO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測精度,。

發(fā)表于：2023/3/29 15:19:00

一種片外電容交叉充放電型振蕩電路設(shè)計[模擬設(shè)計][工業(yè)自動化]

CMOS環(huán)形振蕩器具有版圖面積小,、調(diào)諧范圍大、電路簡單便于集成等優(yōu)點,，廣泛應(yīng)用于各類電源系統(tǒng)及電子通信應(yīng)用中,。在常規(guī)的環(huán)形振蕩電路基礎(chǔ)上，設(shè)計了獨立的充放電控制通路,，實現(xiàn)了一種交叉充放電型環(huán)形振蕩電路,，并通過外接片外電容的方式，得到更低頻率的振蕩周期,?；?.18 μm工藝，采用HSIM工具對電路進行功能仿真,，經(jīng)過后端物理實現(xiàn)后,，版圖面積為172 μm×76 μm，對電路進行提參后仿,，結(jié)果表明：在3.3 V電壓及25 ℃條件下,，外接10 nF接地電容時，電路獲得約1.2 ms的穩(wěn)定振蕩周期,。在Vcc=2.7 V~5.5 V,、T=-55 ℃~125 ℃條件下，時鐘周期的最大偏移為5.83%,。該電路已成功應(yīng)用于某電源控制芯片中,。

發(fā)表于：2023/3/29 15:04:00

基于PCIE轉(zhuǎn)SATA多通道高速存儲電路設(shè)計與原型驗證[模擬設(shè)計][工業(yè)自動化]

針對傳統(tǒng)SATA控制器接口單一且無法充分發(fā)揮固態(tài)盤性能的問題，設(shè)計了一款基于PCIE轉(zhuǎn)SATA多通道高速存儲電路,。充分利用PCIE總線高帶寬低延時特性,，并遵循AHCI協(xié)議,，大幅縮短硬盤無用的尋道次數(shù)和數(shù)據(jù)查找時間，提高固態(tài)盤的讀寫性能,，同時本設(shè)計可支持4路SATA通道,，具有良好的可拓展性。設(shè)計結(jié)合PCIE和SATA協(xié)議特點,，介紹了PCIE轉(zhuǎn)SATA高速存儲電路的系統(tǒng)架構(gòu),，詳細闡述了基于AHCI協(xié)議的數(shù)據(jù)流傳輸過程。最后基于FPGA原型驗證對電路進行測試,，電路的單盤讀寫速率分別為562 MB/s和527 MB /s,，相比傳統(tǒng)SATA控制器的讀寫性能具有較大提升，測試結(jié)果表明設(shè)計的PCIE轉(zhuǎn)SATA高速存儲電路讀寫性能優(yōu)異,，且具備良好的穩(wěn)定性和可拓展性,。

發(fā)表于：2023/3/29 14:44:00

一種快速瞬態(tài)響應(yīng)片上LDO電路[電子元件][工業(yè)自動化]

基于雙有源反饋米勒補償結(jié)構(gòu)設(shè)計了一種單極點系統(tǒng)的無電容片上低壓差線性穩(wěn)壓器，該線性穩(wěn)壓器中誤差放大器采用全差分結(jié)構(gòu),，兩個并聯(lián)的前饋通路可在提升電路瞬態(tài)響應(yīng)性能的同時額外在功率管柵端構(gòu)成推挽驅(qū)動級,，最終電路在輕重載時具有對稱的瞬態(tài)響應(yīng)特性?；赥SMC 0.18µm BCD工藝仿真結(jié)果表明,，在2 V~4 V電源電壓下，輸入輸出最小壓差為200 mV,，最大負載電流為120 mA,，瞬態(tài)響應(yīng)恢復(fù)時間≤0.7 µs，相位裕度≥60°,。

發(fā)表于：2023/3/28 17:08:00

基于YOLOX融合自注意力機制的FSA-FPN重構(gòu)方法[人工智能][其他]

隨著目前目標檢測任務(wù)輸入圖像分辨率的不斷增大,，在特征提取網(wǎng)絡(luò)的感受野不變的情況下，網(wǎng)絡(luò)提取的特征信息會越來越局限,，相鄰特征點之間的信息重合度也會越來越高,。提出一種FSA（Fusion Self-Attention）-FPN，設(shè)計SAU（Self-Attention Upsample）模塊,，SAU內(nèi)部結(jié)構(gòu)通過CNN與自注意力機制（Self-Attention）進行交叉計算以進一步進行特征融合,，并通過重構(gòu)FCU（Feature Coupling Unit）消除二者之間的特征錯位，彌補語義差距,。以YOLOX-Darknet53為主干網(wǎng)絡(luò),，在Pascal VOC2007數(shù)據(jù)集上進行了對比實驗。實驗結(jié)果表明,，對比原網(wǎng)絡(luò)的FPN,，替換FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，預(yù)測框的位置也更為精準,，在需要更高精度的檢測場景下有更為出色的使用價值,。

發(fā)表于：2023/3/28 16:56:00

基于深度學(xué)習(xí)的變壓器故障信號識別算法[人工智能][其他]

針對變壓器結(jié)構(gòu)復(fù)雜,、維護成本高等特點，提出一種基于深度學(xué)習(xí)的變壓器故障信號識別算法,。首先分析變壓器工作狀態(tài)下的聲紋信號并進行二維圖像信號的轉(zhuǎn)換,，利用VGG16神經(jīng)網(wǎng)絡(luò)在圖像中的優(yōu)勢，并在此基礎(chǔ)上提出一種MCA注意力機制,，該注意力機制能夠同時保留背景信息和細節(jié)信息,；其次對VGG16中的最大池化下采樣進行優(yōu)化，采用一種軟池化的采樣方法,，減少圖像中最大池化下采樣帶來的特征損失,；最后為避免過擬合現(xiàn)象的發(fā)生，將VGG16頂層結(jié)構(gòu)中的激活函數(shù)進行優(yōu)化,，引用可以自歸一化的SELU激活函數(shù),。實驗證明，廣義S變換是將一維時域信號轉(zhuǎn)換為二維圖像信號的最佳選擇,，所提算法對于6類故障信號的平均識別率達到99.15%,。

發(fā)表于：2023/3/28 16:50:00

一種深度神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練方法[人工智能][數(shù)據(jù)中心]

深度神經(jīng)網(wǎng)絡(luò)在高維數(shù)據(jù)的分類和預(yù)測中取得了巨大成功,。訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)密集型的任務(wù),，需從多個數(shù)據(jù)源收集大規(guī)模的數(shù)據(jù)。這些數(shù)據(jù)中通常包含敏感信息時,，使得深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程容易泄露數(shù)據(jù)隱私,。針對訓(xùn)練過程中的數(shù)據(jù)隱私和通信代價問題，提出了一種深度神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練方法,，允許基于多個數(shù)據(jù)源共同訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),。首先，提出了分布式訓(xùn)練架構(gòu),，由1個計算中心和多個代理組成,。其次，提出了基于多代理的分布式訓(xùn)練算法,，允許代理在數(shù)據(jù)不出本地和減少通信代價的情況下,，通過切割深度神經(jīng)網(wǎng)絡(luò)，實現(xiàn)分布式地共同訓(xùn)練模型,。然后,，分析了算法的正確性。最后,，實驗結(jié)果表明該方法是有效的,。

發(fā)表于：2023/3/28 16:42:00

計算機文本分析算法發(fā)展綜述[其他][其他]

計算機文本分析是自然語言處理領(lǐng)域的一個重要分支，是研究如何在文本數(shù)據(jù)中提取出給定語料的各類信息的計算機技術(shù),。目前,，計算機文本分析已經(jīng)進入了新的歷史階段,，一方面關(guān)鍵詞提取算法已經(jīng)逐漸完備，另一方面隨著BERT方法的出現(xiàn),，詞向量計算問題也取得了極大的進步,。但是，無論是關(guān)鍵詞提取還是詞向量計算都仍存在一些有待解決的問題,。另外,，現(xiàn)有的許多適合使用文本分析的研究仍在使用早期的文本分析方法。因此在未來,，如何更好地降低模型尺寸以促進學(xué)科融合,、提升文本分析的綜合社會效益，成為文本分析算法發(fā)展的重要問題,。

發(fā)表于：2023/3/28 16:37:00

基于RISC-V的多路光電容積脈搏波監(jiān)測系統(tǒng)[測試測量][醫(yī)療電子]

針對光電容積脈搏波（Photoplethysmographic,，PPG），基于RISC-V內(nèi)核設(shè)計了一款多通道,、實時PPG監(jiān)測系統(tǒng),。該系統(tǒng)使用RISC-V架構(gòu)的E203 IP作為低功耗內(nèi)核，通過ICB總線掛接模擬前端和藍牙控制模塊,。AFE4400模擬前端控制模塊控制背靠背LED實現(xiàn)兩路PPG信號采集,，復(fù)用該模塊分時處理來實現(xiàn)多路采集。藍牙控制模塊掛接到E203實現(xiàn)了通過藍牙外設(shè)下達系統(tǒng)控制指令,，之后上傳PPG波至終端,。該系統(tǒng)通過FPGA驗證了22位雙通道PPG信號物聯(lián)網(wǎng)終端應(yīng)用。

發(fā)表于：2023/3/28 16:31:00

基于圖形化彈性基底的細胞牽引力測量研究[其他][醫(yī)療電子]

細胞牽引力顯微鏡方法是測量細胞牽引力的主流工具之一,，該方法一般使用熒光微珠作為標志點,，通過測量細胞牽引力作用下熒光微珠的位移場，反演得出細胞牽引力場,。由于熒光微珠在基底分布的深度不可控,，但計算時候默認所有微珠分布在基底表面，一定程度上降低了細胞牽引力場的計算精度,。針對熒光微珠深度不可控的問題,，提出在彈性基底表面加工圖形陣列作為基底變形標志點，開展細胞牽引力測量的方法,。在聚二甲基硅氧烷基底表面設(shè)計直徑3 μm,，高度0.8 μm的凸臺陣列作為基底位移標志點。使用有限元仿真軟件在圖形化基底表面不同位置施加外力,，仿真得到凸臺陣列的位移場,，利用牽引力反演算法計算得到力場，與仿真過程中輸入的外力場相比較,，結(jié)果一致,。使用乳鼠心肌細胞在設(shè)計加工的圖形化彈性基底上開展了牽引力測量實驗,，并計算得出牽引力場。仿真和實驗均表明圖形化彈性基底適用于細胞牽引力的測量,，為心肌相關(guān)疾病病理研究提供了新的研究手段,。

發(fā)表于：2023/3/28 16:24:00