香蕉aa三级久久毛片,美女胸18下看禁止免费视频,国产一区在线无码精品

基于深度殘差神經(jīng)網(wǎng)絡的5G信號室內(nèi)分布預測[通信與網(wǎng)絡][5G]

為解決5G信號室內(nèi)覆蓋的質(zhì)量與穩(wěn)定性問題，提出了一種基于深度殘差神經(jīng)網(wǎng)絡的5G信號室內(nèi)分布預測方法。采用基于全連接的深度殘差神經(jīng)網(wǎng)絡構(gòu)建預測模型，利用發(fā)射機與接收機的三維空間坐標信息和接收機的參考信號接收功率（Reference Signal Receiving Power， RSRP）數(shù)據(jù)作為輸入特征，而無需收集復雜的環(huán)境特征信息。實驗結(jié)果表明，該深度殘差神經(jīng)網(wǎng)絡模型在不依賴詳細環(huán)境參數(shù)的情況下，經(jīng)歸一化訓練，預測出的RSRP與實際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預測室內(nèi)的5G信號分布，驗證了基于深度殘差神經(jīng)網(wǎng)絡的預測方法在室內(nèi)5G信號覆蓋預測問題上的有效性，為優(yōu)化室內(nèi)5G網(wǎng)絡部署和提升用戶體驗提供了科學依據(jù)和技術(shù)手段，具有重要的實際應用價值。

發(fā)表于：12/16/2024 5:02:13 PM

改進LCR儀表測量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實現(xiàn)[測試測量][工業(yè)自動化]

為解決LCR表在測量容性阻抗時的自激問題，設計了一種增強測量穩(wěn)定性的LCR儀表。通過分析測量前端自平衡電橋電路的相位裕度，采用相位補償電路解決因相位滯后造成的自激問題。應用直接數(shù)字頻率合成技術(shù)結(jié)合相位校準電路設計，產(chǎn)生相位準確的正交測量信號。使用開關(guān)鑒相式鎖相放大器處理微弱信號，經(jīng)16位模數(shù)轉(zhuǎn)換器采集后輸入到微處理器進行矢量信號合成與輸出顯示。相比專業(yè)儀器，所設計樣機對電阻測量相對誤差可達0.5%，對大電容測量相對誤差可達1%。

發(fā)表于：12/16/2024 4:53:21 PM

速度型水聲傳感器的頻率響應特性[MEMS|傳感技術(shù)][通信網(wǎng)絡]

聲納技術(shù)是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標量和矢量水聲傳感器。矢量傳感器可以彌補標量傳感器獲取聲場信息不完整的不足，可以實現(xiàn)對水中聲壓和介質(zhì)振速的精確測量從而確定目標方位等。主要對速度型矢量水聲傳感器的頻率響應特性進行了研究，討論高保真和高增益下速度型水聲振幅模型、響應比及頻率響應特性，提出頻響設計原則，最后概括速度型水聲傳感器的應用。水聲傳感器是水下探測、定位和通信的重要手段。研究有助于開發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠聲場傳感器的研制，提升諸如潛艇、UUV等水下目標的探測距離，將有利于從根本改變目前我國水聲探測網(wǎng)絡的格局，具有重要軍事意義。

發(fā)表于：12/16/2024 4:44:01 PM

基于多頭注意力的社交網(wǎng)絡用戶身份鏈接方法[人工智能][消費電子]

隨著社交網(wǎng)絡的快速發(fā)展，人們在社交網(wǎng)絡中擁有越來越多的虛擬身份，識別同一自然人不同網(wǎng)絡虛擬身份的網(wǎng)絡用戶身份鏈接問題變得越來越重要。用戶身份鏈接有助于挖掘網(wǎng)絡用戶的隱信息，構(gòu)建全面的網(wǎng)絡用戶畫像，進而促進跨網(wǎng)絡的推薦、鏈接預測、信息傳播等多個研究領域發(fā)展?，F(xiàn)有的基于用戶屬性和基于網(wǎng)絡結(jié)構(gòu)的用戶身份鏈接方法，沒有考慮不同用戶之間影響力差異因素，收斂速度較慢?；谏疃扔巫叩挠脩羯矸萱溄臃椒ǎ谌攵囝^注意力機制，對用戶間影響力進行建模，實驗結(jié)果表明，該方法可以很好地改進算法有效性，提高訓練效率。

發(fā)表于：12/16/2024 4:34:14 PM

基于改進YOLOv5n的腐敗水果檢測模型[人工智能][消費電子]

為了實現(xiàn)多種水果在采摘后自動化篩選和分揀中腐敗水果識別的問題，提出了改進的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進在計算效率和速度上都有所提升，并且準確率也得到了提高。為了進一步提升速度，將C3模塊替換為C2f模塊，實現(xiàn)輕量化的同時獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準確性。mobile-YOLO相較于原始的YOLOv5n，mAP@.5（mean Average Precision）達到了98.1%，mAP@.5：.95達到了94.2%，同時在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：12/16/2024 4:24:06 PM

一種基于狀態(tài)預測的多線程數(shù)據(jù)過濾算法[人工智能][其他]

數(shù)據(jù)過濾算法在大數(shù)據(jù)處理領域有著重要的作用。基于正則表達式匹配技術(shù)的數(shù)據(jù)過濾算法憑借強大的特征表達能力適合于處理大規(guī)模復雜數(shù)據(jù)。然而，傳統(tǒng)的正則表達式匹配過程為串行匹配，造成性能低，無法滿足現(xiàn)代數(shù)據(jù)處理的需求。針對傳統(tǒng)正則表達式匹配性能低的問題，提出一種基于多線程和狀態(tài)預測的正則表達式加速匹配算法，稱之為μFA：基于向量指令執(zhí)行字符值比較，獲取可直接跳過的信任字符數(shù)。同時，基于多線程加速和狀態(tài)猜測技術(shù)，實現(xiàn)字符串的分段匹配處理，通過圈定字符危險區(qū)域，研判各分段最終匹配結(jié)果的正確性。實驗結(jié)果表明，μFA算法的吞吐率是原始DFA算法的10.12~91.36倍、ßFA算法的1.08~2.97倍。

發(fā)表于：12/16/2024 4:22:38 PM

融合圖文預訓練的漢越多模態(tài)神經(jīng)機器翻譯[人工智能][消費電子]

由于漢語和越南語之間存在顯著的語法差異及語料稀缺，漢越神經(jīng)機器翻譯任務面臨名詞翻譯不準確的挑戰(zhàn)。提出了一種新穎的多模態(tài)神經(jīng)機器翻譯方法，該方法融合了文本預訓練模型和視覺語言聯(lián)合預訓練模型。通過文本預訓練模型，能夠捕獲深層的語言結(jié)構(gòu)和語義；而視覺語言聯(lián)合訓練模型則提供了與文本相關(guān)聯(lián)的視覺上下文，這有助于模型更準確地理解和翻譯名詞。兩種模型通過一個簡潔高效的映射網(wǎng)絡結(jié)合，并通過Gumbel門控模塊動態(tài)地整合多模態(tài)信息，以優(yōu)化翻譯輸出。在漢越及越漢翻譯任務中，該方法相比傳統(tǒng)Transformer模型分別提升了7.13和4.27的BLEU值。

發(fā)表于：12/16/2024 4:15:57 PM

高速以太網(wǎng)均衡技術(shù)的綜述與思考[通信與網(wǎng)絡][通信網(wǎng)絡]

由于云計算、以太網(wǎng)、物聯(lián)網(wǎng)的廣泛運用產(chǎn)生的數(shù)據(jù)爆炸式增長，大型數(shù)據(jù)中心網(wǎng)絡的有線輸入輸出（I/O）帶寬需求迅速增長，高速以太網(wǎng)的發(fā)展順應了網(wǎng)絡流量的快速增長趨勢。而隨著以太網(wǎng)數(shù)據(jù)傳輸速率的提升，對串行鏈路的信號完整性挑戰(zhàn)性進一步增大。針對高速傳輸下以太網(wǎng)均衡技術(shù)面臨的挑戰(zhàn)，聚焦于各類均衡技術(shù)，對各類均衡技術(shù)進行深入分析，探討各類均衡器的工作原理和特性以及闡述了這些均衡器在高速傳輸環(huán)境中的適用場景，為未來高速以太網(wǎng)均衡器的發(fā)展和優(yōu)化提供了參考，以更好地滿足通信中不斷增長的對更高的傳輸效率和更低的誤碼率的需求。

發(fā)表于：12/16/2024 4:06:59 PM

基于UVM的時間敏感網(wǎng)絡交換芯片的驗證架構(gòu)設計[模擬設計][通信網(wǎng)絡]

基于UVM驗證方法學、自動化比對和覆蓋率驅(qū)動的驗證思想，構(gòu)建了一個用于時間敏感網(wǎng)絡（TSN）交換芯片的系統(tǒng)驗證架構(gòu)。該架構(gòu)采用分類和流水處理數(shù)據(jù)報文方法，結(jié)合流量檢測、時間槽檢測和數(shù)據(jù)報文自動化比對方案，成功支撐TSN業(yè)務系統(tǒng)驗證方法落地，保證了系統(tǒng)驗證完備性。芯片回片經(jīng)測試滿足商用需求，再次論證了驗證架構(gòu)的完備性。

發(fā)表于：12/16/2024 3:55:41 PM

基于自適應優(yōu)化的高速交叉矩陣設計[通信與網(wǎng)絡][通信網(wǎng)絡]

提出了一種基于自適應優(yōu)化的交叉矩陣傳輸設計，采用AHB協(xié)議并引入自適應突發(fā)傳輸調(diào)整和自適應優(yōu)先級調(diào)整的創(chuàng)新機制。通過動態(tài)調(diào)整突發(fā)傳輸?shù)拈L度和優(yōu)先級分配，實現(xiàn)了對數(shù)據(jù)流的有效管理，提升了系統(tǒng)的帶寬利用率和傳輸效率。對該設計進行前端仿真和后端布局布線，仿真驗證了該方法在不同負載環(huán)境下的優(yōu)越性，能夠優(yōu)化總線資源分配，提升傳輸速度，降低總體功耗。

發(fā)表于：12/16/2024 3:45:27 PM