欧美1区2区3区,竹菊影视欧美日韩一区二区三区四区五区 ,欧美综合视频在线

恩智浦發(fā)布S32 CoreRide開放平臺[模擬設(shè)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(dǎo)體碳化硅數(shù)位電源解決方案被肯微科技采用　　[電源技術(shù)][消費電子]

　　2024 年 3 月 29 日，中國—服務(wù)橫跨多重電子應(yīng)用領(lǐng)域的全球半導(dǎo)體領(lǐng)導(dǎo)廠商意法半導(dǎo)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(yīng)領(lǐng)導(dǎo)廠商肯微科技合作，設(shè)計及研發(fā)使用ST被業(yè)界認(rèn)可的碳化硅（SiC）、電氣隔離和微控制器的服務(wù)器電源參考設(shè)計技術(shù)。該參考方案是電源設(shè)計數(shù)位電源轉(zhuǎn)換器應(yīng)用的理想選擇，尤其在服務(wù)器、數(shù)據(jù)中心和通信電源的領(lǐng)域。

發(fā)表于：4/8/2024

S32N系列可擴(kuò)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(shù)][汽車電子]

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

發(fā)表于：4/3/2024

手把手教你制作高速吹風(fēng)機(jī)[模擬設(shè)計][消費電子]

高速吹風(fēng)機(jī), 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(luò)][汽車電子]

　　摘要　　新的IEEE汽車以太網(wǎng)標(biāo)準(zhǔn)不斷涌現(xiàn)，10BASE-T1S是最新的以太網(wǎng)標(biāo)準(zhǔn)之一。本文討論汽車行業(yè)影響汽車電子/電氣（E/E）架構(gòu)變化的發(fā)展趨勢，以及新10BASE-T1S標(biāo)準(zhǔn)如何支持和推動這種新架構(gòu)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(shù)][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(luò)、本地及全球充電基礎(chǔ)設(shè)施。由于這個問題的復(fù)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(shè)計、擴(kuò)展和適應(yīng)當(dāng)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(gòu)可以支持12V系統(tǒng)[電源技術(shù)][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(luò)，轉(zhuǎn)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(biāo)，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(shè)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(shè)計不當(dāng)，都可能會導(dǎo)致抖動和眼圖結(jié)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(zhǔn)溝通之道，有效溝通是成功校準(zhǔn)的基礎(chǔ)[測試測量][工業(yè)自動化]

　　泰克深知，校準(zhǔn)服務(wù)提供商與客戶溝通的準(zhǔn)確性和一致性對于校準(zhǔn)過程的成功至關(guān)重要。我最近有幸與 A2LA 的 Stephanie Morin 在一場網(wǎng)絡(luò)研討會中聚焦校準(zhǔn)領(lǐng)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(shù)語，找出溝通障礙，并向您展示如何通過有關(guān)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(shù)][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(jìn)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(fù)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(yīng)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(dá)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(fù)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(tuán)隊面向AI和數(shù)據(jù)中心網(wǎng)絡(luò)應(yīng)用打造業(yè)界速度領(lǐng)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(luò)[人工智能][信息安全]

圖像超分辨率任務(wù)常用雙三次下采樣以構(gòu)造數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)，但雙三次下采樣由于退化模型固定，導(dǎo)致網(wǎng)絡(luò)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(yù)處理模塊，通過預(yù)處理模塊與雙三次下采樣數(shù)據(jù)集得到的網(wǎng)絡(luò)相結(jié)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(shè)計了特征學(xué)習(xí)訓(xùn)練策略和多任務(wù)聯(lián)調(diào)策略。通過根據(jù)不同需求采用相應(yīng)的訓(xùn)練策略，在滿足精度需求的同時具有消耗計算資源少、訓(xùn)練速度快以及適用范圍廣的特點。實驗證明，增加預(yù)處理模塊的網(wǎng)絡(luò)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(jìn)一步的精度提高。

發(fā)表于：3/25/2024

基于CNN-Transformer混合構(gòu)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(gòu)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(gòu)架的輕量圖像超分網(wǎng)絡(luò)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(luò)（Convolutional Neural Network，CNN）和輕量型Transformer網(wǎng)絡(luò)并行地對輸入圖像進(jìn)行特征提取，再將提取到的特征進(jìn)行特征融合。其次，設(shè)計了一種動態(tài)調(diào)整模塊（Dynamic Adjustment，DA），使得網(wǎng)絡(luò)能根據(jù)輸入圖像來動態(tài)調(diào)整網(wǎng)絡(luò)的輸出，減少網(wǎng)絡(luò)對無關(guān)信息的依賴。最后，采用基準(zhǔn)數(shù)據(jù)集來測試網(wǎng)絡(luò)的性能，實驗結(jié)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(gòu)實體模型，通過分層的網(wǎng)格環(huán)境對復(fù)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(wù)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(jìn)行復(fù)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(luò)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(luò)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(jìn)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(gòu)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(guān)鍵特征信息，并使用提出的模型對這些關(guān)鍵特征信息進(jìn)行分析。為了評估模型的有效性與優(yōu)越性，使用準(zhǔn)確率和損失進(jìn)行模型評價，并與其他網(wǎng)絡(luò)流量異常檢測模型Tabular model、TabNet、LightGBM、XGBoost進(jìn)行對比。使用公開數(shù)據(jù)集 CIC.IDS.2018 進(jìn)行實驗分析。結(jié)果表明，在高特征的網(wǎng)絡(luò)安全態(tài)勢感知下，多分類和二分類的識別準(zhǔn)確率分別達(dá)99.43%和99.87%，在低特征情況下，多分類和二分類的識別準(zhǔn)確率分別達(dá)98.73%和99.39%，具有較高準(zhǔn)確率以及良好的靈活性和魯棒性。

發(fā)表于：3/25/2024