基于关键路径延时检测的自适应电压缩减技术

为了减小传统的最差情况设计方法引入的电压裕量,提出了一种变化可知的自适应电压缩减(AVS)技术,通过调整电源电压来降低电路功耗.自适应电压缩减技术基于检测关键路径的延时变化,基于此设计了一款预错误原位延时检测电路,可以检测关键路径延时并输出预错误信号,进而控制单元可根据反馈回的预错误信号的个数调整系统电压.本芯片采用SMIC180 nm工艺设计验证,仿真分析表明,采用自适应电压缩减技术后,4个目标验证电路分别节省功耗12.4％,11.3％,10.4％和11.6％.     

小规模铂生产商从Anglo铂业公司的缩减中获利

据报道，Anglo铂业公司目前正采取从项目中退出的策略，而不是上新的项目一这和很多它的竞争对手不一样-但这种方式证明对小运营商是有用的。公司的立场很大程度上可以用南非的采矿法令解释，在南非，     

一种高并行度的H.264帧内预测器的VLSI设计

分析了帧内预测的17种模式,对于每个4×4大小块的16个像素点的不同模式的预测公式之间的相同运算,采用数字强度缩减的方法去除计算的冗余,提出了一种高并行度的帧内预测器,可以每个时钟周期处理16个像素点的预测值。基于SMIC0.18μm工艺,用verilog对该设计进行了VLSI实现,综合后的电路的关键路径最大时延为10ns,电路规模不超过1.4万门,数据吞吐率可以达到1600Msamples/s。从实现结果来看,与采用可重构方法的设计相比,该设计在相同的并行度下减小了电路面积,简化了控制逻辑。     

一种格缩减辅助MIMO检测的非线性量化算法

针对格缩减辅助MIMO检测中,采用格缩减技术后导致星座畸变,引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法。该算法同时考虑了变换星座的边界和各元素之间的相关性,且根据量化误差的大小选择信号元素量化判决的顺序,依次量化判决信号的各个元素。仿真证明,基于该算法的格缩减辅助MIMO检测其性能要优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好的逼近最大似然检测的性能,在平坦块衰落信道下,算法复杂度为多项式复杂度。     

多段支持度数据频繁模式关联规则挖掘仿真

针对传统数据关联挖掘过程只适用于单段数据集,导致内存负担重、挖掘频繁项集效率不高等问题,提出一种多段支持度数据频繁模式关联规则挖掘方法.运用多支持度算法对数据集逐步搜索,数据集按照数据项的MIS大小有序排列,采用最小值作为最小支持度,确保该算法的地推性.构建FP_ tree树,利用FP_tree算法对待选项实施剪枝,从而准确挖掘出频繁模式的关联规则.仿真结果证明,多段支持度数据频繁模式关联规则挖掘具有较好的性能,有效提高了关联规则的挖掘效率.     

基于随机方差减小方法的DDPG算法

针对深度确定性策略梯度算法（DDPG）收敛速度比较慢,训练不稳定,方差过大,样本应用效率低的问题,提出了一种基于随机方差减小梯度方法的深度确定性策略梯度算法（SVR-DDPG）。该算法通过利用随机方差减小梯度技术（SVRG）提出一种新的创新优化策略,将之运用到DDPG算法之中,在DDPG算法的参数更新过程中,加入了随机方差减小梯度技术,利用该方法的更新方式,使得估计的梯度方差有一个不断减小的上界,令方差不断缩小,从而在小的随机训练子集的基础上找到更加精确的梯度方向,以此来解决了由近似梯度估计误差引发的问题,加快了算法的收敛速度。将SVR-DDPG算法以及DDPG算法应用于Pendulum和Mountain Car问题,实验结果表明,SVR-DDPG算法具有比原算法更快的收敛速度,更好的稳定性,以此证明了算法的有效性。     

低码率图像的快速SV拟合及其最优码流结构的描述方法

给出了一个在低码率图像描述中应用最优支持向量(SV)描述的编码算法,提出一个训练样本集缩减策略,在支持向量机(SVM)模型中用于快速拟合重要的交流(AC)系数,它能够在基本保持原有精度的前提下,有效地提高SVM的回归速度,减少输出参数;提出了直流(DC)系数的按位差分预测编码方法和压缩性能更好的码流产生方法。实验结果表明,该方法不仅缩减了编码时间,而且在相同码率下能获得更好的图像质量。以往基于SV的编码未提及码流结构的描述方法,而快速SV拟合和数据组织方法克服了以往算法可行性差的缺点。     

柯尼卡美能达助办公设备运行成本缩减30%

从现状来看,能够很好的把握每月办公设备的运行成本的公司不是很多,为此柯尼卡美能达提供的"评估调查"*办公解决方案就能帮您一以现状调查分析为基础,对办公设备的输出量、总体使用成本进行可视化分析的基础上,优化办公设备配置,降低办公管理成本,提高办公安全性.     

奥地利零售商采用BMC软件大幅缩减IT成本

欧洲顶级零售商卡斯特纳奥勒（以下简称卡奥）宣布,借助BMC软件公司的解决方案,公司成功推迟了一项昂贵的CPU升级计划,并彻底避免了高昂的软件升级需求。     

数据挖掘中的三维缩减

1 引言在知识发现和数据挖掘技术的实际应用中,为了对大规模数据库进行高效处理,通常采用数据缩减的预处理方法。数据缩减(又称数据浓缩)就是将原始数据转换到某种更加紧凑形式而又不丢失有意义的语义信息的过程。有效的数据缩减方法不仅能显著削减数据量,提高知识发现效率,而且还可以简化学习获得的