頭條 2025年超半数手机SoC基于5nm及以下制程 3 月 24 日消息，Counterpoint 昨日表示，2025 年超过一半的全球智能手机 SoC 采用了 5nm 及以下工艺（注：以下称为“先进制程”）。随着苹果、高通、联发科今年各自推出 2nm 旗舰 AP 和中低端产品线的节点升级，这一比例有望上探 60%。 最新資訊 美四大运营商因非法出售客户位置信息被罚1.96亿美元 4 月 30 日消息，美国联邦通信委员会（FCC）今天发布公告，宣布对 AT&T、Verizon 和 Sprint / T-Mobile 处以总计 1.96 亿美元 發(fā)表于：2024/4/30 自研AI服务器芯片，竞争升级 自研AI服务器芯片，竞争升级 有越来越多的互联网和IT设备大厂开始自研AI服务器芯片，最近，这一风潮吹到了苹果公司，据悉，该智能设备龙头正在开发用于AI服务器的定制芯片。 与微软和谷歌等竞争对手相比，苹果在推出生成式AI方面进展较慢，不过，苹果公司CEO库克称，AI已经在苹果产品的幕后发挥作用，此前有媒体报道，苹果计划使用AI来提高搜索存储在苹果设备上的数据的能力。 發(fā)表于：2024/4/30 基于蓝牙Mesh分布式控制和平均一致性的智慧照明系统 针对维持电力系统平衡向运行储备提出的更高要求，以及大型室内场所中LED照明负荷成为非旋转储备的问题，设计了一种基于蓝牙Mesh分布式控制和平均一致性算法的智慧照明系统。该照明系统采用蓝牙Mesh组网搭建的分布式网络，结合平均一致性算法，以较低的运算量控制大量灯具，在实现功率调整的同时确保用户舒适度趋于一致。实验结果表明：该系统中所有灯具能够在较短时间内完成目标功率容量的调节，同时减小了功率调节对用户舒适度造成的影响，有着网络资源消耗低、稳定性强、易扩展等优势，可以满足实际需求。 發(fā)表于：2024/4/29 基于深度学习技术的水稻环境因素产量预测 水稻作为全球重要的粮食作物，准确预测水稻产量在农业发展中起着重要作用。由于水稻在环境因子与其生长机理的作用下往往呈现出非线性的特点，难以对其做出较为准确的预测，因此，提出CE-CGRU水稻产量预测模型，对非线性环境因子Copula熵（CE）方法进行提取特征并与CNN和GRU技术结合在一起。其目的是在水稻品种确定的条件下，识别产量预测的重要特征。根据使用浙江省临安区真实数据分析和比较所提出的模型的性能，构建了其他5个产量预测模型进行对比，分别是MLR、RF、LSTM、GRU和CNN-LSTM。结果显示，CE-CGRU模型的MAE、MSE和MAPE分别为0.677、0.87和5.029％，表明CE-CGRU模型具有更好的能力来捕捉水稻产量与环境因素之间的复杂非线性关系。此外，还对不同的特征选择方法以及不同时间步长进行了比较和分析。 發(fā)表于：2024/4/29 基于改进AOD-Net的图像去雾算法 为了更好解决图像去雾后颜色失真、去雾不彻底和耗时等问题，提出了一种基于改进AOD-Net的图像去雾算法。首先，在原有的卷积模块中引入残差连接，并保留了第二个特征融合层第一层的特征信息，以增强网络的特征提取能力。其次，在第三个特征融合层后引入注意力模块，强化雾图中的关键特征信息，抑制无关背景干扰。最后，采用新的复合损失函数进行训练。实验结果表明，改进算法在公共数据集上的峰值信噪比提高了3.8 dB，结构相似性达到了93.6%。相较于其他去雾算法，该算法在去雾精度和处理效率方面均表现出色。 發(fā)表于：2024/4/29 基于系统级封装的RISC-V电路设计与实现 为满足电子系统在性能、功耗、体积、重量和国产化等方面的需求，设计了一款基于系统级封装技术的RISC-V电路。该电路以采用自主指令集架构和国内工艺的处理器为核心，并集成了国产外围电路，实现了一款完全自主创新的、具备常用控制与通信接口的微系统电路。经过测试与验证，该电路各项功能和性能均达到设计指标，有效地提高了功能密度，很好地满足了电子系统在小型化、轻量化和低功耗等方面的需求。 發(fā)表于：2024/4/29 一种SSD主控芯片数据加解密模块的设计与验证 为了增强固态硬盘（Solid State Disk， SSD）的数据安全，介绍了SSD主控芯片中一种满足《安全芯片密码检测准则》二级要求设计的数据SM4加解密模块。另外，为了验证模块设计的正确性，介绍了基于通用验证方法学（Universal Verification Methodology， UVM）设计的自动化验证平台，以设计功能点和代码覆盖率为衡量指标，数据加解密模块被该验证平台较充分地验证，最终达到片上系统（System on Chip， SoC）的流片交付标准。 發(fā)表于：2024/4/29 TSN时间敏感网络帧抢占的研究与电路实现 时间敏感网络（Time Sensitive Network， TSN）是一种新型网络技术，在传统的以太网技术基础上，对关键数据的实时性、可靠性和安全性方面进行了增强，可满足工业互联网、自动驾驶、医疗健康等领域的需求。针对TSN中的帧抢占技术进行了研究分析，实现了帧抢占电路。作为TSN网络交换芯片的重要部分，实现了TSN帧抢占等芯片实现的自主创新，在相关时间敏感领域具有较好的应用价值。 發(fā)表于：2024/4/29 融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究 预测植物中的蛋白质-蛋白质相互作用（PPI）具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明，提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据集上均获得了最优的AUPR和AUC值，Sen及MCC值也均优于其他4种蛋白质相互作用预测模型。当模型在水稻、大豆的植物PPI数据集上进行测试时，所提出的模型AUPR值分别为0.802 5、0.730 1，AUC值分别为0.956 2、0.950 7。这些优异的结果表明，融合蛋白质语言模型Ankh的PPI模型可以作为植物蛋白质相互作用预测的一个有前途的工具。 發(fā)表于：2024/4/29 混合CNN-SVM的心音信号分类算法的研究 针对当前心音信号识别算法检测精度不佳问题，提出了一种混合卷积神经网络-支持向量机模型 （CNN-SVM） 的心音信号分类方法。通过PASCAL挑战实验数据，整理出正常与不正常两类心音信号数据库，通过预处理滤波及MFCC、一二阶差分特征提取、PCA降维，输入CNN-SVM模型进行训练。并从准确率、召回率、特异性、精确率和F分数5个方面进行性能评估。为了验证此算法的有效性，将混合CNN-SVM模型与单一SVM、CNN模型分别进行了对比。实验结果表明，该方法能够以较高识别率将两种心音信号区分开，其平均识别准确率接近于99%，相较于单一CNN方法提高了2.48%，同样高于单一SVM算法。 發(fā)表于：2024/4/29 <…234235236237238239240241242243…>
