金士顿推出笔记本内存HyperX DDR2—667MHz

金士顿近日推HyperXDDR2—667笔记本电脑内存（SO—DIMM）,一共有2GB和D4GB的双通道内存套装组合,它是全球第一款专门为上网本和笔记本电脑（Netbook）优化设计的内存产品。低延时设置使得这款产品在很多时候足以挑战DDR2—800内存的性能表现。最关键的是,使用这款内存的用户无需对笔记本电脑的BIOS参数做任何调整,简单的更换即可让你的笔记本电脑达到最佳性能表现。     

大板设计 扩展更强 映泰T41-A7主板

优点:大板设计,扩展性更强不足:仅提供两条内存插槽亮点指数:9使用指数:8.5推荐指数:8.5599元95105530映泰T41-A7主板采用IntelG41+ICH7芯片组,支持1600MHz前端总线,支持DDR21066双通道内存,并且板载有GMA X4500显示核心。虽然GMA X4500并不能像GMA X4500HD那样支持高清视频     

3月装机推荐

此配置是为校园男生打造的配置,E5200＋9600GSO＋22寸高品质显示器,满足游戏电影需求,这也是校园学子最常见的娱乐消遣。内在便宜,故选择单条2G,日后升级组4G双通道。     

双通道机载雷达STAP紧凑系统设计

大数据流下的高精度实时处理是空时自适应处理(Space-time adaptive processing,STAP)系统实现的难题之一.在机载平台对尺寸、重量和功率(size,weight and power,SWAP)的约束条件下,STAP系统设计的目标是减少系统时延的同时增加数据吞吐率,本文对实测双通道机栽雷达采样数据进行了STAP并行系统的紧凑设计研究.基于选型平台设计了狭义局部并行全局串行(Restricted local-parallel-and-global-serial,RLPGS)结构与狭义局部串行全局并行(Restricted local-seiral-and-global-parallel,RLSGP)结构,并验证了任务数据不同调度方法的性能.该设计在单处理板上成功完成STAP处理的测试,结果满足设计要求.     

硬件

如何确定使用双通道内存问:我有一台Think Centre台式机,最近加了一条内存,想使用双通道,请问如何在系统中确定计算机已经启用了双通道?(读者王剑电话提问)答:想要确定系统是否已经开启双通道内存,建议在主板BIOS中进行查询,具体方法如下:启动计算机时按"F1"键进入主板BIOS设置,选择"Startup"项,将"Power On Self Test"项的值设为"Enhanced",按"F10"键盘,保存推出主板BIOS设置。再次启动计算机,按"F1"进入主板BIOS     

Maxim推出低功耗的双通道、10位ADC

Maxim推出引脚兼容的双通道、10位、65/100/130Msps ADC系列产品MAX19515/MAX19516/MAX19517。器件具有业内最低的功耗,每个模拟通道的功耗仅为43mW(MAX19515)、57mW(MAX19516)和     

双路、2线霍尔传感器接口方案

sT推出了一系列时钟分配芯片,每条通道输出使能可以独立控制的时钟分配芯片,用于提高嵌入式应用和手持产品的时钟管理精确度。首次推出的产品共有六款,包括双通道STCD1020、三通道STCD1030和四通道STCD1040等。在手机和M2M（机器对机器）通信设备中,利用这些芯片可以把一个主时钟信号分配给多个时钟域,不必再为支持GSM、蓝牙、WLAN、WiMAX或其它射频通信的芯片组以及机顶盒的芯片组配备多个单独的时钟源。随着晶振数量减少,这些产品的可靠性也相应提高。     

双通道的BCBLA情感分类模型

针对传统情感分类模型的词向量表示无法解决多义词表征的问题,以及目前基于BERT的多通道情感分类模型研究较少的问题,提出了一种基于BERT的双通道情感分类模型BCBLA.该模型有BERT+CNN和BERT+BiLSTM-Attention两个通道,首先用预训练模型BERT获取融合文本语境的词向量表征;然后利用通道1的CNN网络增强对文本局部特征提取的能力和通道2的BiLSTM-Attention模型增强对长序列文本处理以及关键情感分类特征提取的能力;最后使用Softmax激励函数对通道1和通道2的融合特征进行分类.为了验证本文提出的模型的有效性,本文在中文谭松波酒店评论和英文Yelp Dataset Challenge两种数据集进行实验,设置了与当前流行的情感分类模型对比、减少通道后的模型对比和更换预训练模型后的对比等3种实验对比方式,最终实验结果表明,本文BCBLA模型在中文和英文两种数据集上测试结果中值分别取得了92.86%和95.55%的最佳效果.     

基于对称双通道脑电信号的注意力检测

注意力不能集中是一种注意力障碍,该现象普遍存在于青少年中,这直接影响人们的学习和工作效率.传统的注意力检测方法大多依赖对表情、姿势等行为的观察,难以客观精准地反映注意力情况.随着生理检测技术的迅猛发展,基于脑电信号的注意力检测近年来受到极大的关注.然而,相关研究仍存在检测准确率不高的问题.本研究收集了155位大学生在注意力集中、注意力非集中和放松3种状态下的脑电信号,并基于信号的小波特征、微分熵特征及功率谱特征,采用多种机器学习方法对3种注意力状态进行了识别.结果表明,脑电信号的小波特征,微分熵特征及功率谱特征可以有效区分被试的注意力状态,且基于对称双通道特征的平均准确率为(80.84±3)%,其检测精度明显高于基于单通道特征的检测精度.     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。