国产满18AV精品免费观看视频,亚洲欧美一级久久精品,翘臀后入18p

基于GPU并行優(yōu)化的網(wǎng)格參數(shù)化算法[其他][其他]

網(wǎng)格參數(shù)化是計算機(jī)圖形學(xué)、數(shù)字幾何處理領(lǐng)域的研究熱點，在動畫、醫(yī)療、工業(yè)設(shè)計等領(lǐng)域中都發(fā)揮著重要作用。現(xiàn)有參數(shù)化方法主要思路是構(gòu)造一個高度非線性的全局優(yōu)化問題，因此計算效率低，難以并行。提出了一種可并行、可擴(kuò)展的參數(shù)化算法。該算法通過引入輔助變量。然后使用交替方向乘子算法(Alternating Direction Method of Multipliers，ADMM)，迭代優(yōu)化每個面和每條邊上的子問題得到參數(shù)化映射。為了驗證算法模型的高效性，使用GPU加速，相比于現(xiàn)存單線程算法，本文算法因為高度并行化運行時間縮短了至少百倍以上。

發(fā)表于：12/14/2020

一種基于知識圖譜的工業(yè)互聯(lián)網(wǎng)安全漏洞研究方法[通信與網(wǎng)絡(luò)][信息安全]

　　工業(yè)互聯(lián)網(wǎng)安全問題日益突出，對工業(yè)互聯(lián)網(wǎng)安全漏洞知識庫的深入研究是解決問題的關(guān)鍵。為解決漏洞數(shù)據(jù)利用價值低、關(guān)聯(lián)分析手段欠缺、可視化程度不足等問題，以工業(yè)互聯(lián)網(wǎng)安全漏洞庫為基礎(chǔ)，提出了構(gòu)建工業(yè)互聯(lián)網(wǎng)安全漏洞知識圖譜的方法，通過原始數(shù)據(jù)信息提取、關(guān)聯(lián)關(guān)系分析、數(shù)據(jù)存儲等手段，將知識圖譜導(dǎo)入到Neo4j圖數(shù)據(jù)庫，以實現(xiàn)高效存儲、查詢。從時間維度、空間維度、關(guān)聯(lián)關(guān)系維度進(jìn)行知識圖譜的分析，將查詢結(jié)果進(jìn)行了可視化展現(xiàn)。結(jié)果表明：提出的方法可以有效、直觀地展現(xiàn)工業(yè)互聯(lián)網(wǎng)安全漏洞數(shù)據(jù)的自身屬性與關(guān)聯(lián)關(guān)系，實現(xiàn)漏洞數(shù)據(jù)內(nèi)在價值的深度挖掘。

發(fā)表于：12/14/2020

國產(chǎn)平臺一體化測發(fā)指揮決策軟件研究[其他][其他]

針對在關(guān)鍵領(lǐng)域?qū)崿F(xiàn)國產(chǎn)化的需求，解決航天發(fā)射指揮過程中各系統(tǒng)數(shù)據(jù)互相獨立、智能化程度低、決策難等問題，在采用基于國產(chǎn)化的基礎(chǔ)軟硬件平臺環(huán)境下，設(shè)計并實現(xiàn)了多系統(tǒng)集成的一體化測發(fā)指揮決策軟件，提出了基于插件的一體化軟件體系架構(gòu)，并對數(shù)據(jù)訂閱分發(fā)機(jī)制、顯示頁面快速定制、軟件性能優(yōu)化等關(guān)鍵問題進(jìn)行了研究，對在國產(chǎn)化平臺下應(yīng)用軟件開發(fā)有一定借鑒價值。

發(fā)表于：12/14/2020

一種基于FPGA的多通道數(shù)據(jù)采集系統(tǒng)設(shè)計[可編程邏輯][其他]

設(shè)計并實現(xiàn)了一種基于FPGA的四通道數(shù)據(jù)采集系統(tǒng)。系統(tǒng)由65 MS/s的模數(shù)轉(zhuǎn)換器AD9219實現(xiàn)對信號的高速采樣。為滿足采集數(shù)據(jù)實時存儲的要求，設(shè)計了高速、大容量的DDR2硬件電路和接口邏輯。采集數(shù)據(jù)可通過USB接口上傳至上位機(jī)，上位機(jī)負(fù)責(zé)數(shù)據(jù)的保存、處理和顯示，同時控制數(shù)模轉(zhuǎn)換器以直接數(shù)字合成的方式輸出波形。測試結(jié)果表明，系統(tǒng)運行穩(wěn)定可靠，可靈活控制。該系統(tǒng)為高性能數(shù)據(jù)采集提供了一套包括軟硬件的整體解決方案，可以滿足低溫等離子診斷的要求。

發(fā)表于：12/14/2020

一種基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配算法設(shè)計[人工智能][物聯(lián)網(wǎng)]

為了解決傳統(tǒng)立體匹配算法對立體圖像在低紋理以及遮擋區(qū)域匹配效果較差的問題，設(shè)計了一種端到端的基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的立體匹配算法。該算法采取了殘差卷積神經(jīng)網(wǎng)絡(luò)對圖像特征進(jìn)行提取，之后利用空洞空間金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)模塊來獲取圖像的上下文信息，并結(jié)合多尺度的三維卷積神經(jīng)網(wǎng)絡(luò)對代價空間進(jìn)行規(guī)整，最終實現(xiàn)了高精度的立體匹配算法。所獲取的視差圖在KITTI2015測試平臺上的誤匹配率為2.42%，與幾何上下文(Geometry and Context,GC)網(wǎng)絡(luò)相比較，視差圖的精度提高了0.45%，且運行時間縮短了一半。

發(fā)表于：12/14/2020

面向信息產(chǎn)業(yè)發(fā)展的基礎(chǔ)軟硬件生態(tài)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

生態(tài)學(xué)的理論與方法為國產(chǎn)基礎(chǔ)軟硬件技術(shù)和產(chǎn)業(yè)的發(fā)展研究提供了新視角、新思路和新方法。對基礎(chǔ)軟硬件生態(tài)及相關(guān)的幾個概念的內(nèi)涵、語義關(guān)系及應(yīng)用等進(jìn)行了深入研究。在此基礎(chǔ)上，對當(dāng)前我國信息技術(shù)基礎(chǔ)軟硬件生態(tài)的現(xiàn)狀進(jìn)行了總結(jié)和評估，指出了存在的若干問題。同時，針對如何建設(shè)好面向信息產(chǎn)業(yè)發(fā)展的基礎(chǔ)軟硬件生態(tài)提出了若干建設(shè)性的意見建議。

發(fā)表于：12/14/2020

面向車路協(xié)同路側(cè)設(shè)備運維管理平臺研究[通信與網(wǎng)絡(luò)][汽車電子]

在車聯(lián)網(wǎng)領(lǐng)域，車路協(xié)同是實現(xiàn)智慧交通的必然技術(shù)途徑。隨著車聯(lián)網(wǎng)業(yè)務(wù)的發(fā)展，路側(cè)設(shè)備廠家、路側(cè)設(shè)備類型日益增加，給傳統(tǒng)的運維帶來了新的挑戰(zhàn)。通過行業(yè)調(diào)研，研究當(dāng)前車路協(xié)同路側(cè)設(shè)備對運維管理的需求，分析當(dāng)前車路協(xié)同路側(cè)設(shè)備的運維管理面臨的問題，識別急需攻克的關(guān)鍵技術(shù)領(lǐng)域，為實現(xiàn)智慧交通運維提供理論基礎(chǔ)和技術(shù)支撐。

發(fā)表于：12/14/2020

基于5G邊云協(xié)同的高精地圖采集與應(yīng)用研究[通信與網(wǎng)絡(luò)][5G]

對自動駕駛所需的高精地圖采集生產(chǎn)現(xiàn)狀進(jìn)行了介紹，并提出了當(dāng)前面臨一些問題與需求。重點闡述了一種基于5G邊云協(xié)同的多元化地圖采集更新方案及相關(guān)技術(shù)，希望對未來高精地圖系統(tǒng)建設(shè)運營提供一些參考。

發(fā)表于：12/14/2020

使用標(biāo)準(zhǔn)穩(wěn)壓器產(chǎn)生極低電壓[電源技術(shù)][工業(yè)自動化]

有什么好的解決方案可以產(chǎn)生只有幾百毫伏的微型直流電源電壓？

發(fā)表于：12/14/2020

可穿戴市場喜迎生物醫(yī)學(xué)“多面手” [測試測量][醫(yī)療電子]

氧飽和度、心電圖、血壓和呼吸頻率的測量過去僅有醫(yī)院監(jiān)護(hù)儀才可提供。這些參數(shù)的監(jiān)測至關(guān)重要，尤其對于有潛在醫(yī)療風(fēng)險的人員來說，無論是在意外事故后、手術(shù)后，還是在被診斷為患有嚴(yán)重疾病時。隨著老齡化人口的增加以及對醫(yī)療保健整體支出的強(qiáng)烈關(guān)注，院外醫(yī)療監(jiān)護(hù)已成為一種發(fā)展趨勢。如今，為了及早發(fā)現(xiàn)某些事件，對有潛在風(fēng)險的患者進(jìn)行日常生活監(jiān)護(hù)，或者讓患者攜帶監(jiān)護(hù)儀由醫(yī)院回到家中，可使其康復(fù)過程更快捷、更舒適。還有第三類用戶也在測量這些參數(shù)，他們以預(yù)防為目的，甚至尚未進(jìn)行任何診斷。

發(fā)表于：12/14/2020

供應(yīng)鏈數(shù)字化轉(zhuǎn)型初探[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

　　供應(yīng)鏈?zhǔn)怯芍T多上下游企業(yè)因利益攸關(guān)而構(gòu)建。供應(yīng)鏈的形成和運行具有買方驅(qū)動、自發(fā)構(gòu)建、協(xié)同作業(yè)、持續(xù)改進(jìn)等特點?，F(xiàn)如今競爭已從企業(yè)之間延伸到企業(yè)的供應(yīng)鏈之間，主要體現(xiàn)在三個維度，一是供應(yīng)鏈運行效率高低；二是供應(yīng)鏈的持續(xù)優(yōu)化能力；三是對數(shù)據(jù)資源的匯聚和利用能力。打造一個服務(wù)于采購招標(biāo)和供應(yīng)鏈管理的信息化、數(shù)字化系統(tǒng)，其本質(zhì)是探討數(shù)字化如何賦能供應(yīng)鏈管理。深入研究用戶的業(yè)務(wù)場景，對底層架構(gòu)、技術(shù)路徑、產(chǎn)品形態(tài)以及運行方式進(jìn)行高度統(tǒng)籌的“頂層設(shè)計”。數(shù)字化賦能必須聚焦供應(yīng)鏈伙伴企業(yè)的協(xié)同作業(yè)，以及可持續(xù)發(fā)展所依賴的資源，包括供應(yīng)商資源和數(shù)據(jù)資源的匯聚和利用。　

發(fā)表于：12/11/2020

5G+邊緣計算在智能汽車柔性制造中的應(yīng)用[通信與網(wǎng)絡(luò)][5G]

自動駕駛、車路協(xié)同以及互聯(lián)網(wǎng)技術(shù)的發(fā)展催生了互聯(lián)網(wǎng)造車新勢力，促進(jìn)了網(wǎng)聯(lián)車大生態(tài)的打造。針對智能汽車制造業(yè)，以全流程智能化改造和行業(yè)數(shù)字化提升為重點，依托5G+工業(yè)互聯(lián)網(wǎng)以及人工智能技術(shù)，對制造業(yè)進(jìn)行“數(shù)字化改造”實踐，提升數(shù)據(jù)賦能水平。通過5G網(wǎng)絡(luò)化升級，實現(xiàn)設(shè)備端、工廠端、企業(yè)端、跨企業(yè)端網(wǎng)絡(luò)化5G改造，增強(qiáng)產(chǎn)業(yè)鏈信息互聯(lián)能力。通過人工智能化技術(shù)以及邊緣計算技術(shù)，以生產(chǎn)工具智能化與決策手段智能化為抓手，提高優(yōu)化企業(yè)資源配置效率，實現(xiàn)智能汽車的柔性制造。

發(fā)表于：12/11/2020

5G下邊云協(xié)同的V2X技術(shù)方案與研究[通信與網(wǎng)絡(luò)][5G]

對自動駕駛業(yè)務(wù)的發(fā)展趨勢、單車智能的局限性、車路協(xié)同的優(yōu)勢進(jìn)行了介紹；同時，重點闡述了車路協(xié)同技術(shù)體系架構(gòu)及系統(tǒng)要求、基于“端邊云”的多級多源數(shù)據(jù)融合感知分析架構(gòu)以及基于路側(cè)+邊緣云+區(qū)域/中心云三級/四級邊緣部署實現(xiàn)路徑；最后給出了基于邊云協(xié)同多級多源感知融合分析能力組網(wǎng)方案，并對其具體功能、時延等要求進(jìn)行了詳細(xì)論述。該研究對車路協(xié)同項目規(guī)劃和設(shè)計人員有一定參考價值。

發(fā)表于：12/11/2020

利用虛擬工藝建模贏得全球半導(dǎo)體技術(shù)的競爭[EDA與制造][工業(yè)自動化]

半導(dǎo)體工藝的開發(fā)絕非易事，每一代器件研發(fā)的難度和成本在不斷提升。用傳統(tǒng)的先構(gòu)建再測試的方法來開發(fā)最先進(jìn)的工藝過于耗時且成本過高，如今已經(jīng)不再適用。

發(fā)表于：12/10/2020

淺談存儲器芯片封裝技術(shù)之挑戰(zhàn)[EDA與制造][數(shù)據(jù)中心]

存儲器想必大家已經(jīng)非常熟悉了，大到物聯(lián)網(wǎng)服務(wù)器終端，小到我們?nèi)粘?yīng)用的手機(jī)、電腦等電子設(shè)備，都離不開它。作為計算機(jī)的“記憶”裝置，其主要功能是存放程序和數(shù)據(jù)。一般來說，存儲器可分為兩類：易失性存儲器和非易失性存儲器。其中，“易失性存儲器”是指斷電以后，內(nèi)存信息流失的存儲器，例如 DRAM（動態(tài)隨機(jī)存取存儲器），包括電腦中的內(nèi)存條。而“非失性存儲器”是指斷電之后，內(nèi)存信息仍然存在的存儲器，主要有 NOR Flash 和 NAND Flash 兩種。

發(fā)表于：12/10/2020