排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
深度学习算法和GPU算力的不断进步正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明深度学习技术的成熟度还远未达到安全攸关应用的要求,因此对可信人工智能系统的研究已经成为了一个热点方向.本文对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题,然后从深层神经网络的轻量化设计、GPU时间分析与任务调度、CPU+GPU SoC异构平台的资源管理、深层神经网络与网络加速器的协同设计等多个方面对现有的研究工作进行了分析和总结,最后展望了面向实时应用的深度学习领域进一步的研究方向. 相似文献
2.
由于电力信号频率波动,导致离散时间傅里叶变换(DTFT)存在频谱泄露和栅栏效应等问题,影响间谐波检测精度.传统算法利用加窗函数抑制频谱泄露,并做插值计算解决栅栏效应问题.根据实数域频谱特点和插值算法基本原理,分别构造实数频谱三谱线插值算法和六谱线插值算法,其中六谱线插值算法利用谱线叠加可以实现抑制频谱泄露.通过算例分析,对频率检测结果表明提出的算法检测精度高,其中实数域六谱线插值算法误差比传统算法减小一个数量级;对间谐波幅值检测结果表明实数域六谱线插值检测精度较高,且精度可以通过参数进行调节. 相似文献
1