排序方式: 共有23条查询结果,搜索用时 0 毫秒
1.
基于忆阻存储阵列的状态逻辑电路是打破“冯·诺依曼瓶颈”,实现存内计算的有效途径。然而,目前针对存内状态逻辑电路的研究多以二维忆阻存储阵列为基础平台,缺少对更复杂的三维忆阻存储阵列中状态逻辑实现的讨论。相比于平面二维阵列,三维忆阻存储阵列拥有更大的存储密度和更丰富的器件连接关系,能对状态逻辑门的构建提供更灵活的配型方法。因此,有必要对状态逻辑门在三维存储阵列中的配型和级联过程进行专门讨论。立足平面堆叠型三维忆阻存储阵列,从基本状态逻辑门的实现以及支持级联的综合映射方法2个方面对复杂状态逻辑计算过程实现进行研究。首先,分析并总结了平面堆叠型三维忆阻存储阵列中器件的连接关系,并据此得出实现两输入布尔逻辑的状态逻辑门配型要求。其次,提出一种复合状态逻辑门,通过将逻辑输入与逻辑输出共享同一个忆阻器,来一步实现复杂逻辑功能(例如,定义为ONOR),节省复杂状态逻辑计算过程的步骤与器件数目。最后,还给出了基于三维忆阻存储阵列中复杂状态逻辑计算实现的自动化综合映射方法。对LGsynth91基准的测试结果表明,与当前二维阵列中的最优映射结果相比,提出的基于三维忆阻存储阵列的综合映射方法实现了层间的逻辑计... 相似文献
2.
中学生足球训练是学校业余训练的一项重要科目,应该主要从基本功训练入手,加强比赛意识的培养等来培养学生的足球业余爱好,达到锻炼身体,增强体质,锻炼意志品质,提高心理素质的目的。 相似文献
3.
探索影响基站安装工程质量的因素.运用已有质量管理原理及深度访谈方法,分析得出影响因素并建立了理论结构方程模型.通过对西安某通信工程企业调研,并进行模型实证分析,得出各因素对基站安装工程质量的作用关系,提出质量改进的建议. 相似文献
4.
5.
为克服碳酸熔盐热导率较低的不足,提出通过向三元碳酸熔盐(Li2CO3-Na2CO3-K2CO3)掺杂金属镁粉来改善导热性能的新思路,采用静态熔融法制备了掺杂1%、2%掺镁碳酸熔盐复合材料。采用扫描电镜-X射线能谱、阿基米德法、差示扫描量热法(DIN比热测试标准)和激光闪光法,分别观察了掺镁碳酸熔盐形貌结构,测量了熔盐和复合熔盐液体的密度、比热容、热扩散系数,最后计算获得复合熔盐液体的热导率。研究结果表明,镁粉的加入改变了纯盐(三元碳酸熔盐)的形貌结构,熔体内形成大量的2~5 μm球体颗粒,与纯盐相比,1%掺镁碳酸熔盐液体密度、热扩散系数和热导率都得到增强,液体比热容减小,复合熔盐液体的平均热导率增加了21.67%;2%掺镁碳酸熔盐液体密度、热扩散系数和热导率同样得到增强,虽然复合熔盐液体的比热容减小,但其平均热导率仍然增加了19.07%。1%掺镁碳酸熔盐具有更高的液体密度、热扩散系数和热导率,可作为传热介质在太阳能热发电传蓄热系统推广。 相似文献
6.
移动通信基站节能控制的理论与实践 总被引:3,自引:0,他引:3
为探索移动通信基站节能的有效方法,在研究基站耗电的主要构成、机房内外气温变化统计情况的基础上,设计一种可行的基站节能系统.通过减少基站空调的工作时间,达到减少耗电、节约电能的目的.应用试验表明,系统可在保证机房工作环境的同时,大幅降低基站空调耗电. 相似文献
7.
工业控制系统除了应用于生产制造行业外,还广泛应用于交通、水利和电力等关键基础设施.随着工业数字化、网络化、智能化的推进,许多新技术应用于工业控制系统,提高了工业控制系统的智能化水平,但其也给工业控制系统的安全带来严峻的挑战.因此,工业控制系统的安全倍受研究人员的关注.为了让研究人员系统化地了解目前的研究进展,调研了近3年Web of Science核心数据库、EI数据库和CCF推荐网络与信息安全国际学术会议中发表的与工业控制系统安全相关论文以及其他相关的高水平研究工作.首先,介绍工业控制系统的体系结构及面临的威胁.然后,依据工业控制系统的体系结构,自上而下将其安全研究工作分为ICS-云平台通信安全、HMI-设备通信安全、设备固件安全以及其他安全研究,并从攻击和防御角度进行分析和整理.最后,提出当前工业控制系统安全研究依然面临的主要挑战,并指出未来研究发展的方向. 相似文献
8.
9.
米糠蛋白提取中的关键影响因素及其优化 总被引:1,自引:0,他引:1
研究米糠蛋白制备过程中存在的提取率低、产品颜色深等问题。在单因素试验的基础上,采用中心组合试验设计与响应面分析方法对提取温度、pH值、液料比以及辅助剂用量4因素进行优化,建立响应值(包括蛋白提取率与提取液色泽)与各影响因素之间的回归方程,得出最优提取条件为提取温度40.8℃、液料比12:1(mL/g)、pH10.5、辅助剂用量0.5%,此条件下米糠蛋白理论提取率为60.4%,提取液色泽理论值(L值)56.7;验证实验表明蛋白提取率59.5%,提取液色泽L值58.1,证明优化结果是可靠的。 相似文献
10.
传统的推荐系统面临着诸如数据稀疏性、无法解释的推荐等几个挑战。为了解决这些问题,许多研究通过挖掘评论文本语义信息来提高推荐性能。然而,这些方法在文本特征建模和文本交互方面存在问题。在文本建模方面,它们简单地将用户/物品的所有评论拼接成一个单一的评论。然而,单词/短语级别的语义信息可能与评论文本的整体语义信息相悖。在文本交互方面,它们将交互推迟到预测层,无法捕捉用户和物品之间复杂的相关性。为了解决这些问题,我们提出了一种新颖的基于层次型文本交互的表示学习方法。在该方法中,我们以层级方式对低级单词语义和高级评论文本进行建模,以便在不同粒度上挖掘文本信息。为了进一步捕捉复杂的用户-物品的交互关系,我们提出在不同层次上挖掘用户-物品之间的语义关联。在单词级别上,我们提出了一种针对每对用户-物品个性化的注意力机制,来捕捉表示每个评论的重要单词。在文本级别上,我们在用户和物品之间相互传播文本语义信息,并捕捉针对目标任务有用的评论文本。最后,我们通过协同过滤框架,将该方法应用于评分预测应用场景,并通过在公开数据集上的对比实验,证明该方法在评分预测方面的性能优于现有方法。 相似文献