排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
人工智能和量子物理是上世纪发展起来的两个截然不同但又影响深远的学科.近年来,它们在数据科学方面的结合引起了学术界的高度关注,形成了量子机器学习这个新兴领域.利用量子态的叠加性,量子机器学习有望通过量子并行解决目前机器学习中数据量大,训练过程慢的困难,并有望从量子物理的角度提出新的学习模型.目前该领域的研究还处于探索阶段,涵盖内容虽然广泛,但还缺乏系统的梳理.本文将从数据和算法角度总结量子机器学习与经典机器学习的不同,以及其中涉及的关键加速技巧,针对数据结构(数字型、模拟型),计算技巧(相位估计、Grover搜索、内积计算),基础算法(求解线性系统、主成分分析、梯度算法),学习模型(支持向量机、近邻法、感知器、玻尔兹曼机)等4个方面对现有研究成果进行综述,并建议一些可能的研究方向,供本领域的研究人员参考. 相似文献
2.
目的电子元器件表面材料的质量是影响电磁屏蔽镀层和封装材料表面结合力的主要因素,封装元件在切割分离过程中侧壁表面粘附的Cu杂质对屏蔽膜的质量有不利影响。为了提高电子封装体的表面质量,提出一种可应用于高精密电子加工领域的新型表面技术——干冰处理技术。方法通过实验设计深入研究干冰技术的关键参量(喷射压力、喷射角度和清洗速度)对电子材料表面杂质去除的影响规律,分析了干冰处理封装材料表面的作用机理,对比了干冰作用与传统去离子水处理所获得的电磁屏蔽膜质量。结果作用机理为干冰的物理冲击和微爆破产生的冲击力将粘附到侧壁上的杂质剥离而去除,实验得到最优作用条件,即在喷射压力为0.2~0.4 MPa,作用速度为40~50 mm/s,喷射角度为40?~70?时,封装元件PCB侧壁表面质量明显改善,表面PCB区域铜杂质的含量由30%降至2%,阻焊层破损率可控,且有效地提高了电磁屏蔽镀层结合力的等级。结论干冰技术工艺操作简单,作业效率高,且在最优工艺参数下无其他不良产生,可作为未来电子元器件制造领域表面处理的技术支撑。 相似文献
3.
提出了一种改进的基于当前统计的α-jerk目标机动模型,它假设当目标在某一时刻发生机动时,其下一时刻发生机动的取值是有限的.因此它在建立目标机动的运动模型时,就没有必要考虑机动的所有值.为提高对机动目标的位置跟踪精度,采取了在传统α-jerk目标机动模型的基础上增加一项目标机动的均值,即对目标急动进行非零均值建模,并和α-jerk目标模型仿真对比,仿真结果表明,新算法不仅能够实时估计参数α的值,而且与α-jerk目标机动模型相比,其收敛速度更快,对目标位置的状态估计更精确 相似文献
4.
5.
描述基于GDB的支持超标量(Superscalar)和超长指令字(VLIW)双模式混合架构的调试器设计。该调试器设计分为代理调试端和客户端两部分,代理调试端实现基于RSP协议的基本调试代理功能,客户端实现目标处理器的添加,调试器初始化,寄存器数据、操作码等的处理。测试结果表明调试器实现了远程调试,查看、修改寄存器及内存值,添加、删除断点,反汇编,查看栈信息及单步等程序调试功能。 相似文献
6.
本文提出了一种具有高线性度的折叠,插值结构数模转换器(ADC)。与高速并行数模转换器(Flash ADC)相比较,该结构具有面积小,功耗低的特点,适用于低功耗超宽带(UWB)接收机中。本文对电路各部分进行了设计,并在SMIC 0.18μm工艺下完成了版图设计和后仿真。版图核心电路面积(不包括PAD)仅为0.45mm2,在1G samples/s采样率,输入信号为488.77MHz时,总功耗仅为57mW,有效位(ENOB)达到5.74bits。 相似文献
8.
设计了一种8bit、200Ms/s的折叠插值模数转换器。为了提高电路速度,使用分布式采样保持电路处理输入信号,两级折叠电路提高电路的增益和带宽。插值电路使用电流插值,适合低压高速应用。仿真结果显示,在1.8V工作电压、200MHz时钟频率、0.18μm CMOS工艺条件下,差分输入范围0.8Vpp,SNDR为47.6dB,功耗约110mW。 相似文献
9.
采用分段提参的方法,针对SMIC 130nm CMOS工艺下CoSi2-Si肖特基二极管的直流及高频特性建立统一模型。直流时除了热发射效应,也考虑了势垒不均匀效应、大注入效应及隧穿效应的影响。高频时,在直流特性基础上特别考虑了衬底以及金属寄生效应的影响。该模型直流拟合误差为1.26%,高频时在整个测试频段(1GHz~67GHz)内电阻、电容拟合误差分别为3.16%和2.25%。据我们所知,这是首次针对CoSi2-Si肖特基二极管建立完整模型,考虑直流及高频特性并给出了相应的提参步骤。 相似文献
10.