頭條 中国科学院高精度光计算研究取得进展 1月11日消息，据《先进光子学》（Advanced Photonics）报道，在人工智能神经网络高速发展的背景下，大规模的矩阵运算与频繁的数据迭代给传统电子处理器带来了巨大压力。光电混合计算通过光学处理与电学处理的协同集成，展现出显著的计算性能，然而实际应用受限于训练与推理环节分离、离线权重更新等问题，造成信息熵劣化、计算精度下降，导致推理准确度低。 中国科学院半导体研究所提出了一种基于相位像素阵列的可编程光学处理单元（OPU），并结合李雅普诺夫稳定性理论实现了对OPU的灵活编程。在此基础上，团队构建了一种端到端闭环光电混合计算架构（ECA），通过硬件—算法协同设计，实现了训练与推理的全流程闭环优化，有效补偿了信息熵损失，打破了光计算中计算精度与准确度之间的强耦合关系。 最新資訊 LPC与LSF系数转换的FPGA实现 首先根据切比雪夫多项式求根法对LPC系数到LSF系数转换过程进行分析与推导，并给出了根据已知的LSF系数进行逆推求LPC系数迭代算法。然后，借助DDS算法原理实现查找表搜索求根，并在FPGA上实现了LSF系数到LPC系数转换。最后，给出了结论和分析。 發(fā)表于：2015/5/21 Kinect在家庭智能监控系统中的应用 ： 阐述了体感设备Kinect及其关键技术在家庭智能监控系统中的应用。利用Kinect设备，可以将其人体骨骼跟踪、深度数据探测、脸部识别、音频采集和声源定位、红外彩色摄像头等功能整合到家庭智能监控系统中，使家庭智能监控系统更加有效、精准，在整体性能上比传统的家庭智能监控系统有明显的提高。 發(fā)表于：2015/5/21 Quartus II再升级 令FPGA和SoC设计快马加鞭 为了提高下一代可编程器件的设计效能,Altera公司宣布为Quartus II软件引入功能强劲的Spectra-Q™引擎,通过缩短编译时间及减少设计过程中的迭代次数,可有效简化FPGA和SoC的设计,从而缩短产品面市时间。 發(fā)表于：2015/5/21 英特尔与Altera重启并购谈判 北京时间5月18日晚间消息称，英特尔与可编程逻辑芯片巨头Altera已重启并购谈判，最终的交易规模可能达到130亿美元。 發(fā)表于：2015/5/19 基于改进BP神经网络算法的目标识别方法 颜色是物体表面的基本特征, 外部世界提供了丰富的颜色信息,因此通过颜色对目标进行识别[1-2]是一种常用的方法。然而，同一颜色在变化环境下所接收到的光照并不完全一样，不同于人眼识别的灵敏性。机器人视觉系统所感知到的目标颜色会随着光照的变化发生颜色畸变，降低识别精度。目前自然光线已经被逐渐引入到RoboCup中型组足球机器人比赛[3]中，因此在自然光照条件下的鲁棒性识别是当今研究的重点。 發(fā)表于：2015/5/17 基于SoPC的QR二维码识别系统设计 随着信息技术的发展，条码技术作为一种在全球范围内广泛使用的自动识别技术，在交通运输、物流仓储、商品销售、生产自动化管理等领域发挥了巨大的作用，条码技术的使用，极大地提高了数据采集和信息处理的速度，为现代社会的发展做出了重要贡献[1-2]。 發(fā)表于：2015/5/14 LabVIEW中调用MATLAB进行信号处理方法研究 系统是由若干互相有着某种联系的单元组成的一个能够完成某种功能的整体。信号作用于某系统的响应如何，需要以某种方式去分析。系统分析需要经过3个过程：(1)建模，以理论为基础，对所要研究的对象创建一个数学模型；(2)分析该模型；(3)做出合理的物理解释。分析过程很关键，方式方法很多，工具也很多，MATLAB和LabVIEW是常用的两个软件分析平台。 發(fā)表于：2015/5/13 三支决策及其相关理论研究综述 三支决策理论是姚一豫等人在粗糙集[1]和决策粗糙集[2]基础上提出的新的决策理论。2012年10月召开的中国粗糙集与软计算会议上，姚一豫教授系统地介绍了三支决策理论的背景、框架、模型及应用。“三支决策理论与应用”[3]标志着三支决策由粗糙集的三个区间的语义解释逐步发展为在一种不确定或不完整信息条件下的决策理论。许多学者研究和拓展了三支决策理论，并将其应用于多个学科领域。2013年在漳州举办的中国rough集与软计算学术会议上还专门开设了三支决策讨论班，来自各地的专家学者讨论了三支决策的研究新进展及其未来的发展方向。三支决策用接受、拒绝和不承诺表示决策的三种类型。与此理论研究的不确定信息的处理相关的理论还有诞生于20世纪20年代、在60年代初迅速发展成一门学科的模式识别理论[4]和1989年我国学者赵克勤首次提出的集对分析理论[5]。 發(fā)表于：2015/5/13 基于FPGA的视频跟踪系统目标检测方法研究 在视频跟踪系统的研究中，目标检测是至关重要一环，其结果的好坏关系到图像的分析与识别，直接影响机器视觉系统对客观世界的理解。实现图像中目标边缘检测有许多不同的方法，也一直是图像处理的研究热点，人们期望找到一种定位准、抗噪强、不误检、不漏检的检测算法[1]。经典的算法中主要用梯度算子，较常用的有Roberts、Prewitt和Sobel算子，其中Sobel效果较好，但也存在不足之处，无法避免噪声，对后续的图像处理有很大的影响。 發(fā)表于：2015/5/12 复位对FPGA亚稳态和资源利用率的影响 在FPGA设计中，复位信号扮演着重要的角色，设计人员通常都使用一个外部输入的全局复位信号在上电初期对系统进行初始化[1-2]。通常，FPGA中的全局复位信号一般由3种途径获得[3]：(1)用一个复位按钮产生一个复位信号接到FPGA的全局复位管脚上,它的速度非常慢，而且存在抖动的问题;(2)上电时由电源芯片产生,如TI公司TPS76x系列的电源系统一般都可以产生复位信号，供主芯片上电复位使用；(3)由微处理器产生复位脉冲，这个是设计人员可以方便使用程序控制的。 發(fā)表于：2015/5/11 <…194195196197198199200201202203…>
