国产欧美日韩视频专区在线观看,99re热久久这里只有精品6,八区精品色欲人妻综合网

推動工業(yè)數(shù)據(jù)產(chǎn)權(quán)登記助力工業(yè)數(shù)據(jù)要素資產(chǎn)化[其他][信息安全]

日前，由中國計算機學(xué)會（CCF）主辦的“2024中國數(shù)字經(jīng)濟產(chǎn)業(yè)發(fā)展大會”在蘇州成功舉行,本次大會旨在加快發(fā)展數(shù)字經(jīng)濟，促進(jìn)數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，探索加快產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型路徑。工業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè)，國家數(shù)據(jù)局推動數(shù)據(jù)要素乘數(shù)效應(yīng)行動計劃，在12個典型行業(yè)和領(lǐng)域中，工業(yè)制造位列首位。在大會期間，中國工業(yè)互聯(lián)網(wǎng)研究院副總工程師田野接受本刊專訪，就工業(yè)數(shù)據(jù)治理及工業(yè)數(shù)據(jù)資產(chǎn)化相關(guān)問題進(jìn)行解讀。

發(fā)表于：5/7/2024 1:00:00 PM

準(zhǔn)諧振與有源鉗位反激變換器的性能比較和分析[電源技術(shù)][工業(yè)自動化]

高頻、高效和高功率密度已成為AC-DC變換器重要的設(shè)計指標(biāo)。傳統(tǒng)準(zhǔn)諧振反激變換器因其漏感能量多借助無源電阻元件以熱能形式釋放，不具備ZVS特性，限制了功率密度的進(jìn)一步提升，而有源鉗位反激變換器能彌補準(zhǔn)諧振反激變換器的不足。先簡述準(zhǔn)諧振反激變換器與有源鉗位反激變換器的工作原理，接著分析準(zhǔn)諧振與有源鉗位反激變換器主要性能指標(biāo)差異，然后設(shè)計并制作兩款48 W的準(zhǔn)諧振反激變換器樣機和有源鉗位反激變換器樣機以便獲得相關(guān)的試驗數(shù)據(jù)，作為性能比較分析的依據(jù)。

發(fā)表于：4/29/2024 1:10:00 PM

基于藍(lán)牙Mesh分布式控制和平均一致性的智慧照明系統(tǒng)[模擬設(shè)計][智能電網(wǎng)]

針對維持電力系統(tǒng)平衡向運行儲備提出的更高要求，以及大型室內(nèi)場所中LED照明負(fù)荷成為非旋轉(zhuǎn)儲備的問題，設(shè)計了一種基于藍(lán)牙Mesh分布式控制和平均一致性算法的智慧照明系統(tǒng)。該照明系統(tǒng)采用藍(lán)牙Mesh組網(wǎng)搭建的分布式網(wǎng)絡(luò)，結(jié)合平均一致性算法，以較低的運算量控制大量燈具，在實現(xiàn)功率調(diào)整的同時確保用戶舒適度趨于一致。實驗結(jié)果表明：該系統(tǒng)中所有燈具能夠在較短時間內(nèi)完成目標(biāo)功率容量的調(diào)節(jié)，同時減小了功率調(diào)節(jié)對用戶舒適度造成的影響，有著網(wǎng)絡(luò)資源消耗低、穩(wěn)定性強、易擴展等優(yōu)勢，可以滿足實際需求。

發(fā)表于：4/29/2024 1:10:00 PM

基于高精度采樣和控制系統(tǒng)的掃描電子顯微鏡高壓高穩(wěn)定電源[測試測量][工業(yè)自動化]

針對掃描電子顯微鏡（Scanning Electron Microscopy，SEM）高分辨率和全天候工作的嚴(yán)格要求，提出并研制了具備高穩(wěn)定度以及絕緣性能優(yōu)良的200 kV高穩(wěn)定性高壓直流電源。實驗表明該系統(tǒng)能達(dá)到3.42‰的開關(guān)紋波和2.45‰的工頻紋波，每小時的長期穩(wěn)定性達(dá)到0.093‰~0.158‰，能夠滿足SEM對紋波和穩(wěn)定性的要求。

發(fā)表于：4/29/2024 1:10:00 PM

一種基于知識蒸餾的量化卷積神經(jīng)網(wǎng)絡(luò)FPGA部署[嵌入式技術(shù)][醫(yī)療電子]

設(shè)計了一種針對心電數(shù)據(jù)實時分類的量化神經(jīng)網(wǎng)絡(luò)，將權(quán)重量化為兩位整數(shù)，運用知識蒸餾的方法使性能達(dá)到了期望的效果，并部署于FPGA開發(fā)板上。知識蒸餾后的量化網(wǎng)絡(luò)比全精度網(wǎng)絡(luò)的分類準(zhǔn)確率提升了9%。在FPGA開發(fā)板上的運行結(jié)果符合預(yù)期，達(dá)到了需要的性能，可以對左束支傳導(dǎo)阻滯（L）、右束支傳導(dǎo)阻滯（R）、正常心拍（N）和室性早搏綜合征（V）四種心電信號進(jìn)行分類，相比于其他量化方式對存儲參數(shù)的需求更小，資源使用更少，相比于CPU速度提升了1.5倍，運行時間達(dá)到實時性要求，適合于部署在小型、輕量化的資源有限的可穿戴設(shè)備上。

發(fā)表于：4/29/2024 1:10:00 PM

一種電子標(biāo)簽的加速壽命試驗可靠性預(yù)測方法研究[微波|射頻][工業(yè)自動化]

隨著微電子元器件設(shè)計能力和工藝技術(shù)的不斷發(fā)展，器件的可靠性和壽命不斷增加。射頻識別電子標(biāo)簽具有需求量大、應(yīng)用范圍廣、地域（使用溫度）跨度大等特點，這就對產(chǎn)品本身的可靠性提出了較高的要求，研究器件在高低溫下的退化特性具有重要的現(xiàn)實意義?；贏rrhenius理論提出了一種快速計算電子標(biāo)簽激活能的方法，對電子標(biāo)簽進(jìn)行短時間的壽命加速試驗，通過標(biāo)簽電場強度性能的退化數(shù)據(jù)預(yù)測壽命情況，快速求解電子標(biāo)簽的激活能，進(jìn)而計算出不同溫度條件下的加速因子，為電子標(biāo)簽在不同壽命評價標(biāo)準(zhǔn)下的加速試驗時間提供理論依據(jù)。

發(fā)表于：4/29/2024 1:10:00 PM

一種全空域圓極化相控陣天線的優(yōu)化設(shè)計[微波|射頻][通信網(wǎng)絡(luò)]

針對全空域多目標(biāo)通信的應(yīng)用需求，設(shè)計了一種具有32單元的圓極化半球面相控陣天線。為滿足低仰角目標(biāo)通信需求，采用半球加圓柱的布陣方式，通過詳細(xì)對比分析不同激活角域與單元增益下的陣列性能，確定最優(yōu)的陣列設(shè)計。仿真結(jié)果表明，該天線從0°~90°掃描過程中，天線增益大于13.8 dBi，增益波動小于1.8 dB，能夠適用于全空域多目標(biāo)通信的場合。

發(fā)表于：4/29/2024 1:10:00 PM

基于深度學(xué)習(xí)技術(shù)的水稻環(huán)境因素產(chǎn)量預(yù)測[模擬設(shè)計][其他]

水稻作為全球重要的糧食作物，準(zhǔn)確預(yù)測水稻產(chǎn)量在農(nóng)業(yè)發(fā)展中起著重要作用。由于水稻在環(huán)境因子與其生長機理的作用下往往呈現(xiàn)出非線性的特點，難以對其做出較為準(zhǔn)確的預(yù)測，因此，提出CE-CGRU水稻產(chǎn)量預(yù)測模型，對非線性環(huán)境因子Copula熵（CE）方法進(jìn)行提取特征并與CNN和GRU技術(shù)結(jié)合在一起。其目的是在水稻品種確定的條件下，識別產(chǎn)量預(yù)測的重要特征。根據(jù)使用浙江省臨安區(qū)真實數(shù)據(jù)分析和比較所提出的模型的性能，構(gòu)建了其他5個產(chǎn)量預(yù)測模型進(jìn)行對比，分別是MLR、RF、LSTM、GRU和CNN-LSTM。結(jié)果顯示，CE-CGRU模型的MAE、MSE和MAPE分別為0.677、0.87和5.029％，表明CE-CGRU模型具有更好的能力來捕捉水稻產(chǎn)量與環(huán)境因素之間的復(fù)雜非線性關(guān)系。此外，還對不同的特征選擇方法以及不同時間步長進(jìn)行了比較和分析。

發(fā)表于：4/29/2024 1:10:00 PM

基于改進(jìn)PSO算法的機器人路徑規(guī)劃研究[人工智能][工業(yè)自動化]

傳統(tǒng)粒子群算法（PSO）容易早熟收斂，陷入局部最優(yōu)，為此提出混沌動態(tài)多種群粒子群算法（CDMPSO），并將其應(yīng)用在機器人三維路徑規(guī)劃中。通過引入混沌映射理論來提高粒子種群初始解的質(zhì)量和分布均勻性，同時引入分組并行優(yōu)化策略，依據(jù)適應(yīng)度值采用中位數(shù)聚類的方法，將種群分為3個子種群并迭代進(jìn)行實時動態(tài)調(diào)整，根據(jù)不同子種群的特點采用不同的方法來進(jìn)行種群更新。在MATLAB軟件中與傳統(tǒng)PSO算法和自適應(yīng)粒子群（APSO）算法進(jìn)行對比實驗，發(fā)現(xiàn)改進(jìn)后的CDMPSO算法全局搜索范圍更大，陷入局部最優(yōu)次數(shù)更少，最終路徑更短，從而驗證了該改進(jìn)算法是切實可行的。

發(fā)表于：4/29/2024 1:10:00 PM

基于偽觸發(fā)詞的并行預(yù)測篇章級事件抽取方法[人工智能][消費電子]

篇章級事件抽取一般將事件抽取任務(wù)分為候選實體識別、事件檢測和論元識別3個子任務(wù)，然后采用級聯(lián)的方式依次進(jìn)行，這樣的方式會造成誤差傳遞；另外，現(xiàn)有的大多數(shù)模型在解碼事件時，對事件數(shù)量的預(yù)測隱含在解碼過程中，且只能按照預(yù)定義的事件順序及預(yù)定義的角色順序預(yù)測事件論元，使得先抽取的事件并沒有考慮到后面抽取的事件。針對以上問題提出一種多任務(wù)聯(lián)合的并行預(yù)測事件抽取框架。首先，使用預(yù)訓(xùn)練語言模型作為文檔句子的編碼器，檢測文檔中存在的事件類型，并使用結(jié)構(gòu)化自注意力機制獲取偽觸發(fā)詞特征，預(yù)測每種事件類型的事件數(shù)量；然后將偽觸發(fā)詞特征與候選論元特征進(jìn)行交互，并行預(yù)測每個事件對應(yīng)的事件論元，在大幅縮減模型訓(xùn)練時間的同時獲得與基線模型相比更好的性能。最終事件抽取結(jié)果F1值為78%，事件類型檢測子任務(wù)F1值為98.7%，事件數(shù)量預(yù)測子任務(wù)F1值為90.1%，實體識別子任務(wù)F1值為90.3%。

發(fā)表于：4/29/2024 1:10:00 PM