激情久久五月天av无码,午夜福利在线观看

恩智浦發(fā)布S32 CoreRide開放平臺[模擬設計][汽車電子]

恩智浦發(fā)布S32 CoreRide開放平臺，突破軟件定義汽車開發(fā)的集成障礙

發(fā)表于：4/9/2024

意法半導體碳化硅數(shù)位電源解決方案被肯微科技采用　　[電源技術][消費電子]

　　2024 年 3 月 29 日，中國—服務橫跨多重電子應用領域的全球半導體領導廠商意法半導體（STMicroelectronics，簡稱ST；紐約證券交易所代碼：STM）宣布與高效能電源供應領導廠商肯微科技合作，設計及研發(fā)使用ST被業(yè)界認可的碳化硅（SiC）、電氣隔離和微控制器的服務器電源參考設計技術。該參考方案是電源設計數(shù)位電源轉換器應用的理想選擇，尤其在服務器、數(shù)據(jù)中心和通信電源的領域。

發(fā)表于：4/8/2024

S32N系列可擴展處理器，可提供超級集成的汽車功能解決方案[嵌入式技術][汽車電子]

隨著未來汽車向軟件定義轉變，汽車的功能和特性更多的是通過軟件代碼來設定，而非傳統(tǒng)的控制器硬件。這一轉變要求我們采用全新的設計理念

發(fā)表于：4/3/2024

手把手教你制作高速吹風機[模擬設計][消費電子]

高速吹風機, MCU, Linko, 凌鷗, Synergy, 世輝

發(fā)表于：3/27/2024

為何10BASE-T1S是汽車通訊中缺失的以太網(wǎng)鏈接[通信與網(wǎng)絡][汽車電子]

　　摘要　　新的IEEE汽車以太網(wǎng)標準不斷涌現(xiàn)，10BASE-T1S是最新的以太網(wǎng)標準之一。本文討論汽車行業(yè)影響汽車電子/電氣（E/E）架構變化的發(fā)展趨勢，以及新10BASE-T1S標準如何支持和推動這種新架構的部署。

發(fā)表于：3/27/2024

緊湊型電源模塊推動汽車電氣化[電源技術][汽車電子]

　　汽車電氣化掀起了一場前所未有的研發(fā)浪潮，包括優(yōu)化供電網(wǎng)絡、本地及全球充電基礎設施。由于這個問題的復雜性，有必要探索新的方法并開發(fā)創(chuàng)造性的解決方案。高密度電源模塊為設計、擴展和適應當今汽車電氣化的快速發(fā)展步伐帶來了巨大的靈活性。

發(fā)表于：3/27/2024

VICOR的48V供電架構可以支持12V系統(tǒng)[電源技術][汽車電子]

特斯拉全新推出的CyberTruck完全取消了傳統(tǒng)的12V低壓供電網(wǎng)絡，轉而全部采用48V配置。這可能是大多數(shù)汽車制造商的最終目標，但電源模塊可以幫助立即輕松過渡到48V電源，允許汽車制造商繼續(xù)使用所有可靠的傳統(tǒng)12V設備，同時為未來的48V汽車做好規(guī)劃。

發(fā)表于：3/26/2024

【做信號鏈，你需要了解的高速信號知識（二）】高速的挑戰(zhàn) – 抖動和眼圖[測試測量][工業(yè)自動化]

　　做高速的工程師最頭疼的問題就是抖動和眼圖測量Fail。抖動和眼圖測量就像是一個照妖鏡，任何一個設計不當，都可能會導致抖動和眼圖結果的惡化，而要解決抖動和眼圖問題，工程師往往無從下手。

發(fā)表于：3/26/2024

管窺校準溝通之道，有效溝通是成功校準的基礎[測試測量][工業(yè)自動化]

　　泰克深知，校準服務提供商與客戶溝通的準確性和一致性對于校準過程的成功至關重要。我最近有幸與 A2LA 的 Stephanie Morin 在一場網(wǎng)絡研討會中聚焦校準領域，探討了一些重點話題，具體如下。我們旨在解讀常見的行業(yè)術語，找出溝通障礙，并向您展示如何通過有關各方的密切合作來消除這些障礙。

發(fā)表于：3/26/2024

電動汽車無線電池管理革命已經(jīng)開始，投資回報潛力巨大[電源技術][汽車電子]

　　電動汽車（EV）行業(yè)向無線電池管理系統(tǒng)（wBMS）的演進在許多方面都是不可避免的。對于任何飽受有線系統(tǒng)固有的復雜性、BOM成本、空間和人力代價所困擾的人來說，無線BMS相對于有線BMS的優(yōu)勢是非常明顯的，無論針對什么應用。

發(fā)表于：3/26/2024

新思科技推出業(yè)界首個1.6T以太網(wǎng)IP整體解決方案[人工智能][數(shù)據(jù)中心]

　　加利福尼亞州桑尼維爾，2024年3月13日 – 新思科技（Synopsys, Inc.，納斯達克股票代碼：SNPS）近日宣布，正式推出業(yè)界首個1.6T以太網(wǎng)IP整體解決方案，該方案大幅提升數(shù)據(jù)密集型人工智能（AI）工作負載的帶寬和吞吐量。超大規(guī)模數(shù)據(jù)中心是萬物智能時代的重要支柱，亟需高帶寬、低延遲的芯片和接口來快速處理PB級數(shù)據(jù)。新思科技全新1.6T以太網(wǎng)IP解決方案將助力芯片開發(fā)團隊面向AI和數(shù)據(jù)中心網(wǎng)絡應用打造業(yè)界速度領先的芯片。

發(fā)表于：3/25/2024

簡化退化模型的真實圖像超分辨率網(wǎng)絡[人工智能][信息安全]

圖像超分辨率任務常用雙三次下采樣以構造數(shù)據(jù)集訓練網(wǎng)絡，但雙三次下采樣由于退化模型固定，導致網(wǎng)絡泛化能力低，無法用于真實世界低分辨率圖像。為解決上述問題本文提出預處理模塊，通過預處理模塊與雙三次下采樣數(shù)據(jù)集得到的網(wǎng)絡相結合，在減少資源消耗的同時提高其泛化能力。此外，還針對不同的精度需求設計了特征學習訓練策略和多任務聯(lián)調(diào)策略。通過根據(jù)不同需求采用相應的訓練策略，在滿足精度需求的同時具有消耗計算資源少、訓練速度快以及適用范圍廣的特點。實驗證明，增加預處理模塊的網(wǎng)絡以較少的模型參數(shù)增加量換取了重建效果和感知質(zhì)量方面的較大提升，并且通過不同策略實現(xiàn)了進一步的精度提高。

發(fā)表于：3/25/2024

基于CNN-Transformer混合構架的輕量圖像超分辨率方法[人工智能][信息安全]

針對基于混合構架的圖像超分模型通常需要較高計算成本的問題，提出了一種基于CNN-Transformer混合構架的輕量圖像超分網(wǎng)絡STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一種并行特征提取的特征增強模塊（Feature Enhancement Block，F(xiàn)EB），由卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）和輕量型Transformer網(wǎng)絡并行地對輸入圖像進行特征提取，再將提取到的特征進行特征融合。其次，設計了一種動態(tài)調(diào)整模塊（Dynamic Adjustment，DA），使得網(wǎng)絡能根據(jù)輸入圖像來動態(tài)調(diào)整網(wǎng)絡的輸出，減少網(wǎng)絡對無關信息的依賴。最后，采用基準數(shù)據(jù)集來測試網(wǎng)絡的性能，實驗結果表明STSR在降低模型參數(shù)量的前提下仍然保持較好的重建效果。

發(fā)表于：3/25/2024

一種用于輔助兵棋推演的快速決策框架研究[其他][信息安全]

基于一般的決策和規(guī)劃流程，提出了一個面向兵棋推演的快速決策框架（Rapid Military Decision Framework，RMDF），該框架針對異構實體模型，通過分層的網(wǎng)格環(huán)境對復雜推演環(huán)境簡化建模，將推演實體的作用效果，簡化為地面、海上和空中三個網(wǎng)格環(huán)境層次上的作用效果，并以熱圖的形式在網(wǎng)格環(huán)境中顯示，通過推演實體的核心參數(shù)來確定其性能模型和行為模型，并基于一致性包算法實現(xiàn)任務分配，生成備選行動策略，通過快速仿真實現(xiàn)推演策略的迭代優(yōu)化，能夠在推演之前或推演期間提供行動方案的快速評估，可以有效地輔助兵棋推演指揮人員進行復雜態(tài)勢下的兵棋推演。

發(fā)表于：3/25/2024

基于遺傳算法和LightGBM的網(wǎng)絡安全態(tài)勢感知模型[其他][信息安全]

針對傳統(tǒng)煙草工業(yè)系統(tǒng)中的網(wǎng)絡流量異常檢測方法存在的特征間聯(lián)系和上下文信息丟失等問題，提出了一種基于遺傳算法改進的LightGBM模型，此模型能夠使得模型避免陷入局部最優(yōu)情況。首先通過計算構建樹模型對數(shù)據(jù)降維，從高維數(shù)據(jù)中挖掘出對于檢測效果影響重要的關鍵特征信息，并使用提出的模型對這些關鍵特征信息進行分析。為了評估模型的有效性與優(yōu)越性，使用準確率和損失進行模型評價，并與其他網(wǎng)絡流量異常檢測模型Tabular model、TabNet、LightGBM、XGBoost進行對比。使用公開數(shù)據(jù)集 CIC.IDS.2018 進行實驗分析。結果表明，在高特征的網(wǎng)絡安全態(tài)勢感知下，多分類和二分類的識別準確率分別達99.43%和99.87%，在低特征情況下，多分類和二分類的識別準確率分別達98.73%和99.39%，具有較高準確率以及良好的靈活性和魯棒性。

發(fā)表于：3/25/2024