魔天记忘语小说,女人书籍排行榜,辰东

頭條

Gartner：2024年全球半導(dǎo)體收入增長(zhǎng)21%

根據(jù)Gartner的最終統(tǒng)計(jì)結(jié)果，2024年全球半導(dǎo)體總收入為6559億美元，較2023年的5421億美元增長(zhǎng)了21%。同時(shí)，英偉達(dá)超越了三星電子和英特爾，首次躍居首位。 Gartner研究副總裁Gaurav Gupta表示：“前十大半導(dǎo)體廠商收入排名變動(dòng)的主要原因在于強(qiáng)勁的AI基礎(chǔ)設(shè)施需求以及73.4%的內(nèi)存收入增長(zhǎng)。英偉達(dá)之所以能夠躍至首位，主要在于其獨(dú)立圖形處理單元（GPU）需求顯著增長(zhǎng)，GPU已成為數(shù)據(jù)中心AI工作負(fù)載的首選。” Gupta表示：“供需失衡引起價(jià)格大幅反彈，三星電子的DRAM和閃存收入增長(zhǎng)，得以繼續(xù)保持在第二位。英特爾2024年的半導(dǎo)體收入僅增長(zhǎng)了0.8%，原因在于其主要產(chǎn)品線面臨的競(jìng)爭(zhēng)威脅正在加劇，而且英特爾未能把握AI處理需求強(qiáng)勁增長(zhǎng)這一機(jī)遇。”2023-2024年全球排名前十半導(dǎo)體廠商收入（單位：百萬(wàn)美元）

AMD數(shù)據(jù)中心收入首超Intel

歷史性突破！AMD數(shù)據(jù)中心收入首超Intel：Instinct GPU功不可沒(méi)

發(fā)表于：11/15/2024

高通推出其首款RISC-V架構(gòu)可編程連接模組QCC74xM

11 月 14 日消息，高通本月 12 日宣布推出兩款面向智能家居、智能家電等 IoT 應(yīng)用的連接模組 QCC74xM 和 QCC730M。這兩款模組現(xiàn)已出樣，2025 年上半年上市。

發(fā)表于：11/15/2024

中國(guó)首臺(tái)準(zhǔn)環(huán)對(duì)稱仿星器測(cè)試平臺(tái)取得重大突破

11 月 15 日消息，西南交通大學(xué)昨日（11 月 14 日）發(fā)布博文，宣布中國(guó)首臺(tái)準(zhǔn)環(huán)對(duì)稱仿星器測(cè)試平臺(tái)（CFQS-T）取得重大階段性成果，在國(guó)際上首次利用三維模塊化線圈獲得超高精度的“準(zhǔn)環(huán)向?qū)ΨQ磁場(chǎng)位形”，讓我國(guó)成為繼美國(guó)和德國(guó)之后又一掌握“三維非平面模塊化線圈”高精度制造工藝的國(guó)家。

發(fā)表于：11/15/2024

英偉達(dá)明年將推Jetson Thor 算機(jī)

11 月 14 日消息，華爾街日?qǐng)?bào)今天（11 月 14 日）發(fā)布博文，報(bào)道稱英偉達(dá)計(jì)劃面向人形機(jī)器人市場(chǎng)，于 2025 年推出 Jetson Thor 計(jì)算機(jī)，在快速增長(zhǎng)的機(jī)器人行業(yè)中占據(jù)一席之地。注：Jetson Thor 計(jì)算機(jī)隸屬于英偉達(dá) Jetson 緊湊型計(jì)算機(jī)平臺(tái)，該平臺(tái)專為 AI 應(yīng)用設(shè)計(jì)，而 Thor 型號(hào)專注于機(jī)器人技術(shù)。英偉達(dá)并不直接參與機(jī)器人制造，類似于谷歌向手機(jī)制造商提供安卓平臺(tái)，將其定位為技術(shù)供應(yīng)商。公司副總裁 Deepu Talla 表示，英偉達(dá)的目標(biāo)是服務(wù)“數(shù)十萬(wàn)”家機(jī)器人制造商，形成一個(gè)分散的市場(chǎng)環(huán)境。

發(fā)表于：11/15/2024

OpenAI駁斥消息稱生成式AI發(fā)展遇瓶頸論調(diào)

11 月 14 日消息，The Information 上周末報(bào)道稱，生成式 AI 模型的快速發(fā)展似乎正在遭遇瓶頸。一些專家預(yù)測(cè)，簡(jiǎn)單地通過(guò)增加模型參數(shù)、訓(xùn)練數(shù)據(jù)和算力來(lái)提升模型性能的方法已經(jīng)逐漸失效，甚至可能帶來(lái)負(fù)面影響。

發(fā)表于：11/15/2024

基于先進(jìn)工藝技術(shù)的機(jī)電控制SiP電路的設(shè)計(jì)與測(cè)試

機(jī)電控制系統(tǒng)包含多款芯片，其小型化、輕量化的需求日益迫切，系統(tǒng)級(jí)封裝（System in Package）技術(shù)作為一種先進(jìn)封裝手段能夠?qū)⒍嗫畈煌愋偷男酒捎诟〉目臻g中。基于系統(tǒng)級(jí)封裝技術(shù)，并結(jié)合TSV與FanOUT技術(shù)設(shè)計(jì)了一款機(jī)電控制SiP電路，該電路包括頂層DSP信號(hào)控制單元和底層FPGA信號(hào)處理單元，兩者通過(guò)PoP（Package on Package）形式堆疊構(gòu)成SiP電路，相比于常規(guī)分立器件所搭建的機(jī)電控制系統(tǒng)，該SiP體積縮小70%以上，重量減輕80%以上。針對(duì)該款SiP電路設(shè)計(jì)了相應(yīng)的測(cè)試系統(tǒng)，且對(duì)內(nèi)部的ADC及DAC等芯片提出了一種回環(huán)測(cè)試的方法，能夠提高測(cè)試效率。測(cè)試結(jié)果表明，該電路滿足設(shè)計(jì)要求，在機(jī)電控制領(lǐng)域具有一定的應(yīng)用前景。

發(fā)表于：11/14/2024

智慧農(nóng)業(yè)下基于聯(lián)邦學(xué)習(xí)的水稻病蟲(chóng)害分類研究

在農(nóng)業(yè)發(fā)展過(guò)程中，農(nóng)作物的健康問(wèn)題一直是一個(gè)重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過(guò)程中的水稻病蟲(chóng)害分類問(wèn)題。在智能化農(nóng)業(yè)種植場(chǎng)景下，為了提高設(shè)備對(duì)病蟲(chóng)害的分類準(zhǔn)確性，同時(shí)保護(hù)各設(shè)備的數(shù)據(jù)隱私，提出使用聯(lián)邦學(xué)習(xí)來(lái)解決各設(shè)備間的數(shù)據(jù)孤島問(wèn)題。實(shí)驗(yàn)選取了七個(gè)預(yù)訓(xùn)練模型來(lái)提取特征，使用四個(gè)指標(biāo)（準(zhǔn)確率、召回率、損失函數(shù)和F1分?jǐn)?shù)）來(lái)評(píng)估不同模型上的性能。實(shí)驗(yàn)結(jié)果表明，在獨(dú)立同分布（IID）和非獨(dú)立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準(zhǔn)確率分別為99.05%和98.48%，表現(xiàn)出較高的魯棒性和準(zhǔn)確率。通過(guò)幾種實(shí)驗(yàn)和指標(biāo)對(duì)比發(fā)現(xiàn)，聯(lián)邦學(xué)習(xí)的應(yīng)用提升了設(shè)備4.36％的準(zhǔn)確率，圖像分類模型的收斂時(shí)間受到聯(lián)邦學(xué)習(xí)輪數(shù)round和每輪聯(lián)邦學(xué)習(xí)中訓(xùn)練集的訓(xùn)練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學(xué)習(xí)的設(shè)備數(shù)量增加而提高。

發(fā)表于：11/14/2024

ßFA：一種基于向量指令集的高性能數(shù)據(jù)處理算法

正則表達(dá)式匹配技術(shù)在數(shù)據(jù)清洗、解析提取等數(shù)據(jù)處理任務(wù)方面發(fā)揮重大作用。然而，由于匹配過(guò)程中存在數(shù)據(jù)強(qiáng)依賴關(guān)系和內(nèi)存訪問(wèn)不可預(yù)測(cè)等問(wèn)題，造成匹配性能較低。針對(duì)此問(wèn)題，提出一種基于向量指令集的高性能正則表達(dá)式數(shù)據(jù)處理算法，稱之為ßFA：通過(guò)向量指令一次性從內(nèi)存讀出若干連續(xù)字符，并與最常被訪問(wèn)狀態(tài)對(duì)應(yīng)的非信任字符集進(jìn)行向量匹配，利用內(nèi)置函數(shù)定位首個(gè)非信任字符的位置，獲得可直接跳過(guò)的字符數(shù)，從而實(shí)現(xiàn)匹配性能的加速。實(shí)驗(yàn)結(jié)果表明，ßFA算法的吞吐率優(yōu)于原始DFA算法和αFA算法，是原始DFA算法的4.67~60倍以及ɑFA算法的4.37~7.82倍。

發(fā)表于：11/14/2024

基于殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)和Stacking集成學(xué)習(xí)的局部放電故障診斷

針對(duì)傳統(tǒng)局部放電（Partial Discharge， PD）故障診斷方法在處理復(fù)雜含噪PD信號(hào)存在局限性并依賴于人工去噪和專家經(jīng)驗(yàn)，難以學(xué)習(xí)到PD特征多樣化表達(dá)等問(wèn)題，分別提出殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)（Residual Attention Adaptive Denoising Network， RAADNet）和基于Stacking集成學(xué)習(xí)的PD故障診斷模型。RAADNet基于殘差網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，通過(guò)集成CAM注意力機(jī)制和軟閾值函數(shù)實(shí)現(xiàn)自適應(yīng)去噪；Stacking集成模型的基學(xué)習(xí)器分別由基于卷積神經(jīng)網(wǎng)絡(luò)的RAADNet、基于多頭自注意力機(jī)制的Transformer以及基于Boosting集成策略的XGBoost多個(gè)差異化模型共同構(gòu)建構(gòu)成。實(shí)驗(yàn)結(jié)果表明，提出的RAADNet優(yōu)于其他先進(jìn)方法，識(shí)別準(zhǔn)確率達(dá)到93.99%，Stacking集成模型則通過(guò)學(xué)習(xí)多樣化特征表達(dá)，進(jìn)一步提高模型性能，達(dá)到96.79%識(shí)別準(zhǔn)確率。

發(fā)表于：11/14/2024

某型接收機(jī)中放大器自激機(jī)理分析與預(yù)防措施

對(duì)某型接收機(jī)中頻噪底升高故障進(jìn)行了分析處理，分析結(jié)果表明射頻模塊腔體內(nèi)存在個(gè)體差異，導(dǎo)致本振放大器在脈沖工作條件下產(chǎn)生自激，通過(guò)對(duì)放大器自激機(jī)理的分析給出了相應(yīng)的預(yù)防措施，在射頻小盒側(cè)壁中粘貼吸波材料，可以有效消除自激。論文對(duì)今后腔體自激問(wèn)題的處理分析具有參考價(jià)值。

發(fā)表于：11/14/2024