日韩高清a在线观看视频,国产精品无遮挡一级毛片视频

不同運(yùn)算機(jī)制下FFT計(jì)算精度分析

主要研究定點(diǎn)、塊浮點(diǎn)和浮點(diǎn)運(yùn)算機(jī)制下，頻域抽取基4算法的精度問(wèn)題。首先分析了定點(diǎn)、塊浮點(diǎn)、浮點(diǎn)等運(yùn)算機(jī)制下，基4算法基本運(yùn)算單元中數(shù)據(jù)不同表現(xiàn)形式及輸出截位規(guī)則。然后利用MATLAB平臺(tái)建立了定點(diǎn)與塊浮點(diǎn)FFT仿真模型，以噪信比作為FFT輸出精度指標(biāo)，研究輸出精度與輸入信號(hào)范圍、算法參數(shù)之間的關(guān)系。仿真表明，輸入為隨機(jī)序列時(shí)，定點(diǎn)與塊浮點(diǎn)FFT輸出噪信比與輸入信號(hào)幅值范圍、輸入序列長(zhǎng)度及算法輸入位寬有關(guān)。此結(jié)論可用以解決實(shí)際工程中小信號(hào)頻譜失真問(wèn)題，在工程分析與設(shè)計(jì)中具有重要參考價(jià)值。

發(fā)表于：1/10/2017

神秘Master就是AlphaGo，谷歌人工智能又上新臺(tái)階?

1月4日晚，在網(wǎng)絡(luò)上連續(xù)取得了59場(chǎng)勝利的輝煌戰(zhàn)績(jī)后，Master在聊天頻道中突然自稱就是“AlphaGo的黃博士”，同時(shí)還表示“希望大家這陣子，都享受Master的棋局”。

發(fā)表于：1/6/2017

面向物聯(lián)網(wǎng)的SM4算法輕量級(jí)實(shí)現(xiàn)

SM4算法是我國(guó)公布的第一個(gè)商用分組密碼算法，目前已經(jīng)得到了廣泛的應(yīng)用。為更好地適應(yīng)物聯(lián)網(wǎng)中資源受限設(shè)備處理能力低、存儲(chǔ)空間小等特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了基于資源重用的SM4算法輕量級(jí)處理架構(gòu)。子密鑰擴(kuò)展和輪函數(shù)交替使用核心電路完成子密鑰生成及加/解密運(yùn)算，無(wú)需額外存儲(chǔ)32輪迭代所需子密鑰。密鑰存儲(chǔ)和檢測(cè)電路以及可正/逆序生成固定參數(shù)的實(shí)時(shí)生成電路，可大幅提高解密處理效率。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的輕量級(jí)處理架構(gòu)資源占用小、品質(zhì)因數(shù)高，非常適合于在物聯(lián)網(wǎng)中資源受限設(shè)備上使用，具有廣闊的應(yīng)用前景。

發(fā)表于：1/4/2017

決策森林研究綜述

隨著經(jīng)濟(jì)與社會(huì)的發(fā)展，數(shù)據(jù)挖掘技術(shù)廣泛應(yīng)用到各個(gè)領(lǐng)域，其中分類算法中的決策森林（Decision Forest）成為一個(gè)研究熱點(diǎn)。決策森林算法是一種包含多個(gè)決策樹(shù)分類器的統(tǒng)計(jì)學(xué)習(xí)理論，能較好地處理噪聲且避免發(fā)生過(guò)擬合。針對(duì)幾種典型的決策森林算法，闡述了其原理和算法的特點(diǎn)，并從決策森林的構(gòu)建過(guò)程出發(fā)，系統(tǒng)地分析和總結(jié)了國(guó)內(nèi)外現(xiàn)有的決策森林算法。在此基礎(chǔ)上，詳細(xì)說(shuō)明了在面對(duì)大數(shù)據(jù)時(shí)應(yīng)用決策森林進(jìn)行分布式計(jì)算的處理過(guò)程。通過(guò)比較，總結(jié)出了各種決策森林算法的適用范圍。

發(fā)表于：1/3/2017

投資240億美元國(guó)家存儲(chǔ)器基地在武漢開(kāi)工

總投資240億美元的國(guó)家存儲(chǔ)器基地項(xiàng)目近日在武漢東湖高新區(qū)正式開(kāi)工。2020年全面建成后，年產(chǎn)值將超過(guò)100億美元，實(shí)現(xiàn)我國(guó)集成電路存儲(chǔ)芯片產(chǎn)業(yè)規(guī)模化發(fā)展“零”的突破。

發(fā)表于：1/3/2017

2017年最佳網(wǎng)絡(luò)技術(shù)獎(jiǎng)獲得者是…

隨著新的計(jì)算、儲(chǔ)存與網(wǎng)絡(luò)技術(shù)陸續(xù)在2017年出現(xiàn)，觀察這場(chǎng)誰(shuí)勝誰(shuí)敗的戲碼將更加耐人尋味…

發(fā)表于：1/2/2017

三維點(diǎn)云配準(zhǔn)約束條件綜述

點(diǎn)云配準(zhǔn)是通過(guò)匹配具有重疊部分的數(shù)據(jù)集，將不同坐標(biāo)下的三維數(shù)據(jù)集變換到同一坐標(biāo)系下，得到旋轉(zhuǎn)變換矩陣和平移向量。通過(guò)各種約束條件，建立適當(dāng)?shù)哪Ｐ?。剛性配?zhǔn)在變換過(guò)程中不會(huì)發(fā)生形變，而非剛性配準(zhǔn)需要考慮形變等問(wèn)題。剛性配準(zhǔn)和非剛性配準(zhǔn)在約束條件上有所不同，文章從特征、顯著性、正則化等約束條件，對(duì)剛性和非剛性配準(zhǔn)約束條件進(jìn)行了研究討論。

發(fā)表于：12/30/2016

自適應(yīng)S變換在故障測(cè)距的應(yīng)用研究

S變換因其優(yōu)良的時(shí)頻特性而在故障定位方面獲得了廣泛的應(yīng)用，但由于S變換計(jì)算時(shí)采用等間隔采樣頻率點(diǎn)，因而計(jì)算量較大，且存在運(yùn)算速度和測(cè)距精度之間的矛盾，即為了提高測(cè)距精度必須提高采樣頻率，但提高采樣頻率就會(huì)降低算法的運(yùn)算速度，降低了實(shí)時(shí)性。為此文章提出了一種自適應(yīng)于測(cè)距信號(hào)的S變換，該算法針對(duì)信號(hào)的特定成分進(jìn)行時(shí)頻分析，在提高測(cè)距精度的基礎(chǔ)上，減少了算法運(yùn)算量，保證了系統(tǒng)的實(shí)時(shí)性。并對(duì)包含噪聲情況下該方法的準(zhǔn)確度進(jìn)行了分析驗(yàn)證。實(shí)驗(yàn)結(jié)果證明，自適應(yīng)S變換在保證系統(tǒng)實(shí)時(shí)性的前提下能夠有效提高測(cè)距精度。

發(fā)表于：12/30/2016

一種高速模(2n-2p-1)乘法器的設(shè)計(jì)

結(jié)合余數(shù)系統(tǒng)以及模乘法器本身的特點(diǎn)，一種高速的模(2n-2p-1)乘法器被提出。得益于剩余范圍的擴(kuò)展和新型的部分積壓縮樹(shù)的采用，該設(shè)計(jì)相較于傳統(tǒng)的模乘法器在關(guān)鍵路徑上減少了一個(gè)長(zhǎng)度為2n的加法器且避免了此類Booth編碼模乘法器中復(fù)雜的負(fù)數(shù)修正問(wèn)題。在90 nm工藝下的綜合結(jié)果表明，該模乘(2n-2p-1)乘法器相較當(dāng)前的模(2n-2p-1)乘法器有10.4%到49%的延遲性能提升。

發(fā)表于：12/29/2016

華為企業(yè)數(shù)據(jù)中心從深圳遷至東莞

繼終端業(yè)務(wù)之后，華為的企業(yè)數(shù)據(jù)中心(EDC)也從深圳遷至東莞。

發(fā)表于：12/29/2016

基于過(guò)零點(diǎn)檢測(cè)方法的改進(jìn)研究

通過(guò)與傳統(tǒng)的過(guò)零點(diǎn)檢測(cè)方法作對(duì)比，設(shè)計(jì)出一種基于預(yù)測(cè)相位的二次平均法測(cè)量信號(hào)周期（簡(jiǎn)稱預(yù)測(cè)相位積分法）的方法，通過(guò)其核心部件密勒積分器、比較器和計(jì)數(shù)器，對(duì)于每個(gè)周期信號(hào)盡可能準(zhǔn)確地在相同相位點(diǎn)上開(kāi)始進(jìn)行積分，在標(biāo)準(zhǔn)時(shí)間內(nèi)累計(jì)待測(cè)信號(hào)的脈沖個(gè)數(shù)，實(shí)現(xiàn)了頻率測(cè)量。該方法有較好干擾能力，結(jié)構(gòu)簡(jiǎn)單，測(cè)量精度高，成本低廉，具有較好的工程應(yīng)用價(jià)值。

發(fā)表于：12/27/2016

擬人視覺(jué)系統(tǒng)的顯著性檢測(cè)方法

從人眼的視覺(jué)機(jī)制出發(fā)，提出了一種擬人視覺(jué)系統(tǒng)的顯著性檢測(cè)方法。該方法首先對(duì)圖像進(jìn)行量化并選取出高頻顏色，降低了計(jì)算的復(fù)雜度，然后對(duì)圖像進(jìn)行分割對(duì)比，初始的視覺(jué)點(diǎn)以圖像的中心作為基準(zhǔn)點(diǎn)，通過(guò)提出的視覺(jué)引力模型迭代計(jì)算出視覺(jué)點(diǎn)的移動(dòng)軌跡，最終尋找到顯著區(qū)域。在公開(kāi)的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，本方法所尋找到的顯著區(qū)域相對(duì)于其他方法能夠更精確地對(duì)顯著區(qū)域進(jìn)行標(biāo)注，更加符合實(shí)際應(yīng)用。

發(fā)表于：12/27/2016

.通俗理解“量子通信”

要了解到底什么是“量子通信”讓我們從三個(gè)問(wèn)題開(kāi)始著手：“量子通信”是干啥的?為啥?咋弄的?“量子通信”是干啥的?用最通俗的方式解釋就是“加密”和“傳輸”用

發(fā)表于：12/27/2016

應(yīng)用SPH方法實(shí)現(xiàn)海面孤立波運(yùn)動(dòng)的模擬

首先介紹孤立波的KdV方程，繼而討論了孤立波SPH方法的數(shù)值求解過(guò)程，選擇SPH光滑核函數(shù)作為正則化高斯核函數(shù)。分析了數(shù)值求解過(guò)程的時(shí)間積分方法，給出了具體計(jì)算公式，最后給出相應(yīng)程序中的具體參數(shù)下孤立波運(yùn)動(dòng)模擬效果。

發(fā)表于：12/26/2016

基于概率的并行粒子群AKO-RVM入侵檢測(cè)

AKO-RVM算法不僅具有高分類精度的特點(diǎn)，相對(duì)于RVM算法其在一定程度上降低了性能對(duì)初始參數(shù)的依賴性,在入侵檢測(cè)網(wǎng)絡(luò)安全的方法研究中優(yōu)于經(jīng)典RVM算法。然而AKO-RVM樣本訓(xùn)練與分類用時(shí)較長(zhǎng)，為此提出一種基于概率的主輔式并行粒子群AKO-RVM方法，即將訓(xùn)練樣本進(jìn)行分組，先采用并行主輔式粒子群算法確定AKO-RVM核寬參數(shù)并進(jìn)行優(yōu)化，進(jìn)而構(gòu)造RVM分類模型，繼而采用一對(duì)一分類方法應(yīng)用于多類檢測(cè)中。入侵實(shí)驗(yàn)結(jié)果表明，所提出方法在具有高精度與性能、低依賴性等特點(diǎn)的同時(shí)，較大程度上降低了訓(xùn)練所需迭代次數(shù)與檢測(cè)時(shí)間。

發(fā)表于：12/26/2016