排序方式: 共有129条查询结果,搜索用时 15 毫秒
1.
自旋转移力矩磁隧道结(STT-MTJ)是一种新兴的非易失性存储单元.因为有着掉电后数据不丢失、无限的写次数、与CMOS工艺兼容、不会增加器件面积以及良好的可缩放性等诸如多优点而得到了广泛的研究.但是由于目前的工艺厂商尚未推出相应的模型,研究者难以先期使用该技术进行电路设计.文章介绍了STT-MTJ的工作原理,详细研究了使用Verilog-A对STT-MTJ建模的思路,并在HSPICE中进行了仿真验证,为后续的STT-MTJ研究奠定了基础. 相似文献
2.
3.
4.
以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有"灾难性遗忘"现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。 相似文献
5.
基于便携式传感器的模式识别在心电(ECG)监护领域具有广泛的应用前景,并且在心律不齐、心肌梗塞、心室肥大等心电的识别算法上都已有大量的研究与应用,但在心房肥大诊断上却未有模式识别相关的研究成果。心房肥大病症的心电数据量不足给研究造成重大障碍,部分分类器无法适应小样本训练下的分类。针对小样本训练进行研究,对比了不同分类方法,显示了基于统计模式识别的支持向量机(SVM)应用于心房肥大的应用潜力。另外,由于不同个体的心房肥大心电存在差异,在实际应用环境中,SVM存在无法良好泛化的问题,存在类别错分的医学风险。针对类别错分情况,采用分类器融合的方法改进分类器,提出了在SVM分类器输出端增加了拒绝域的分类器(SVM-R)的方法。实验结果表明:SVMR有较高的分类准确率与诊断可信度。 相似文献
6.
7.
8.
9.
10.
印制电路板可制造性设计评价模型与知识库 总被引:2,自引:0,他引:2
在成品率损失及相关设计特征的基础上,分析印制电路板制造过程,建立了可进行相对成本估算的可制造性设计四元组评价模型与可制造性设计知识库,并介绍了一个过程性知识的实现。最后,提出了一个基于计算机支持的协同工作平台的印制电路板互联网可制造性设计系统,实现了制造知识更新、设计制造信息共享的功能,并用实际示例对可制造性设计评价模型与知识库进行了验证。 相似文献