產地類別 | 進口 | 電動機功率 | 3800kW |
---|---|---|---|
讀出方式 | SSI | 工作原理 | 模擬量 |
外形尺寸 | 35*75mm | 外型尺寸 | 25*68mm |
應用領域 | 石油,包裝/造紙/印刷,公安/司法,制藥/生物制藥,電氣 | 重量 | 3kg |
產品簡介
詳細介紹
長多碼率兼容的LDPC編碼器1037780秉銘AFM60A-S4AA004096網每時每刻都承載巨大的客流量,客流量的增多為公共交通網和交通智能調度帶來了巨大的壓力。地鐵站點短時的客流預測是智能地鐵調度系統中重要的決策基礎與技術支持。利用歷史刷卡數據,提出了一種基于深度學習的地鐵短時客流量預測方法,基于棧式自編碼器構建深度神經網絡模型,采用自下而上逐層非監督預訓練,在預訓練結束之后,采用反向傳播BP算法自上而下來微調整個網絡的參數。利用上海一個月范圍內的地鐵刷卡記錄數據進行實驗測試,實驗結果優于小波神經網絡Wavelet-NN與自回歸移動平均模型A對數據越來越重視,各大國內外的電商網站的實際需求是推進推薦算法研究的動力。國內外的電商網站和社交網絡,見的推薦算法是根據用戶的歷史行為數據來推薦用戶可能會購買的或者感興趣的商品或者話題。協同過濾作為目前推進系統中應用廣泛的算法,也是未來推薦系統的重點研究對象和推薦系統的發展方向。其優勢在于能通過用戶-商品的評分矩陣來挖掘出用戶的隱藏特征,并且其處理復雜信息的能力能夠使其很好的適用于實際應用環境。針對協同過濾存在如數據稀疏性、冷啟動等問題。本文結合商品的評論信息來進一步改進算法,標簽生成采用抽取關鍵詞來完成,進一步通過改進的自動編碼器從標簽中挖掘出商品特征矩陣,填充好原始矩陣后,依據上下文語義劃分子群組,后利用預測結果好的子矩陣來產生近似矩陣從而得到預測結果。具體如下:針對評論語料隨意性、無結構、口語化等特點,現有的標簽提取的方法從評論短文本中提取出的標簽存在標簽冗余、語義不獨立等問題。因此改進了K-means聚類的標簽生成方法,該方法保證語義獨立的同時依據其每個聚類中標簽分數值來選取商品標簽。實驗結果表明改進的方法保證標簽相互獨立的同時保證了標簽準確性。針對單層自編碼器挖掘隱藏、克服數據稀疏性能力不足的問題。本文將稀疏自編碼器和邊緣降噪自編碼器組合為稀疏邊緣降噪自編碼器。同時具有著兩種編碼器的特點,稀疏邊緣降噪自編碼器即能夠對數據輸入的噪聲干擾有比較好的魯棒性,也能克服邊緣降噪自編碼器的計算難度大和消耗時間長的難點。針對傳統的協同過濾方法存在稀疏性、冷啟動問題,論文利用評論文本信息和上下文信息來緩解數據稀疏性和冷啟動的問題。具體改進了基于改進子群組的協同過濾推薦方法,論文著重研究評論文本和上下文信息對推薦的作用,所以將商品標簽表征為標簽向量,通過自動編碼器進一步提取隱藏特征,后通過子群組劃分后的潛在信息的遷徙來進一步預測評分矩陣。實驗結果表明所提方法有效的利用了商品標簽和上下文信息,提高了推薦性能視頻監控系統中,考慮到傳輸帶寬、外部存儲空間的限制以及特定場合圖像的無損獲取,要求采集端對圖像數據能夠無損壓縮傳輸。本文基于某公司的視頻監控處理平臺,采用FPGA實現了JPEG2000圖像壓縮系統。主要工作如下:1、在實現JPEG2000壓縮系統的FPGA結構上,采用模塊化的設計方式把整個壓縮系統分為預處理模塊、分量變換模塊、小波變換模塊、系數量化模塊、Tier1編碼器和Tier2編碼器模塊。2、在小波變換模塊:根據實現無損壓縮的需求,采用提升5/3離散小波,并且根據小波變換中提升系數的特點,采用映射結構替代通常的乘法運算,減少了關鍵路徑延時,提升了變換速度;根據提升步驟的分裂、預測和更新特點,利用三級流水線實現一維小波變換,優化了硬件資源和速度。3、在編碼器模塊:Tier1模塊包含了位平面編碼和算術編碼。位平面編碼器的設計采用通道并行方案;在算術編碼器的實現方式上,采用自適應二進制算術編碼和五級流水線方式,提升了編碼器的效率。在Tier2編碼器模塊,根據JPEG2000編碼規則,對Tier1編碼器輸出的壓縮數據進行碼流組織;根據處理平臺的需求,實現20:1的壓縮倍數。后,采用Quartus II和ModelSim進行編譯和仿真,并在ALTERA公司的Stratix III的驗證版上進行驗證,與MATLAB計算結果進行比較,實現了正確的功能。小波變換模塊的作頻率達到97.64MHZ,FPGA的邏輯資源使用率僅為1%;整個JPEG2000壓縮系統的工作頻率為89.53MHZ,FPGA邏輯資源使用率為54%.
長多碼率兼容的LDPC編碼器1037780秉銘AFM60A-S4AA004096隨著核探測與圖像重建技術的發展,已有研究嘗試將正電子發射斷層掃描成像應用于工業件檢測領域,γ光子探測器作為PET技術核心的裝置,具有重要研究價值。由于傳統的醫用探測器探測孔徑與橫斷面成像視野性能固定,并且成本高,無法*適應工業對象需求,需要對探測器的結構、傳感器布局、采集方式等相應地做出調整,由原先的固定型探測器結構向型探測器結構改變。本文針對部分腔體鑄件、泵體管道等工業器件的局部區域檢測需求,結合現有探測器結構存在的不足,提出了兩種實現大探測孔徑小成像視野的傳感器布局方式,并以旋轉采集模式對重建數據的完備性進行優化。通過當前主流的蒙特卡羅仿真平臺進行動態仿真研究與不同布局下計數性能對比,分析了兩種布局方式的優劣。另外仿真中還考慮了鋁合金管道與生物體組織的數據對比實驗,驗證了PET技術應用于金屬材料檢測的可行性。結合采集模式設計了旋轉掃描系統,包括旋轉機架與采集控制軟件。其中旋轉機架可以便捷地與傳感器陣列布局集成,采集控制軟件將機架硬件與傳感器布局相結合,保證旋轉采集過程的可視化與自動化。后通過角度修正下的圖像重建實驗,初步驗證了傳感器均勻布局時的成像能力,給出了探測孔徑與成像視野的比例關系。經過仿真驗證與旋轉掃描系統的功能測試,本文搭建了一種用于工業件局部成像的旋轉式探測裝置,能夠針對一些較大器件的關鍵部位進行檢測。實現了陣列布局與機架可分離的目的,并通過采集控制上位機,可以方便地根據陣列布局設置參數,進行相應的旋轉采集控制。該裝置能夠提高γ光子探測裝置在工業領域的靈活性,大幅降低設備成本.
1037791 | DFS60E-S4CL02048 |
1037792 | DKS40-A5K01024 |
1037793 | DFS60B-T5EK00030 |
1037794 | DFS60B-BEAA04096 |
1037795 | DFS60E-S4EM00720 |
1037796 | DFS60E-BGEC00200 |
1037797 | DFS60A-S4CA32768 |
1037799 | SRS50-HAA0-S21 |
1037800 | SRM50-HAA0-S22 |
1037801 | DFS60E-TDEL00100 |
1037802 | DFS60E-S1CA00500 |
1037803 | DKV60-E2P00200 |
1037804 | DKS40-A5L01024 |
1037805 | DFS60B-S4CL01024 |
1037806 | DFS60E-THEC01000 |
1037807 | DFS60E-TJAC01000 |
1037808 | VFS60E-THAK02048 |
1037809 | ARS60-H1L01024 |
1037810 | DFS60B-THAM03600 |
1037811 | DFS60E-THCA01000 |
1037812 | DFS60E-THCC01000 |
1037813 | DFS60A-THAA65536 |
1037814 | DFS60A-THAC65536 |
1037816 | DFS60B-S4EA00720 |
1037817 | DFS60B-S4CM10000 |
1037818 | DFS60A-S4CA25000 |
1037819 | DFS60B-TEPN10000 |
1037820 | DFS60B-S1EA00900 |
1037821 | DFS60A-S4AC65536 |
1037822 | ARS60-B4A01000 |
1037823 | DFS60B-BBPZ0-S01 |