排序方式: 共有33条查询结果,搜索用时 15 毫秒
21.
结构新颖的多维加速度传感器 总被引:1,自引:0,他引:1
采用一种新颖的结构,实现加速度矢量多维分量一体化测量和很好地解决传感器固有频率与灵敏度的矛盾。系统地分析其敏感原理,并对以此种结构制成的传感器实测固有频率与设计值的差异进行理论分析,得出设计公式是实用的、有效的结论。 相似文献
22.
针对卷积神经网络(CNN)推理计算所需内存空间和资源过大,限制了其在嵌入式等"边缘"设备上部署的问题,提出结合网络权重裁剪及面向嵌入式硬件平台数据类型的数据量化的神经网络压缩方法。首先,根据卷积神经网络各层权重的分布,采用阈值法对网络精确率影响较小的权重进行裁剪,保留网络中重要连接的同时除去冗余信息;其次,针对嵌入式平台的计算特性分析网络中权重及激活函数所需的数据位宽,采用动态定点量化方法减小权重数据的位宽;最后,对网络进行微调,在保障网络模型识别精度的前提下进一步压缩模型大小并降低计算消耗。实验结果表明,该方法降低了VGG-19网络95.4%的存储空间而精确率仅降低0.3个百分点,几乎实现无损压缩;同时,通过多个网络模型的验证,该方法在平均1.46个百分点精确率变化范围内,最大降低网络模型96.12%的存储空间,能够有效地压缩卷积神经网络。 相似文献
23.
蒲石河抽水蓄能电站是东北地区待建的最大抽水蓄能电站,总装机120万KW,设计水平年 1267人,在移民安装规划过程中,借鉴了世行贷款的成功移民经验,依据国内的有关条例规定,进行了深入细致的调查工作,在此基础上确定了移民安置途径和方式,并做了水库淹没处理补偿投资概算。此规划于1995年末完成,移民规划的设计精度达到了国内初设和世评估阶段的要求。 相似文献
24.
卷积神经网络的高计算复杂性阻碍其广泛用于实时和低功耗应用,现有软件实现方案难以满足其对运算性能与功耗的要求,传统面向FPGA的卷积神经网络构造方式具有流程复杂、周期较长和优化空间较小等问题。针对该问题,根据卷积神经网络计算模式的特点,提出一种面向云端FPGA的卷积神经网络加速器的设计及其调度机制。通过借鉴基于HLS技术、引入循环切割参数和对卷积层循环重排的设计,采用模块化方式构造网络,并进行参数拓展以进一步优化加速器处理过程;通过分析系统任务和资源的特性总结调度方案,且从控制流和数据流两方面对其进行优化设计。与其他已有工作相比,提出的设计提供了一种同时具有灵活性、低能耗、高能效和高性能的解决方案,并且探讨了加速器的高效通用调度方案。实验结果表明,该加速器可在有效提高运算整速度的同时减少功耗。 相似文献
25.
26.
采用本体聚合,将自制的含有4—(4’—羟基苯基)—2,3—二氮杂萘—1—酮(DHPZ)^[1—3]作为单体引入双组分聚氨酯的固化剂中,合成了一类新型的含杂萘三联苯结构的聚氨酯胶粘剂。DHPZ的扭曲和非共平面杂环结构使聚合物难以实现长程有序。从而提高了其刚性和耐高温性能。常温拉伸强度不低于20MPa,而且具有较强的耐酸,耐水水解性能。以FT-IR,DSC,TGA等分析手段研究了聚合物的结构和耐热性能。结果表明,新型聚氨酯胶粘剂具有高的玻璃化转变温度(Tg=340~370K),氮气氛中10%热质量损失温度为570K,在520K的温度下无热质量损失。该胶粘剂可以在高温条件下使用。 相似文献
27.
卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能. 相似文献
28.
搜集了国际国内发电机、变压器状态检修的资料,通过对其状态分析和故障诊断技术的研究,提出了发电机、变压器状态检修的基本方法和步骤。 相似文献
29.
30.