基于U-BOOT的S3C44BO引导程序设计实现

Bootloader（引导装载程序）是嵌入式系统开发的一个重要环节，它把操作系统和硬件平台衔接起来，对嵌入式系统后继软件开发十分重要。Das U-BOOT（Universal Bootloader）是一个功能十分强大的Bootloader开发软件。对U-BOOT的启动流程作了介绍．以S3C4480开发板和ucLinux为背景，分析，探讨基于U-BOOT的系统引导装载程序的构建。     

TMS320C6711 flash引导装载系统研究与设计

引导装载是TI公司的DSP系统设计中必不可少的重要环节。文章对TMS320C6711 FLASH引导装载的概念、方法及特点做了详细的阐述,同时以SST公司的FLASH存储器(SST39VF040)为例,设计了一个利用FLASH进行引导装载的系统方案,并给出了相应的自加载程序源代码。     

基于U-BOOT的S3C44B0引导程序设计实现

Bootloader(引导装载程序)是嵌入式系统开发的一个重要环节,它把操作系统和硬件平台衔接起来,对嵌入式系统后继软件开发十分重要。DasU-BOOT(UniversalBootloader)是一个功能十分强大的Bootloader开发软件。对U-BOOT的启动流程作了介绍,以S3C44B0开发板和ucLinux为背景,分析,探讨基于U-BOOT的系统引导装载程序的构建。     

“画”说Linux卸载

卸载Linux系统首先是卸载Linux引导装载程序(LlLo或GRUB)，然后将Windows的引导装载程序存入MBR，最后删除与Linux有关的分区，让这些磁盘空间能为Windows系统所用。     

基于U-BOOT的LPC2210系统引导程序的实现

引导装载程序是嵌入式系统的重要组成部分,起着引导操作系统的作用。u-boot是一种功能比较强大的引导装载程序,本文介绍了利用u-boot构建LPC2210系统引导程序的详细过程。文中首先分析了u-boot的启动流程和系统地址空间的安排,然后详细阐明了移植过程和代码的具体修改情况。     

ZXJ10系统的装载技术

本文主要论述了ＩＲＭＸ环境下，如何在８０４８６的工控机课机上进行多模块ＩＲＭＸ系统软件的安装，并给出了硬盘的参数设置及系统装载引导程序的编制方法，本文对在其它操作系统环境下开发系统装载软件也有一定的参考价值。     

DSP+FLASH引导装载系统的设计与实现

介绍了利用DSP编程实现对FLASH的读写操作,设计并实现了一个引导装载系统的模型,给出了一个简单的测试用的实例。整个方案有较大的灵活性和实用性。     

ARM＆Linux嵌入式系统BootLoader的研究与设计

引导装载程序（BootLoader）是嵌入式系统设计的关键之一。系统分析了ARM＆Linux嵌入式系统BootLoader的结构和主要任务，并针对ARM920T核的处理器AT91RM9200，设计实现了一个较完整的BootLoader。该设计具有一定的通用性，可以广泛地应用到其它的处理器和应用系统中。     

外挂Flash的TMS320VC5409引导装载设计

TI 的5000 系列DSP 提供多种引导装载模式,　主要包括 HPI 引导装载、串行 EEPROM 引导装载、并行引导装载、串行口引导转载、I/O口引导装载等,其中使用 Flash的并行引导装载是常用的一种,使用该种方法可以尽 快地开发出样机,是加快开发进度的首选。以下将详细介绍并行引导装载     

基于S5PV210的U-boot分析与移植

介绍嵌入式系统开发中功能强大、稳定可靠的引导装载程序(Bootloader)在基于CotexA8微处理器的S5PV210上的移植.详细叙述包括启动流程、移植分析与移植步骤,并且实现包括内核装载、ysffs2根文件系统加载等功能.最后利用写入U-Boot启动参数自行通过TFTP方式装载内核和NFS方式加载根文件系统,最终启动嵌入式Linux系统,证实了所移植的U-Boot在处理器S5PV210上引导启动Linux的可行性.     

语义特征造型中对象族模型研究

提出了一种新的对象族模型,即陈述式对象族模型。定义了陈述式对象族模型,给出了模型的几何结构和拓扑结构,通过约束详细说明了特征的语义,以约束图的形式给出了该模型中特征的表示,给出了模型的语法描述。通过实例验证了模型的有效性,克服了传统的基于历程建模的不足,提高了CAD建模设计效率,降低了设计成本。     

基于泛关系模型表示的层次化模型管理框架

针对常见模型表示方法缺少对多阶段建模过程支持,造成不同建模阶段模型难以统一管理、共享和重用的问题,提出基于泛关系模型表示的层次化模型管理框架。分析现有模型表示方法特点和多阶段建模过程中模型表示及管理需求,采用泛关系模型表示建立概念模型和数学模型表示方法之间映射关系,建立一体化模型表示方法和层次化模型管理框架; 研究层次化模型管理框架中概念层模型和泛关系层模型的模型库设计逻辑,并基于泛关系理论,研究了物理层模型的动态生成方法,实现了不同建模阶段模型的一体化表示和统一管理。     

面向TSP的软件过程仿真模型

描述了一种面向小组软件过程TSP(Team Software process)的仿真模型，根据TSP的特点，采用将离散和连续建模思想结合的一种混合模型。这种模型分为两层建立，外层体现软件开发过程的阶段性，内层体现软件开发过程的连续性，从两个层次上详细说明模型的结构和原理；给出了模型的形式化描述；并用一个例子来说明模型的执行过程及结果。此模型能够从不同角度模拟软件的开发过程，并能够对软件开发过程进行监督和预测。     

多噪声环境下的层级语音识别模型

针对多噪声环境下的语音识别问题,提出了将环境噪声作为语音识别上下文考虑的层级语音识别模型。该模型由含噪语音分类模型和特定噪声环境下的声学模型两层组成,通过含噪语音分类模型降低训练数据与测试数据的差异,消除了特征空间研究对噪声稳定性的限制,并且克服了传统多类型训练在某些噪声环境下识别准确率低的弊端,又通过深度神经网络（DNN）进行声学模型建模,进一步增强声学模型分辨噪声的能力,从而提高模型空间语音识别的噪声鲁棒性。实验中将所提模型与多类型训练得到的基准模型进行对比,结果显示所提层级语音识别模型较该基准模型的词错率（WER）相对降低了20.3%,表明该层级语音识别模型有利于增强语音识别的噪声鲁棒性。     

Integrative modeling of gene expression and metabolism with E-CELL System

A gene-expression model for an E-CELL simulation was constructed, and the simulation was carried out. The model was integrated with a metabolism model of the self-sustaining virtual cell model which was constructed based on aMycoplasma genitalium cell. Details of the model structure and the results of the simulation are shown. AnEscherichia coli lac-operon model was also constructed by integrating and abstracting the gene-expression model. Wherever possible, experimental parameters were used to construct the model This work was presented, in part, at the Sixth International Symposium on Artificial Life and Robotics, Tokyo, Japan, January 15–17, 2001     

基于指数平滑的云服务器请求量集成预测模型

针对现有弹性云服务器(elastic cloud server,ECS)未来请求量预测模型准确度低、稳定性差等问题,提出一种基于指数平滑的Stacking集成预测模型。以多个二次指数平滑模型作为基础模型,将线性回归模型作为集成模型对多组指数平滑预测值进行最终拟合;预测过程中使用多组二次指数平滑模型对ECS的历史请求时序进行构造集成模型训练数据集并加入平滑系数的动态优化。与传统单一模型的对比实验结果表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。     

基于MS-KCF模型的图像序列中人脸快速稳定检测

为快速稳定地检测图像序列中角度变化较大、遮挡较为严重的人脸，结合快速精确的目标检测模型MobileNet-SSD （MS）和快速跟踪模型核相关滤波（KCF），提出一种新的自动检测-跟踪-检测（DTD）模式，即MS-KCF人脸检测模型。首先，利用MS模型快速精确地对人脸进行检测，并且更新跟踪模型；其次，将检测到的人脸坐标信息输入到KCF跟踪模型中进行稳定的跟踪，并加快整体的检测速度；最后，为了防止跟踪丢失，跟踪数帧后再次更新检测模型，重新对人脸进行检测。实验显示，在FDDB人脸检测基准中，MS-KCF模型的召回率为93.60%；在WIDER FACE人脸检测基准的Easy、Medium和Hard数据集中，MS-KCF模型的召回率分别为93.11%、92.18%和82.97%，平均速度为193帧/s。实验结果表明，MS-KCF模型具有稳定性和快速性，在图像序列中对严重遮挡和角度变化大的人脸具有很好的检测效果。     

基于Agent的电力网络建模与仿真

建立了具有复杂网络特性的电力网络拓扑结构生成模型,实现了负载生成算法,建立了基于Agent的仿真模型.以直观的三维图形形式显示网络结构,二维图表形式显示各种参数.仿真结果表明仿真模型的动态演化过程与实际电力网络的逻辑结果具有较好的一致性,验证了模型的有效性.     

基于ARIMA和LSTM混合模型的时间序列预测

由于现实中的时间序列通常同时具有线性和非线性特征,传统ARIMA模型在时间序列建模中常表现出一定局限性。对此,提出基于ARIMA和LSTM混合模型进行时间序列预测。应用线性ARIMA模型进行时间序列预测,用支持向量回归(SVR)模型对误差序列进行预测,采用深度LSTM模型对ARIMA模型和SVR模型的预测结果组合,并将贝叶斯优化算法用于选择深度LSTM模型的超参数。实验结果表明,与其他混合模型相比,该模型在五种不同时间序列预测中能够有效提高预测精度。     

利用结构化SVM结合CNN的层次化目标检测与人体姿态估计方法

针对现有姿态估计方法不能准确提取特征参数的问题,提出了一种基于结构化支持向量机（SSVM）与卷积神经网络（CNN）的层次化模型。首先,展示了一个基于PS部件模型的SSVM如何实现为一个两层的神经网络,其中第一层是卷积层,另一层是损失增强推理层;通过将模型的结构化形式转换为模型中的一个神经网络,提出方法可以同时学习结构模型和外观模型,同时反向传播误差以学习底层的可学习参数,这些参数可从外观模型特征中提取出来;最后,将SSVM模型转换为神经网络模型,将误差反向传播到较低层,并计算确切的SSVM损失,同时通过基于次梯度的方法来学习原始SSVM。将该模型与当前较为先进的识别模型进行了对比,结果证明提出的层次化模型的识别成功率比对比方法平均高6%,具有更强的识别性能。