991精品熟女老女系列,又大又粗又黄天天摸天天操

頭條

英偉達官宣：CUDA將全面支持RISC-V架構！

早在2024年10月，英偉達在RISC-V北美峰會上透露，其在2015年就選定將RISC-V選定為其專有Falcon微控制器（MCU）的繼任架構。由于 MCU 內核是通用的，因此可以在英偉達的產品中廣泛使用。根據英偉達當時的預計，2024年英偉達將交付10億個內置于其 GPU、CPU、SoC 和其他產品中的 RISC-V 處理器，這也凸顯了定制 RISC-V 內核在英偉達硬件中的普遍性和重要性。在此次RISC-V中國峰會上，F(xiàn)rans Sijstermanns也指出，英偉達是RVI和RISE的董事會成員和技術委員會代表，也是相關規(guī)范的貢獻者。英偉達產品中的微控制器都是基于RISC-V架構，具有可配置、可擴展和安全保護功能，并且也被集成在30多個IP中，每年出貨量超過10億個RISC-V MCU。

平衡AI投資支出微軟計劃再裁員數千人

6月19日消息，據媒體報道，微軟（MSFT.US）正計劃進行新一輪大規(guī)模裁員，預計將影響數千個工作崗位，其中銷售部門將成為重災區(qū)。此舉是微軟為控制員工規(guī)模采取的最新措施，主要動因在于該公司在人工智能領域投入巨大，需要平衡整體開支。據知情人士透露，裁員計劃預計在本月底前（微軟財年結束之際）正式公布。雖然主要針對銷售團隊，但具體裁員規(guī)模和最終時間仍存在變數。這將是繼今年5月裁員約6000人（主要涉及產品和工程崗位）后的又一次人員縮減。值得注意的是，微軟4月份已向員工透露，將借助第三方公司拓展對中小客戶的軟件銷售業(yè)務，這為此次銷售團隊調整埋下了伏筆。微軟表示，公司會定期評估組織架構，以確保投資聚焦于增長領域。由于在服務器和數據中心等AI基礎設施上投入了數百億美元，微軟高管已向華爾街承諾并將向員工強調，需要嚴格控制其他方面的成本。截至2024年6月底，微軟全球員工總數約為22.8萬人，其中從事銷售和市場營銷工作的員工達4.5萬人。微軟通常在6月底財年結束前后進行團隊重組和業(yè)務調整。

發(fā)表于：6/19/2025

微軟宣布與AMD達成多年戰(zhàn)略合作

6月18日消息，微軟在最新的視頻中宣布與AMD達成多年戰(zhàn)略合作，雙方將共同設計包括下一代Xbox主機在內的多款設備芯片。微軟Xbox部門總裁莎拉·邦德在視頻中表示，微軟與AMD的合作將涵蓋多種設備，包括次世代Xbox主機和掌機。

發(fā)表于：6/19/2025

華為：未來五年5G車聯(lián)網占比將提升至95%

6月18日消息，今日，在2025MWC上海期間，華為輪值董事長徐直軍表示：“2025年中國乘用車銷量中5G車聯(lián)網占比達30%，2026-2030年將逐步提升至95%。”

發(fā)表于：6/19/2025

電力系統(tǒng)較大波動數據條目自適應檢索方法研究

針對電力系統(tǒng)數據具有復雜性、多樣性特點，導致檢索難度過高的問題，設計了電力系統(tǒng)較大波動數據條目自適應檢索方法。依據電力系統(tǒng)出力變化率，選取二分量一維混合高斯模型，構建電力系統(tǒng)波動概率分布模型。對比概率分布模型模擬的電力系統(tǒng)波動數據與量測數據，依據判定閾值辨識電力系統(tǒng)較大波動數據條目，構建數據條目檢索庫。利用哈希函數獲取檢索庫內較大波動數據條目的哈希特征，生成二值碼。較大波動數據條目檢索時，生成用戶檢索詞的二值編碼，計算檢索詞二值碼與檢索庫內條目二值碼的漢明距離，并對其加權處理，利用加權漢明距離排序數據條目，獲取較大波動數據條目的自適應檢索結果。實驗結果表明，該方法能夠依據用戶輸入的檢索詞，自適應檢索電力系統(tǒng)較大波動數據條目，檢索結果的歸一化折損累積增益均高于0.9，檢索時間低于500 ms。

發(fā)表于：6/18/2025

基于機器閱讀理解的電力安全命名實體識別方法

為解決現(xiàn)有命名實體識別方法在電力安全規(guī)程等領域文本中識別效果不佳的問題，提出了一種基于機器閱讀理解的電力安全命名實體識別方法。首先，使用預訓練模型對待識別文本進行編碼處理得到文本向量表示。其次，利用層次化注意力機制捕捉嵌套實體間的層次關系，重新分配文本序列的注意力權重；在此基礎上，利用分類器預測文本中實體范圍，得到最終實體識別結果。將該方法在ACE 2005與OntoNotes 4.0公開數據集上進行驗證，對比主流方法其取得最優(yōu)的識別效果，在電力安全領域實體識別場景下，該方法可達到89.3%的識別準確率，實現(xiàn)電力安全領域命名實體的精準識別。

發(fā)表于：6/18/2025

數據驅動的商業(yè)負荷集群動態(tài)聚合研究

商業(yè)負荷集群的動態(tài)聚合對提高電網的調度靈活性、優(yōu)化需求側管理以及促進可再生能源消納具有重要意義?；诘湫拖嚓P分析（CCA）選取商業(yè)負荷特征，并結合DBSCAN 和 K-means等聚類算法對負荷進行分類，以構建適用于不同場景的負荷集群。進一步，提出了三種負荷聚合標準，即基于調節(jié)速度、負荷穩(wěn)定性和經濟性的標準，并分析不同標準下的商業(yè)負荷聚合特性、適用性及其在電力調度中的潛在應用。

發(fā)表于：6/18/2025

面向電氣設施火災早期檢測的多模態(tài)融合模型

高層建筑電氣火災難以預測，危害程度大。為此，提出了一種面向高層建筑電氣火災早期檢測的多模態(tài)數據融合模型，該模型融合了溫度、CO氣體濃度與煙霧三種不同模態(tài)傳感器的數據，利用了各模態(tài)間的互補優(yōu)勢。首先使用gMLP捕捉三種模態(tài)數據的內在模式，完成特征提取。然后利用基于多頭注意力的融合方法，融合不同模態(tài)數據間的有效信息，完成特征融合，并識別出存在火情隱患的電氣設施。通過在無隱患與不同電氣設施存在火情隱患情況下的多模態(tài)數據集上進行實驗，證明了多模態(tài)數據融合模型的早期預測具有較高的準確率，表明了融合方法的優(yōu)越性。

發(fā)表于：6/18/2025

AirGAN：空調機理模型增強生成對抗模型

為引導資源龐大、調控靈活的空調負荷參與需求響應實現(xiàn)“源荷互動”，保障電網的安全經濟運行，各大研究單位開展了樓宇空調需求響應實時控制仿真與實踐研究。然而，如何準確地估算空調的負荷，并對空調負荷進行預測是目前面臨的重要挑戰(zhàn)。當前主流方法包括模型驅動型、數據驅動型兩種方法體系。其中模型驅動型依賴對空調負荷的建模，難以實現(xiàn)對空調負荷復雜變化的模擬。數據驅動則是依賴大量數據進行模型訓練，但難以覆蓋空調負荷的各類特點。為此，擬從模型驅動及數據驅動相結合的角度進行空調負荷的智能擬合，以提升空調負荷生成預測的準確性和適應性。提出了一種基于機制模型與生成對抗網絡（GAN）相結合的負荷生成方法和模型AirGAN。該方法通過GAN生成器生成的虛擬數據，持續(xù)調整物理模型的超參數，以使其更好地符合實際空調負荷特性。同時，采用GAN判別器對機制模型預測的負荷進行判別，以此訓練機制模型，從而提升其預測精度。

發(fā)表于：6/18/2025

恩智浦完成對TTTech Auto的收購，加速向軟件定義汽車轉型

荷蘭埃因霍溫——2025年6月17日——恩智浦半導體（NXP Semiconductors N.V.，納斯達克股票代碼：NXPI）今日宣布，根據先前宣布的 2025 年 1 月生效的協(xié)議，正式完成對TTTech Auto的收購。TTTech Auto是一家專注于為軟件定義汽車（SDV）開發(fā)獨特的安全關鍵系統(tǒng)和中間件的領先企業(yè)。

發(fā)表于：6/18/2025

部分中國車企2026年將實現(xiàn)芯片100%國產化目標

6月18日消息，據《日經亞洲》引述知情人士消息指出，包括上汽集團、長安汽車、長城汽車、比亞迪、理想汽車與吉利等中國汽車制造商，正準備推出搭載100%中國制造的國產芯片的車型，且至少有兩個品牌計劃最早在2026年開始量產。報導指出，此一進度相較要求今年國產汽車自制芯片使用率25%的目標，呈現(xiàn)出大幅提升的變化。

發(fā)表于：6/18/2025