光寻址电位传感器及其应用

光寻址电位传感器(LAPS)是一种基于半导体光电效应的化学传感器,在稳定性、重复性、灵敏度、准确性和响应速度等方面具有优良的性能。介绍了LAPS的基本原理和测量方法,阐述了LAPS在细胞传感器、图像传感器、金属离子敏感薄膜传感器、气体传感器及生物医学领域中的应用,并对其存在问题和研究方向进行了总结和展望。     

基于Agent的分形供应链自适应协同计算

应用分形、智能Ａｇｅｎｔ和神经网络自适应控制技术,研究分形供应链适应环境变化的结构模式和策略模式．探讨了分形供应链Ａｇｅｎｔ关联结构,提出了分形供应链双层自适应协同计算模式,论述了资源Ａｇｅｎｔ,信息协调Ａｇｅｎｔ,人机交互Ａｇｅｎｔ和领域计算Ａｇｅｎｔ之间的相互作用关系．以一个分形模块的策略协同为分析对象,研究了领
域单元的自适应协同计算模式,分析了分形模块的成本模型,并对基于Ａｇｅｎｔ交互的神经网络模型部分进行了算例仿真．

     

安全的MPEG压缩视频数字隐写算法

视频数字隐写具有隐藏容量大的优点,但是通常在获得隐藏容量的间时,却忽视了安全性.为了在二者之间取得平衡,利用纠错码信息隐藏的原理,提出了一种以压缩视频为载体的数字隐写算法.该算法在进行秘密信息嵌入时,采用了二次嵌入的策略,即首先将秘密信息嵌入到纠错码码字,然后将得到的载密纠错码码字嵌入到与不采用差分编码的系数相对应的行程幅度对的幅度值,同时采用比特率控制策略来减小信息嵌入前后的视频流长度变化.实验及分析表明,该算法的隐写结果不仅具有较好的视觉和统计上的不可感知性,而且满足密码学中的"Kerchhoff准则".此外,该算法在确保一定的嵌入容量的情况下,能够使视频流长度在信息嵌入前后保持近似不变.     

怎样用Excel制作物理实验成绩单

Excel是微软公司出品的Office办公软件中一个电子表格软件,可用来制作电子表格、完成许多复杂的数据运算、进行数据的分析和预测等,并且具有强大的制作图表的功能。     

怎样用Excel制作物理实验成绩单

Excel是微软公司出品的Office办公软件中一个电子表格软件,可用来制作电子表格、完成许多复杂的数据运算、进行数据的分析和预测等,并且具有强大的制作图表的功能。 其强大的功能,我们没有必要一一掌握。而用其来制作物理实验成绩单,则是比较简单的工作。下面结合笔者在华东师范大学物理实验教学中心（以下简称“中心”）做助教的体会和实践,与读者分享一下自已的一点点经验,以飨读者。     

一种用于声纳系统的高速数据实时存储系统

在声纳工程领域,试验数据都是不可多得的宝贵资料,因此经常需要对大量数据进行实时存储。Windows操作系统能在一定程度上满足大量数据的存储,但实时性不够好。本文提出了一种基于嵌入式实时操作系统VxWorks的海量数据存储方法,并解决了大硬盘的I/O访问、数据在Windows操作系统下转存的问题,这些方法都已经得到了实际的应用。     

阵列水声信号采集系统设计

提出了一种新型大规模阵列水声信号采集系统设计方法。该设计基于数据流驱动设计思想,利用FPGA实现了高速LINK口,同时在数据传输中采用独特的两级缓冲结构,因而系统拓扑结构灵活,数据吞吐率高,同时具备同步性能好,扩展性强的特点。     

一种同步串口的设计与实现

数字信号处理器（DSP）是一种新型的、结构特殊的高速单片微处理器,在电子工业领域得到了越来越广泛的应用。在DSP应用系统设计中,必不可少的是各种通信接口的设计。介绍了一种DSP中的同步串口的系统级和行为级设计过程,采用Verilog硬件描述语言设计其同步电路,并通过NCverilog仿真工具进行了功能验证,保证了其设计正确性。文中的同步串口是采用IP核的方法设计的,可重用于不同DSP中,大大缩短产品的开发周期。     

WiFi接口的IAD内部带宽控制策略

近年来在一些国家新出现了运营商测试大区域内部署无线局域网的情况,而在较大范围内部署WIFI网络上提供语音和数据,使用IAD（综合接入设备）能够给运营带来极大的便利。IAD其内部存在着语音和数据流量的带宽竞争关系,其控制策略在不同应用模式下尤其在加入WiFi接口后有所不同,用以保证语音质量不受到突发数据或者带宽波动较大等情况影响。介绍了带WiFi接口的综合接入设备在Wifi网络中的应用,和在产品研发过程中为解决IAD内部的语音和数据流量竞争和分流控制所采取的一系列策略,在测试环境中实施这些控制策后无论带宽竞争是在通话过程中还是先有数据流量的情况下都能实现给语音流量合理分配带宽。     

无偏稀疏正则化的双策略结构神经网络压缩

虽然深度神经网络模型的性能十分出色,但目前网络存在规模庞大、权重冗余度高的问题。同时,现有对网络权重剪枝的正则子估测偏差大。因此,本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先,本文将神经网络所连接权重视为一组,提出采用估测值偏差小的非线性拉普拉斯函数,构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子,对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束,构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次,针对所设计的无偏稀疏正则化的网络压缩优化难题,本文采用近端算子技术获得无偏稀疏正则子的闭式解,进而设计基于近端梯度下降法的反向传播算法,实现神经网络准确的结构压缩。最后,通过在数据集MNIST、 FashionMNIST和Cifar-10进行实验验证,本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下,相比已有的方法识别精度平均提升2.3%,在识别保持精度基本一致的情况下,相对已有方法平均提升11.5%的压缩率。