91制片厂app真假,日韩15p,午夜小福利

基于改進(jìn)Stacking集成分類算法的用戶用電信息異常識(shí)別[人工智能][智能電網(wǎng)]

隨著電力用戶信息采集系統(tǒng)的發(fā)展,，更豐富的用戶用電信息被用于用戶用電信息異常的識(shí)別,?；贔DI攻擊進(jìn)行虛假數(shù)據(jù)注入,，構(gòu)造用戶用電信息異常數(shù)據(jù)集,，并提出了一種基于召回率的改進(jìn)Stacking集成分類算法。該算法采用K-近鄰算法（k-Nearest Neighbors,，KNN）,、隨機(jī)森林模型（Random Forests，RF）,、支持向量機(jī)（Support Vector Machine,，SVM）以及梯度決策樹（Gradient Boosting Decision Tree，GBDT）作為Stacking結(jié)構(gòu)的基分類模型；采用邏輯回歸（Logistic Regression,，LR）作為Stacking結(jié)構(gòu)的元分類模型。并基于召回率為基分類模型的輸出結(jié)果進(jìn)行權(quán)值賦值,，從而作為元分類模型的輸入數(shù)據(jù)集,。通過實(shí)驗(yàn)驗(yàn)證，所提的基于召回率的改進(jìn)Stacking集成分類算法相比于傳統(tǒng)Stacking集成分類算法擁有更高效的分類性能,。

發(fā)表于：8/25/2023

多核專用指令處理器集成開發(fā)環(huán)境設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

該集成開發(fā)環(huán)境面向一款多核密碼專用指令協(xié)處理器而設(shè)計(jì),，包含指令集模擬器、匯編器,、調(diào)試器等功能模塊,，支持基于匯編語言的軟件調(diào)試，支持密碼算法性能評(píng)估,。根據(jù)實(shí)現(xiàn)密碼算法的特點(diǎn),，該集成開發(fā)環(huán)境中的密碼處理引擎模擬器采用了運(yùn)算指令提前譯碼的方式，以提高模擬器的性能,。在此基礎(chǔ)上,，為了程序調(diào)試和算法性能評(píng)估的需要，采用不同的模擬策略,，分別設(shè)計(jì)了指令級(jí)同步模擬器和共享數(shù)據(jù)級(jí)同步模擬器,。經(jīng)測(cè)試，該集成開發(fā)環(huán)境在進(jìn)行算法評(píng)估時(shí),，模擬指令的速度達(dá)到了4.83 MIPS,，性能評(píng)估結(jié)果與硬件仿真一致。

發(fā)表于：8/25/2023

萬兆鏈路聚合式多路高清視頻傳輸技術(shù)研究及應(yīng)用*[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了滿足目前攝像機(jī)看得清,、看得遠(yuǎn),、看得實(shí)時(shí)、成本低等需求,，結(jié)合高清模擬視頻的發(fā)展現(xiàn)狀,，針對(duì)基于光纖通信技術(shù)的多路高清模擬視頻超遠(yuǎn)距離傳輸存在成本高、傳輸速率慢,、實(shí)時(shí)性差等主要問題,，分析多路大帶寬高清模擬視頻如何在一條光纜傳輸?shù)年P(guān)鍵技術(shù)，提出了基于萬兆鏈路聚合的模擬視頻遠(yuǎn)距離傳輸?shù)慕M網(wǎng)解決方案,。該方案可以幫助同軸模擬高清視頻解決遠(yuǎn)距離超高成本傳輸問題,，為模擬監(jiān)控整體解決方案提供了必不可缺的組成部分，具有引領(lǐng)作用,。

發(fā)表于：8/25/2023

車載燃料電池發(fā)動(dòng)機(jī)交流阻抗測(cè)量系統(tǒng)設(shè)計(jì)及應(yīng)用*[電源技術(shù)][汽車電子]

為解決車載質(zhì)子交換膜燃料電池發(fā)動(dòng)機(jī)在-30℃低溫冷儲(chǔ)存及冷啟動(dòng)問題,，提出了一種測(cè)量車載燃料電池發(fā)動(dòng)機(jī)單片交流阻抗的測(cè)量系統(tǒng)，單片電流電壓信號(hào)通過帶通濾波電路處理后，進(jìn)行快速傅里葉變換計(jì)算出單片阻抗,；在采集阻抗時(shí),，通過另外一個(gè)控制核心采集單片電壓，實(shí)現(xiàn)了單片電壓及阻抗的同步雙采集,。在系統(tǒng)關(guān)機(jī)策略中,，將單片阻抗作為關(guān)機(jī)判據(jù)，在其達(dá)到低溫儲(chǔ)存及冷啟動(dòng)的閾值點(diǎn)后,，系統(tǒng)停止吹掃完成關(guān)機(jī),。系統(tǒng)能夠在-30℃低溫儲(chǔ)存及冷啟動(dòng)，并最終在北京2022冬奧會(huì)實(shí)車批量應(yīng)用,。

發(fā)表于：8/25/2023

面向用戶體驗(yàn)增強(qiáng)的信息檢索評(píng)估模型研究*[其他][工業(yè)自動(dòng)化]

如何為用戶精準(zhǔn)提供高質(zhì)量信息是信息檢索系統(tǒng)有效提升用戶體驗(yàn)的關(guān)鍵問題所在,。在對(duì)國內(nèi)外相關(guān)技術(shù)研究進(jìn)展基礎(chǔ)之上，從引入信息資源與用戶需求之間最佳匹配的動(dòng)態(tài)評(píng)估機(jī)制角度,，提出了一種面向用戶體驗(yàn)增強(qiáng)的信息檢索動(dòng)態(tài)評(píng)估模型,，對(duì)模型中的信息質(zhì)量評(píng)估方法、用戶期望評(píng)估方法,、情境動(dòng)態(tài)評(píng)估方法和用戶體驗(yàn)評(píng)估方法等進(jìn)行詳細(xì)設(shè)計(jì),，并對(duì)模型中各因素權(quán)重進(jìn)行最優(yōu)化搜索求解。仿真實(shí)驗(yàn)結(jié)果表明,，構(gòu)建的動(dòng)態(tài)評(píng)估模型具有較好的“魯棒”特性,，對(duì)不滿足用戶需求的信息過濾效果明顯，將用戶所需的高質(zhì)量信息返回給用戶,，明顯增強(qiáng)了用戶對(duì)信息檢索的應(yīng)用體驗(yàn),。

發(fā)表于：8/25/2023

基于AXI4總線的紅外圖像處理系統(tǒng)設(shè)計(jì)[嵌入式技術(shù)][其他]

為了提升紅外熱像儀圖像處理系統(tǒng)中數(shù)據(jù)處理模塊訪問DDR存儲(chǔ)器的帶寬效率與系統(tǒng)可靠性，采用Xilinx Kintex-7系列FPGA設(shè)計(jì)了一種基于AXI4總線的DDR存儲(chǔ)器訪問方案,，實(shí)現(xiàn)了AXI4總線的用戶接口設(shè)計(jì),，完成了對(duì)DDR存儲(chǔ)器的多端口實(shí)時(shí)訪問控制需求。測(cè)試結(jié)果證明了設(shè)計(jì)的可行性,，接口符合AXI4總線協(xié)議規(guī)定,，使紅外圖像處理系統(tǒng)中數(shù)據(jù)模塊對(duì)DDR的讀寫帶寬與效率達(dá)到一個(gè)較高的水平。

發(fā)表于：8/25/2023

基于AXI總線復(fù)用的DMA數(shù)據(jù)傳輸結(jié)構(gòu)設(shè)計(jì)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

常規(guī)多通道DMA數(shù)據(jù)傳輸結(jié)構(gòu)應(yīng)用在多傳感器接入式人工智能平臺(tái)時(shí),，隨著傳感器類型和數(shù)量的增加,，在通道協(xié)議轉(zhuǎn)換、AXI總線擴(kuò)展過程中會(huì)消耗大量的FPGA邏輯和存儲(chǔ)資源,，容易產(chǎn)生邏輯擁塞,，增加工具布線難度。與此同時(shí),，封閉式的AXI系統(tǒng)缺乏對(duì)通道差異控制的靈活性,，難以適應(yīng)人工智能平臺(tái)多模式數(shù)據(jù)傳輸需求。因此，設(shè)計(jì)了一種AXI總線復(fù)用方式的DMA數(shù)據(jù)傳輸結(jié)構(gòu),，該設(shè)計(jì)可以極大地縮減AXI總線數(shù)量,，降低FPGA資源消耗和工具布線用時(shí)，方便地引入附加邏輯實(shí)現(xiàn)多模式DMA數(shù)據(jù)傳輸,，為人工智能平臺(tái)提供靈活高效的多源數(shù)據(jù)獲取機(jī)制,。

發(fā)表于：8/25/2023

一種串聯(lián)機(jī)械臂多軸同步控制方法的研究與實(shí)現(xiàn)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

以機(jī)械臂為代表的工業(yè)設(shè)備，直接影響著制造業(yè)生產(chǎn)水平,。在噴漆、焊接等生產(chǎn)場(chǎng)景下,，人們希望機(jī)械臂的末端軌跡符合預(yù)期,。由于工況及受到干擾的影響不完全相同，機(jī)械臂各關(guān)節(jié)的單軸跟蹤性能很難保持一致,，此時(shí)便需要進(jìn)行多軸同步控制,，以便多個(gè)電機(jī)同步配合完成工作，確保末端軌跡精度滿足要求,。在分析三維軌跡誤差后,，根據(jù)串聯(lián)機(jī)械臂的運(yùn)動(dòng)學(xué)特征，基于偏差耦合結(jié)構(gòu),，得出各關(guān)節(jié)軸的同步修正量,，并在基于Xilinx ZYNQ的六軸機(jī)械臂實(shí)驗(yàn)平臺(tái)上通過對(duì)比實(shí)驗(yàn)的方式檢驗(yàn)了該方法的工作效果。

發(fā)表于：8/25/2023

基于多核DSP上下文環(huán)境備份與恢復(fù)方案的設(shè)計(jì)與實(shí)現(xiàn)*[嵌入式技術(shù)][其他]

在軟件定義計(jì)算體系架構(gòu)中,，DSP作為一種常用的硬件資源,，勢(shì)必向虛擬化發(fā)展，以便最大化發(fā)揮其效能,。提出了一種多核DSP上下文環(huán)境的備份與恢復(fù)的方案,，以核0為控制核心，通過合理地內(nèi)存分配以及讀寫操作,，完成對(duì)其余核心在計(jì)算過程中的各狀態(tài),，如寄存器狀態(tài)、堆棧狀態(tài),、數(shù)據(jù)狀態(tài)以及程序狀態(tài)的保存與寫回,，實(shí)現(xiàn)了其從計(jì)算任務(wù)M切換到計(jì)算任務(wù)N，待N完成后再切換回M繼續(xù)執(zhí)行的功能,；使用TI公司66AK2H14對(duì)方案作測(cè)試,，驗(yàn)證了其可行性。該方案對(duì)多核DSP硬件資源的靈活應(yīng)用提供了實(shí)際的方法和經(jīng)驗(yàn),。

發(fā)表于：8/25/2023

二維側(cè)視型聲學(xué)多普勒流速儀的設(shè)計(jì)[模擬設(shè)計(jì)][其他]

為了獲得淺水或斷面處的二維流速分布,，擴(kuò)展超聲波測(cè)量的應(yīng)用范圍，設(shè)計(jì)了二維側(cè)視型聲學(xué)多普勒流速儀。采用5 MHz高頻超聲波進(jìn)行測(cè)量,，并設(shè)計(jì)了獨(dú)特的探頭結(jié)構(gòu),，避免對(duì)測(cè)流場(chǎng)產(chǎn)生干擾?；诙嗥绽招?yīng)的基本原理,，采用復(fù)自相關(guān)算法進(jìn)行頻率估計(jì)，解算出超聲波換能器的徑向流速,，通過變換矩陣得到二維流速,。實(shí)測(cè)結(jié)果表明，所設(shè)計(jì)的二維側(cè)視型聲學(xué)多普勒流速儀能有效測(cè)量出采樣體的二維流速,，測(cè)量標(biāo)準(zhǔn)差分別為0.028 m/s和0.009 m/s,，具有一定的實(shí)用價(jià)值。

發(fā)表于：8/25/2023

基于側(cè)向菲涅爾透鏡耦合的光纖漏水傳感器設(shè)計(jì)*[模擬設(shè)計(jì)][其他]

針對(duì)現(xiàn)有準(zhǔn)分布式液漏監(jiān)測(cè)光纖傳感器光源耦合效率低,、傳導(dǎo)進(jìn)光纖模式少等問題,，設(shè)計(jì)了一種側(cè)向耦合的光纖漏水傳感器，其由菲涅爾透鏡及光纖傳感帶構(gòu)成,。通過Zemax軟件進(jìn)行仿真分析,，設(shè)計(jì)并加工特定菲涅爾透鏡，使光纖傳感器中所用光源能更好地匯聚,。通過實(shí)驗(yàn)對(duì)比有無透鏡時(shí)LED的耦合功率,，結(jié)果表明有透鏡的情況下光耦合進(jìn)光纖的功率可提高40%且其他傳感性能不受影響，所設(shè)計(jì)的菲涅爾透鏡能夠?qū)庠催M(jìn)行高效率的耦合,，在傳感帶長度相同時(shí)可有效提高分辨率,。

發(fā)表于：8/25/2023

基于磁-熱耦合的揚(yáng)聲器溫度場(chǎng)仿真研究[其他][其他]

動(dòng)圈揚(yáng)聲器在大信號(hào)驅(qū)動(dòng)時(shí)因音圈發(fā)熱嚴(yán)重，會(huì)出現(xiàn)音圈斷路,、短路和脫膠等熱損壞問題,，進(jìn)而導(dǎo)致?lián)P聲器單元損壞。通過建立一款動(dòng)圈揚(yáng)聲器單元的三維有限元模型,，進(jìn)行了基于多物理場(chǎng)耦合的大信號(hào)驅(qū)動(dòng)下的揚(yáng)聲器單元穩(wěn)態(tài)溫度場(chǎng)與應(yīng)力場(chǎng)仿真,，并通過試驗(yàn)對(duì)仿真結(jié)果進(jìn)行了驗(yàn)證。結(jié)果表明：在恒壓功放的作用下,，揚(yáng)聲器單元整體溫度隨音圈電流頻率增大出現(xiàn)先增大后減小的現(xiàn)象,，揚(yáng)聲器單元的溫度在額定阻抗點(diǎn)處達(dá)到峰值，等效應(yīng)力集中在音圈骨架與定心支片,、振膜連接處,，會(huì)因?yàn)楦邷匾l(fā)熱故障；同時(shí)分析了音圈出現(xiàn)熱損壞時(shí)對(duì)揚(yáng)聲器單元暫態(tài)溫度場(chǎng)的影響,。該結(jié)果可為動(dòng)圈揚(yáng)聲器的溫度監(jiān)測(cè)和失效分析提供參考,。

發(fā)表于：8/25/2023

一種多教師模型知識(shí)蒸餾深度神經(jīng)網(wǎng)絡(luò)模型壓縮算法[人工智能][通信網(wǎng)絡(luò)]

為了能將龐大的深度學(xué)習(xí)模型壓縮后部署到算力和存儲(chǔ)能力有限的設(shè)備中時(shí)盡可能減小精度損失,，對(duì)知識(shí)蒸餾模型壓縮方法進(jìn)行研究，提出了一種改進(jìn)后帶篩選的多教師模型知識(shí)蒸餾壓縮算法,。利用多教師模型的集成優(yōu)勢(shì),，以各教師模型的預(yù)測(cè)交叉熵為篩選的量化標(biāo)準(zhǔn)篩選出表現(xiàn)更好的教師模型對(duì)學(xué)生進(jìn)行指導(dǎo)，并讓學(xué)生模型從教師模型的特征層開始提取信息,，同時(shí)讓表現(xiàn)更好的教師模型在指導(dǎo)中更具有話語權(quán),。在CIFAR100數(shù)據(jù)集上的VGG13等分類模型實(shí)驗(yàn)結(jié)果表明，與其他壓縮算法相比在最終得到的學(xué)生模型大小相同的情況下,，精度上有著更好的表現(xiàn),。

發(fā)表于：8/25/2023

復(fù)雜環(huán)境下輕量化口罩佩戴檢測(cè)算法研究[其他][醫(yī)療電子]

針對(duì)目前YOLOv4算法巨大的運(yùn)算量難以滿足實(shí)時(shí)性要求高的口罩佩戴檢測(cè)系統(tǒng)，提出了一種輕量化檢測(cè)算法（Light-YOLOv4）,。將融合ECA注意力機(jī)制的GhostNet網(wǎng)絡(luò)替換YOLOv4的主干網(wǎng)絡(luò)減少參數(shù)量,；借鑒空洞卷積和SPPF提出了ASPPFCSPC結(jié)構(gòu)有效增大感受野；針對(duì)目標(biāo)過于密集而產(chǎn)生重疊問題,，增加了RepBox損失函數(shù)，使不同目標(biāo)的預(yù)測(cè)框相互遠(yuǎn)離從而減少漏檢,。實(shí)驗(yàn)表明,，Light-YOLOv4算法mAP為94.2%，F(xiàn)PS為46.3幀,，模型大小為95 MB,，相較于YOLOv4的mAP值僅降低了1.1%，檢測(cè)速率提高了51.8%,，參數(shù)量減少了70.0%,，模型大小減少了61.1%，對(duì)低性能檢測(cè)設(shè)備很友好,。

發(fā)表于：8/25/2023

基于PKS體系的終端功能場(chǎng)景驗(yàn)證方法研究[通信與網(wǎng)絡(luò)][信創(chuàng)產(chǎn)業(yè)]

目前國產(chǎn)終端正逐漸成為中國終端市場(chǎng)的主流,，而基于PKS（飛騰Phytium+麒麟Kylin+安全Security）體系的終端產(chǎn)品作為國產(chǎn)主力軍，承擔(dān)著更重要的使命,，迫切需要加快優(yōu)化的速度,，滿足國內(nèi)各行業(yè)用戶群體日益增長的需求。在功能單點(diǎn)驗(yàn)證方法的基礎(chǔ)上從用戶的角度出發(fā),，預(yù)測(cè)用戶功能使用場(chǎng)景,，創(chuàng)新性地提出了基于PKS體系的終端功能場(chǎng)景驗(yàn)證方法，通過對(duì)比分析兩種方法對(duì)3種國產(chǎn)終端的驗(yàn)證數(shù)據(jù),，證明功能場(chǎng)景驗(yàn)證方法發(fā)現(xiàn)問題的效率和價(jià)值都比傳統(tǒng)的功能單點(diǎn)驗(yàn)證方法更優(yōu),，能促進(jìn)國產(chǎn)終端的持續(xù)優(yōu)化，為國產(chǎn)終端驗(yàn)證體系提供新的思路,。

發(fā)表于：8/25/2023