激光直接快速成形金属零件的机理分析

以Cu粉和Sn粉的混合粉末为对象分析双组元金属粉末的激光烧结成形机理,分析了材料特性和工艺参数对成形机理的影响,设计了双组元金属粉末的烧结机理实验,并对实验结果进行了分析。     

集成电路可测性设计IO复用方法

超大规模集成电路特征尺寸逐步缩小的发展过程中,芯片面积是制约芯片成本的最重要因素之一,也是直接影响半导体产品市场竞争力的最重要因素之一。本文介绍了将所有可测性设计(DFT)的输入输出端口(IO)与各种类型的正常功能工作模式的IO复用的方法,从而达到减少IO并最终减小芯片面积的目的。介绍了输入信号和输出信号分别在单向端口IO和双向端口IO中复用的方法。然后,以一款经过0.18μm逻辑工艺流片验证的flash存储器控制芯片为例,对比了采用IO复用方法前后芯片的利用率和面积,证明了方案的可行性和有效性。     

籽晶粘接工艺对SiC单晶生长质量的影响

空洞等缺陷是SiC晶体生长中常见的缺陷之一。通过改进SiC籽晶粘接工艺,在SiC籽晶和籽晶托之间形成致密层,有效抑制了空洞缺陷的产生,改善了SiC晶体的结晶质量。采用该工艺生长的SiC晶体内已观察不到空洞缺陷,微管密度也得到抑制,晶体半峰宽40″,结晶质量良好。     

激光治疗孔源性局限性视网膜浅脱离的疗效分析

目的本文回顾性总结了1993年6月～2000年5月来我院治疗的孔源性局限性视网膜浅脱离眼资料,并进行疗效分析。方法激光前详细检查眼底,记录视网膜裂孔的位置、形态和大小及视网膜脱离的范围,采用氩离子激光器作激光光凝。激光后每周随访眼底,光凝随着视网膜脱离范围缩小向裂孔方向推进,直至达裂孔边缘,完全封闭裂孔。结果马蹄形裂孔的局限性视网膜浅脱离发生率(26.2％)显著高于圆形裂孔(18.8％);本组资料局限性视网膜浅脱离眼共88只眼,激光治疗有效67只眼,有效率76.14％,其中颞下象限的局限性网脱的治愈率最低(37.15％)积液范围≤2PD治愈率为97.87％,≤3PD为92.42％,＞3PD则疗效显著下降,仅为27.27％,可见积液范围大小对治疗效果有非常显著影响;积液范围≥3PD者,各象限的失败率均高于60％,平均69.57％。结论激光治疗局限性视网膜浅脱离是一种操作简便、疗效显著的临床非手术治疗方法,疗效与裂孔的形态、位置、视网膜下积液范围的大小密切相关。     

智能电磁感知的若干进展

智能电磁感知是电磁探测与成像的系统化和智能化延伸,是安全检查、生物医学、物联网等领域的基础性、关键性和共性问题.近年来,挖掘利用人工电磁材料和人工智能在电磁波调控与数据信息调控方面的强大能力,将其有机结合,并系统地引入电磁感知领域,发展了低成本、高性能的智能电磁感知体制,为电磁感知的进一步发展提供了关键理论和技术支撑....     

结构细化的神经风格迁移

风格迁移过程中风格元素均匀分布在整个图像中会使风格化图像细节模糊,现有的迁移方法主要关注迁移风格的多样性,忽略了风格化图像的内容结构和细节信息.因此,该文提出结构细化的神经风格迁移方法,通过增加边缘检测网络对内容图像的轮廓边缘进行提取实现风格化图像内容结构的细化,凸显内容图像中的主要目标;通过对转换网络中的常规卷积层的...     

基于非对称监督深度离散哈希的图像检索

哈希广泛应用于图像检索任务。针对现有深度监督哈希方法的局限性,该文提出了一种新的非对称监督深度离散哈希(ASDDH)方法来保持不同类别之间的语义结构,同时生成二进制码。首先利用深度网络提取图像特征,根据图像的语义标签来揭示每对图像之间的相似性。为了增强二进制码之间的相似性,并保证多标签语义保持,该文设计了一种非对称哈希方法,并利用多标签二进制码映射,使哈希码具有多标签语义信息。此外,引入二进制码的位平衡性对每个位进行平衡,鼓励所有训练样本中的–1和+1的数目近似。在两个常用数据集上的实验结果表明,该方法在图像检索方面的性能优于其他方法。     

基于深度Q网络的在线服务功能链部署方法

针对5G网络资源状态动态变化和网络模型高维度下服务功能链部署的复杂性问题,该文提出一种基于深度Q网络的在线服务功能链部署方法(DeePSCD)。首先,为描述网络资源动态变化的特征,将服务功能链部署建模成马尔可夫决策过程,然后,针对系统资源模型的高维度问题采用深度Q网络的方法进行在线服务功能链部署策略求解。该方法可以有效描述网络资源状态的动态变化,特别是深度Q网络能有效克服求解复杂度,优化服务功能链的部署开销。仿真结果表明,所提方法在满足服务时延约束条件下降低了服务功能链的部署开销,提高了运营商网络的服务请求接受率。     

FPGA-based implementation of classification techniques: A survey

Recently, a number of classification techniques have been introduced. However, processing large dataset in a reasonable time has become a major challenge. This made classification task more complex and expensive in calculation. Thus, the need for solutions to overcome these constraints such as field programmable gate arrays (FPGAs). In this paper, we give an overview of the various classification techniques. Then, we present the existing FPGA based implementation of these classification methods. After that, we investigate the confronted challenges and the optimizations strategies. Finally, we highlight the hardware accelerator architectures and tools for hardware design suggested to improve the FPGA implementation of classification methods.     

Facial parts swapping with generative adversarial networks

In this paper, we present a novel deep generative facial parts swapping method: parts-swapping generative adversarial network (PSGAN). PSGAN independently handles facial parts, such as eyes (left eye and right eye), nose, mouth and jaw, which achieves facial parts swapping by replacing the target facial parts with source facial parts and reconstructing the entire face image with these parts. By separately modeling the facial parts in the form of region inpainting, the proposed method can successfully achieve highly photorealistic face swapping results, enabling users to freely manipulate facial parts. In addition, the proposed method is able to perform jaw editing based on sketch guidance information. Experimental results on the CelebA dataset suggest that our method achieves superior performance for facial parts swapping and provides higher user control flexibility.