国产精品后入,91精选在线国产

頭條

FTC要求新思科技與Ansys剝離部分資產

FTC要求新思科技與Ansys剝離部分資產

5 月 29 日消息，美國聯(lián)邦貿易委員會（FTC）于當地時間 5 月 28 日宣布，為解決半導體IP 供應商和 EDA 軟件提供商新思科技（Synopsys）與工業(yè)軟件公司 Ansys 價值 350 億美元合并案中的反壟斷問題，將要求雙方剝離部分資產。

自研AI服務器芯片，競爭升級

自研AI服務器芯片，競爭升級有越來越多的互聯(lián)網和IT設備大廠開始自研AI服務器芯片，最近，這一風潮吹到了蘋果公司，據悉，該智能設備龍頭正在開發(fā)用于AI服務器的定制芯片。與微軟和谷歌等競爭對手相比，蘋果在推出生成式AI方面進展較慢，不過，蘋果公司CEO庫克稱，AI已經在蘋果產品的幕后發(fā)揮作用，此前有媒體報道，蘋果計劃使用AI來提高搜索存儲在蘋果設備上的數據的能力。

發(fā)表于：4/30/2024

基于藍牙Mesh分布式控制和平均一致性的智慧照明系統(tǒng)

針對維持電力系統(tǒng)平衡向運行儲備提出的更高要求，以及大型室內場所中LED照明負荷成為非旋轉儲備的問題，設計了一種基于藍牙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)采用藍牙Mesh組網搭建的分布式網絡，結合平均一致性算法，以較低的運算量控制大量燈具，在實現(xiàn)功率調整的同時確保用戶舒適度趨于一致。實驗結果表明：該系統(tǒng)中所有燈具能夠在較短時間內完成目標功率容量的調節(jié)，同時減小了功率調節(jié)對用戶舒適度造成的影響，有著網絡資源消耗低、穩(wěn)定性強、易擴展等優(yōu)勢，可以滿足實際需求。

發(fā)表于：4/29/2024

基于深度學習技術的水稻環(huán)境因素產量預測

水稻作為全球重要的糧食作物，準確預測水稻產量在農業(yè)發(fā)展中起著重要作用。由于水稻在環(huán)境因子與其生長機理的作用下往往呈現(xiàn)出非線性的特點，難以對其做出較為準確的預測，因此，提出CE-CGRU水稻產量預測模型，對非線性環(huán)境因子Copula熵（CE）方法進行提取特征并與CNN和GRU技術結合在一起。其目的是在水稻品種確定的條件下，識別產量預測的重要特征。根據使用浙江省臨安區(qū)真實數據分析和比較所提出的模型的性能，構建了其他5個產量預測模型進行對比，分別是MLR、RF、LSTM、GRU和CNN-LSTM。結果顯示，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量與環(huán)境因素之間的復雜非線性關系。此外，還對不同的特征選擇方法以及不同時間步長進行了比較和分析。

發(fā)表于：4/29/2024

基于改進AOD-Net的圖像去霧算法

為了更好解決圖像去霧后顏色失真、去霧不徹底和耗時等問題，提出了一種基于改進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，并保留了第二個特征融合層第一層的特征信息，以增強網絡的特征提取能力。其次，在第三個特征融合層后引入注意力模塊，強化霧圖中的關鍵特征信息，抑制無關背景干擾。最后，采用新的復合損失函數進行訓練。實驗結果表明，改進算法在公共數據集上的峰值信噪比提高了3.8 dB，結構相似性達到了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)級封裝的RISC-V電路設計與實現(xiàn)

為滿足電子系統(tǒng)在性能、功耗、體積、重量和國產化等方面的需求，設計了一款基于系統(tǒng)級封裝技術的RISC-V電路。該電路以采用自主指令集架構和國內工藝的處理器為核心，并集成了國產外圍電路，實現(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。經過測試與驗證，該電路各項功能和性能均達到設計指標，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主控芯片數據加解密模塊的設計與驗證

為了增強固態(tài)硬盤（Solid State Disk， SSD）的數據安全，介紹了SSD主控芯片中一種滿足《安全芯片密碼檢測準則》二級要求設計的數據SM4加解密模塊。另外，為了驗證模塊設計的正確性，介紹了基于通用驗證方法學（Universal Verification Methodology， UVM）設計的自動化驗證平臺，以設計功能點和代碼覆蓋率為衡量指標，數據加解密模塊被該驗證平臺較充分地驗證，最終達到片上系統(tǒng)（System on Chip， SoC）的流片交付標準。

發(fā)表于：4/29/2024

TSN時間敏感網絡幀搶占的研究與電路實現(xiàn)

時間敏感網絡（Time Sensitive Network， TSN）是一種新型網絡技術，在傳統(tǒng)的以太網技術基礎上，對關鍵數據的實時性、可靠性和安全性方面進行了增強，可滿足工業(yè)互聯(lián)網、自動駕駛、醫(yī)療健康等領域的需求。針對TSN中的幀搶占技術進行了研究分析，實現(xiàn)了幀搶占電路。作為TSN網絡交換芯片的重要部分，實現(xiàn)了TSN幀搶占等芯片實現(xiàn)的自主創(chuàng)新，在相關時間敏感領域具有較好的應用價值。

發(fā)表于：4/29/2024

融合蛋白質語言模型與深度神經網絡的植物蛋白質相互作用預測研究

預測植物中的蛋白質-蛋白質相互作用（PPI）具有重要的生物學意義。同時采用了4種編碼方法及深度神經網絡構建了蛋白質相互作用預測模型。結果表明，提出的融合蛋白質語言模型Ankh與深度神經網絡的方法構建的PPI預測模型性能在3種植物數據集上均獲得了最優(yōu)的AUPR和AUC值，Sen及MCC值也均優(yōu)于其他4種蛋白質相互作用預測模型。當模型在水稻、大豆的植物PPI數據集上進行測試時，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)異的結果表明，融合蛋白質語言模型Ankh的PPI模型可以作為植物蛋白質相互作用預測的一個有前途的工具。

發(fā)表于：4/29/2024

混合CNN-SVM的心音信號分類算法的研究

針對當前心音信號識別算法檢測精度不佳問題，提出了一種混合卷積神經網絡-支持向量機模型（CNN-SVM）的心音信號分類方法。通過PASCAL挑戰(zhàn)實驗數據，整理出正常與不正常兩類心音信號數據庫，通過預處理濾波及MFCC、一二階差分特征提取、PCA降維，輸入CNN-SVM模型進行訓練。并從準確率、召回率、特異性、精確率和F分數5個方面進行性能評估。為了驗證此算法的有效性，將混合CNN-SVM模型與單一SVM、CNN模型分別進行了對比。實驗結果表明，該方法能夠以較高識別率將兩種心音信號區(qū)分開，其平均識別準確率接近于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

CNI集成JPALS能力的進展及展望

衛(wèi)星導航著陸是下一代精密著陸技術的趨勢，其在通信導航識別系統(tǒng)（CNI）中的集成也成為了重要的研究內容。綜述了聯(lián)合精密進近著陸系統(tǒng)（JPALS）的原理與系統(tǒng)結構，分析了國內當前衛(wèi)星導航著陸技術的研究現(xiàn)狀及工程技術基礎，在此基礎上提出了堅持當前綜合化CNI框架下，從JPALS需求論證、系統(tǒng)設計、可擴展性等方面提出了集成JPALS能力的初步工程設想。

發(fā)表于：4/29/2024