时序电路等价验证的触发器匹配

通常的时序电路等价性验证方法是将触发器按时序展开,从而将时序电路转化为组合电路进行验证。而一般在待验证的两个时序电路中,触发器是一一对应的,找到触发器的对应关系,时序电路的验证就会得到很大的简化。该文通过一种新的基于布尔可满足性(SAT)算法的自动测试模式生成(ATPG)匹配模型建立联接电路,使用时序帧展开传递算法比较触发器的帧时序状态输出,同时在SAT解算中加入信息学习继承等启发式算法,将时序电路的触发器一一匹配。在ISCAS89电路上的实验结果表明,该文算法在对触发器的匹配问题上是非常有效的。     

一种基于迁移学习的车道线检测方法

鉴于车道线检测在自动驾驶中占据重要地位,文章提出一种基于迁移学习的车道线检测方法,用Darknet53替代原DeepLabv3+的特征提取网络.针对图片中车道线类与背景类分布极不平衡的问题,使用Focal Loss函数替代CE Loss函数.实验结果表明,该方法的检测效果比原网络好,平均交并比达到76.95％,具有良好...     

多媒体教学在临床护理中的应用

通过多媒体教学已经成为一种时代发展的需求,传统的板刷式教学模式正在逐步被淘汰,近年来,计算机的迅猛发展,给带教护士的教学带来了冲击,随着多媒体进入课堂,由于它以图文并茂、动静皆宜、声像俱佳的表现形式,将课堂教学引入全新的模式,深受年轻带教护士和学生的欢迎。事物的发展要一分为二,多媒体教学既有优越性也有局限性。只有做到多媒体与教学科学有机地结合,才能发挥其最大效能。在护理教学中,往往参杂着好多案例和实物展示,通过口头讲述,护生往往听不明白,再加上医院条件限制,科室没有黑板,给教学带来了困难,多媒体的出现,改变了这一现状。     

应用于宽频率范围的小卫星通信侦察信号处理方案

针对日益增强的小卫星平台搭载电子侦察载荷的需求,提出一种应用于宽频率范围的通信侦察信号处理方案,在一片集成度较低的FPGA中完成信号数字下变频、频谱分析、数据存储和传输等复杂功能。通过在FPGA中进行滤波器、存储器复用等办法,充分利用现有FPGA的资源,减少器件数量,实现了平台对载荷小型化、低功耗、功能全、效率高的要求。试验结果验证了该设计的实用性。     

红外瓦斯传感器在小煤矿的应用的可行性分析

红外瓦斯传感器以其测量精度高,稳定性好的特点,通过对红外检测原理的详细分析,并结合小煤矿使用的实际情况,分析出红外瓦斯传感器能够在小煤矿应用是可行的。     

采用概率密度比值估计的距离度量学习

现有的距离度量学习算法都是假设训练数据和测试数据服从相同的分布,但是该假设在实际中不一定成立。当训练数据和测试数据的分布不同时,利用训练数据学习得到的度量函数可能难以适用于测试数据。针对上述问题,本文在NCA (Neighbourhood Components Analysis)度量学习方法的基础上,通过引入概率密度比值对目标函数加权,提出了一种采用概率密度比值估计的距离度量学习方法(Distance metric learning with Probability Density Ratio Estimation, DML-PDR)。在UCI数据集和Corel图像库上的KNN分类实验表明,新方法克服了传统度量学习方法的不一致问题,提高了分类的准确率。      

基于时序时空双流卷积的异常行为识别

针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆（LSTM）网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。     

基于Transformer的航空目标检测算法

近几年,基于深度学习的目标检测算法在航空图像检测任务中得到了广泛应用。针对传统水平目标检测算法无法定位航空图像中大量密集排列的倾斜目标问题,提出了TF-BBAVectors模型算法来实现航空图像中倾斜目标的检测任务。为了避免深度卷积神经网络(Deep Convolutional Neural Network, DCNN)带来的网络退化等问题,使用Transformer结构搭建特征提取网络;针对密集的、小尺度图像目标的问题,采用多尺度特征融合的方法提升检测效果;针对倾斜目标检测的问题,通过边界框边缘感知向量表示任意角度的倾斜目标。在DOTA1.0和SSDD+数据集上的部分测试结果表明,此方法的平均精度分别为72.39%和79.98%,证明了TF-BBAVectors模型算法的有效性。     

基于脉冲序列核的脉冲神经元监督学习算法

脉冲神经元应用脉冲时间编码神经信息,监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性,构建高效的脉冲神经元监督学习算法非常困难,同时也是该研究领域的重要问题.基于脉冲序列的核函数定义,提出了一种新的脉冲神经元监督学习算法,特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则,并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学习任务,期望脉冲序列采用Poisson过程或线性方法编码,并分析了不同的核函数对算法学习性能的影响.实验结果表明该算法具有较高的学习精度和良好的适应能力,在处理复杂的时空脉冲模式学习问题时十分有效.     

基于反复加深的模糊启发式搜索算法及其学习性质研究

本文基于反复加深和动态修改启发式估价函数这一机制。提出了模糊启发式搜索算法ＦＩＤＡ和Ｉｍｐｒｏｖｅｄ－ＦＩＤＡ。针对模糊启发式估价函数通常难以设计这一问题，提出了可用于模糊启发式估价函数学习的学习算法ＬＦＩＤＡ。