123,123

一种用于PCIe多通道的De-skew电路设计[模拟设计][其他]

在PCIe多通道数据传输过程中，当各通道数据到达时间不一致时，会引入相位偏移(Skew)问题。为了保证每条通道的接收端能够同时且正确处理接收到的数据，需要对传输数据进行预处理。提出了一种De-skew逻辑电路，利用同步FIFO实现了多通道的De-skew，完成了相应的逻辑设计。并利用UVM以及VIP技术搭建了验证平台，测试结果验证了设计的正确性和可行性。与其他常用解决方案对比表明，该逻辑设计具有全面性、优越性和可复用性。

發(fā)表于：2022/11/9 下午2:07:00

关联动态特征的目标自适应跟踪算法[其他][其他]

在复杂的靶场试验场景中，试验现场常常涉及扬尘、强光、遮挡等多变的自然环境。针对这种情况下快速运动的目标物体跟踪，提出了一种关联动态特征的单目标跟踪算法。首先使用门控循环单元(Gated Recurrent Unit，GRU)提取待跟踪目标的时序动态特征，获得候选处理目标框集合；然后利用卷积网络(Convolutional Neural Network，CNN)提取候选目标框的深度卷积特征并确定目标位置，同时分离出背景卷积特征；在跟踪过程中，使用分离出的背景卷积特征图对网络进行参数更新，增强网络的鲁棒性与自适应性。实验结果表明，所提出的算法可以对靶场图像采集系统中的被试移动目标进行自适应跟踪，并且在复杂环境背景下算法仍能保持优异的鲁棒性与适应性。

發(fā)表于：2022/11/9 下午2:03:00

基于动态图注意力聚合多跳邻域的实体对齐[其他][其他]

实体对齐是实现对不同来源知识库进行融合的重要技术方法，在知识图谱、知识补全领域具有广泛应用。现有基于图注意力的实体对齐模型多使用静态图注意力网络且忽略了实体属性中的语义信息，导致模型存在有限注意、难以拟合、表达能力不足等问题。针对这些问题，开展基于动态图注意力结构建模实体对齐方法研究，首先使用图卷积层建模目标实体的单跳节点表示，其次应用动态图注意力网络获得多跳节点注意力系数并建模，再次利用逐层门控网络聚合图卷积层与动态图注意力层输出的单跳、多跳节点信息，最后拼接通过外部知识预训练自然语言模型提取的实体名称属性嵌入并进行相似度计算。该方法在DBP15K的三类跨语言数据集中都获得了一定的提高，证明了应用动态图注意力网络与融入实体属性语义在提高实体表示能力上的有效性。

發(fā)表于：2022/11/9 下午1:55:00

基于DBN-BP深度算法的热轧板带横断面预测[其他][其他]

随着各工业领域的快速发展，市场对薄规格、高强度板带产品的需求快速增加。而热轧板带横断面形状是热轧板带产品质量的主要评价指标。基于数据挖掘技术，对轧机数据库中的数据进行分析与处理，其中数据挖掘技术采用深度置信网络(Deep Belief Neural，DBN)和BP(Back Propagation)算法相结合，构建板带横向厚度分布的预测模型。DBN-BP算法由多个限制玻尔兹曼网络(Restricted Botlzmann Machine，RBM)逐层堆叠而成，并使用无监督的逐层训练的方式得到网络的权值矩阵和偏置供BP算法使用，而BP算法通过误差反向传播的方式对整个网络进行微调。该方法克服了BP算法因随机初始化权值参数而陷入局部最优和训练时间长的缺点。通过与BP算法相比较可知，采用DBN-BP方法预测终轧道次稳定轧制时板带中点厚度误差在±5.6 μm范围内的概率可达95%；而BP算法的预测误差范围为±11 μm。并且通过对板带横断面形状的预测结果分析可知，相比于BP算法，DBN-BP深度学习方法对于板带边部厚度的预测更具有优势。

發(fā)表于：2022/11/9 下午1:39:00

智慧军营研究综述及展望[其他][其他]

首先介绍了智慧军营的研究背景以及其在国防领域的重要性。其次结合智慧营区研究建设目前处于初级阶段所存在的问题与挑战，对智慧军营体系架构和其中各层级的研究现状及成果进行了详细探讨和评价。最后结合技术发展趋势和项目建设经验论述了智慧军营未来的研究方向和发展趋势。

發(fā)表于：2022/11/9 下午1:35:00

智能计算芯片技术及产业趋势和对北京的建议[其他][其他]

智能计算芯片是处理海量数据，体现计算能力的硬件载体，是承载数字经济时代生产力的重要支撑。随着人工智能、5G、大数据、区块链等新一代信息技术的规模化应用，行业数字化转型和产业智能化升级对计算资源的需求呈现指数级增长。加上集成电路的发展进入后摩尔时代，现行计算架构(冯·诺依曼架构)缺陷所导致的瓶颈愈加凸显，发展受到严重挑战。而满足多样化计算需求的新型计算架构和计算范式、满足智能计算需求的先进封装技术、基于新材料新工艺的新型计算器件也进入到创新活跃的阶段，智能计算芯片迎来了快速发展的黄金时代。综合分析了数字经济时代智能计算芯片的战略重要性，梳理了国内外智能计算主要产业格局、新兴关键技术以及发展机遇，并对北京发展智能计算芯片的机遇与路径提出相关建议。

發(fā)表于：2022/11/9 下午1:30:00

针对遥感影像的MSA-YOLO储油罐目标检测[其他][其他]

原油作为一种重要的战略物资，在我国经济和军事等多个领域均起到重要作用。提出一种算法MSA-YOLO(MultiScale Adaptive YOLO)，该算法在YOLOv4算法的基础上进行优化，并基于以吉林一号光学遥感卫星影像为主的遥感图像数据集进行实验，对特定监控区域内的储油罐进行识别与分类。算法优化内容包括：为简化储油罐监测模型同时保证模型的效率，对YOLOv4的网络结构中的多尺度识别模块进行修剪；使用k-means++聚类算法进行初始锚框的选取，使模型加速收敛；使用基于CIoU-NMS的优化，进一步提升推理速度和准确度。实验结果表明，与YOLOv4相比，MSA-YOLO模型参数数量减少25.84%；模型尺寸减少62.13%；在Tesla V100的GPU环境下，模型的训练速度提升6 s/epoch，推理速度提升15.76 F/s；平均精度为95.65%。与此同时，MSA-YOLO算法在多种通用目标识别算法进行的对比实验中均体现出了更高效的特点。MSA-YOLO算法对储油罐进行准确且实时的识别具有通用可行性，可为遥感数据在能源期货领域提供技术参考。

發(fā)表于：2022/11/9 下午1:26:00

基于Involution Prediction Head的小目标检测算法[其他][其他]

针对通用目标检测算法在检测小目标时存在错检和漏检等问题,提出了一种小目标检测算法IPH(Involution Prediction Head)，将其运用在YOLOv4和YOLOv5的检测头部分，在VOC2007数据集上的实验结果表明，运用IPH后的YOLOv4小目标检测精度APs(AP for small objects)相比原始算法提升了1.1%，在YOLOv5上的APs更是提升了5.9%。经智能交通检测数据集进一步检验，IPH算法和去下采样能有效提升小目标检测精度，减少错检和漏检的情况。

發(fā)表于：2022/11/9 下午1:22:00

基于改进暗通道先验的车牌图像去雾方法研究[MEMS|传感技术][智能交通]

针对雾霾场景下车牌识别系统存在识别精度较差的问题，提出改进型车牌识别模型。该模型运用改进型暗通道先验去雾算法进行去雾处理，考虑到原去雾算法处理含明亮区域雾霾图像时会出现颜色失真等问题，首先对大气光值进行阈值限制，其次对引入因子进行优化选择，最后引入容差机制以修正透射率，并对图像亮度进行调整以提升图像可视化效果。仿真结果表明，运用改进后算法得到的去雾结果在PSNR、SSIM、Entropy、e性能上相对于改进前分别平均提升1.934 dB、0.082、0.235、38.995。将去雾前后车牌图像进行识别测试，车牌识别精度提升22%，证明了所提模型的优越性。

發(fā)表于：2022/11/9 下午1:17:00

基于Swin Transformer的肝囊型包虫病超声图分类研究[其他][医疗电子]

为了提高肝包虫病的筛查和诊断效率，弥补部分地区医疗资源不足的情况，提出一种基于Swin Transformer的肝包虫病病灶智能分型方法，结合卷积注意力机制模型，通过学习图像的整体和局部细节特征来实现对五种类型的囊型包虫病病灶的全自动分类。为了验证模型具有优越性，将提出的预测模型与常见分类模型对比分析。结果显示基于改进的Swin Transformer模型在测试集上分类准确率可达92.6%。实验结果表明相较于其他算法，基于改进的Swin Transformer网络能较好地分类出肝囊型包虫超声图像，并且该方法可以推广到其他医疗应用中。

發(fā)表于：2022/11/9 下午1:13:00