关闭

智能应用

所属频道 物联网
  • 围观电池充电器电路的“非主流”

    在现代科技的迅猛发展中,电池充电器电路的设计与创新从未停歇。传统的充电器电路大多遵循固定的模式和原理,然而,一些创新者和工程师们却致力于探索更为高效、智能和独特的充电器电路设计。这些“非主流”的电池充电器电路不仅提高了充电效率,还增强了电池的使用寿命和安全性。

  • 串口WiFi调试:术语解析与硬件设计经验

    串口WiFi模块作为新一代嵌入式WiFi模块,因其体积小、功耗低的特点,广泛应用于物联网、智能家居等领域。

  • 利用 AWS 的事件驱动数据网格架构应对现代数据挑战

    在当今数据驱动的世界中,企业必须适应数据管理、分析和利用方式的快速变化。传统的集中式系统和整体架构虽然在历史上已经足够,但已不再足以满足需要更快、实时访问数据洞察的组织不断增长的需求。该领域的一个革命性框架是事件驱动的数据网格架构,当与 AWS 服务相结合时,它成为解决复杂数据管理挑战的强大解决方案。

  • 安全云部署的 12 条专家级建议

    根据2024 年云安全研究,31% 的网络攻击优先考虑 SaaS 应用程序,紧随其后的是 30% 针对云存储,26% 针对云管理基础设施。云资源已成为黑客的主要目标——考虑到公司现在存储的大量数据,这并不奇怪。这些不仅仅是小规模事件。 2023 年 6 月,丰田汽车公司就因云配置错误而导致的重大数据泄露事件致歉,该事件可能会泄露数百万客户的信息。

  • 如何选择合适的部件和管理DC-DC转换器的散热

    在设计和实施DC-DC转换器时,必须认真考虑部件的选择和热管理,以确保最佳性能、效率和可靠性,本节将讨论这些方面的重要性,并指导如何选择合适的部件和管理DC-DC转换器的热散散。

  • 为什么CPU是人工智能推理的最佳处理器

    先进的人工智能(AI),就像生成型人工智能一样,正在增强我们所有的智能设备。然而,一个常见的误解是,这些AI工作负载只能在云和数据中心处理。事实上,大多数人工智能推理工作负载在实际设备上可以在边缘进行处理,而这些工作负载比训练要便宜和快。

  • 基于FPGA的“俄罗斯方块”设计

    在当今的数字时代,现场可编程门阵列(FPGA)因其灵活性和高性能,被广泛应用于各种嵌入式系统和游戏开发中。本文将介绍一个基于FPGA的“俄罗斯方块”游戏设计,详细阐述系统架构、模块划分及实现原理,并附上部分代码示例。

  • 基于深度学习的人体动作识别系统:技术进展与应用前景

    随着人工智能技术的飞速发展,人体动作识别技术作为计算机视觉领域的重要分支,正逐渐展现出其在人机交互、智能监控、虚拟现实、健身娱乐等领域的巨大潜力。基于深度学习的人体动作识别系统,通过利用深度学习技术和计算机视觉方法,实现了对人类动作的准确识别与理解,为智能交互提供了新的可能。

  • 多核实时操作系统的确定性调度设计

    随着多核处理器技术的不断发展,其在嵌入式系统、航空航天、工业自动化等领域的应用日益广泛。然而,多核并行系统在带来性能提升的同时,也引入了一系列新的挑战,特别是在实时性和确定性方面。为了满足这些领域对任务调度的高要求,多核实时操作系统的确定性调度设计成为了研究的热点。

  • 基于深度学习的声信号分类识别方法(含伪代码)

    声信号分类识别是信息处理领域的一个重要分支,广泛应用于语音识别、环境监测、智能家居等多个领域。传统方法往往依赖于手工设计的特征提取和分类器设计,但其泛化能力和识别精度有限。随着深度学习技术的快速发展,其在声信号分类识别中的应用日益广泛,显著提高了识别精度和鲁棒性。本文将介绍基于深度学习的声信号分类识别方法,并提供相关代码示例。

  • 有管理共享内存设计方法的具体实现

    有管理的共享内存设计方法的具体实现涉及多个方面,包括内存分配与回收、访问控制、同步机制以及性能优化等。以下是对这些方面的详细介绍:

  • 多核异构模式下有管理的共享内存设计方法

    随着嵌入式系统、高性能计算和物联网技术的飞速发展,多核异构处理器已经成为当前计算平台的重要组成部分。多核异构处理器通过集成多种类型的处理器核心(如高性能CPU核心、GPU核心、NPU核心等),能够同时满足高性能计算和节能降耗的需求。然而,多核异构处理器的设计也带来了新的挑战,尤其是在内存管理和数据同步方面。本文将探讨多核异构模式下有管理的共享内存设计方法,以实现高效的数据交换和同步,提升系统整体性能。

  • 适用FPGA的小型神经网络:加速边缘智能的新篇章

    在人工智能(AI)技术日新月异的今天,神经网络作为其核心驱动力,正逐步渗透到各个行业与领域。然而,传统的神经网络模型往往受限于计算资源和功耗,难以在边缘设备上实现高效运行。现场可编程门阵列(FPGA)作为一种高性能、低功耗的硬件加速器,为小型神经网络的部署提供了理想的平台。本文将深入探讨适用于FPGA的小型神经网络,以及它们在边缘智能应用中的独特优势。

  • 使用PYNQ训练和实现二值神经网络(BNN):加速边缘智能的新途径

    在人工智能(AI)的浪潮中,深度学习模型正逐渐渗透到各个行业和领域。然而,传统的深度学习模型通常计算量大、功耗高,难以在资源受限的边缘设备上实现高效运行。为了解决这一问题,二值神经网络(BNN)应运而生。BNN通过将权重和激活值二值化(即取值为+1或-1),极大地降低了计算复杂度和功耗,使其更适合在边缘设备上部署。本文将介绍如何使用PYNQ平台来训练和实现BNN,并附上相关代码示例。

    物联网
    2024-10-24
  • CCIX在高速缓存一致性主机到FPGA接口中的应用评估

    随着数据中心、云计算和大数据等领域的快速发展,对高性能计算和异构计算的需求日益增长。在这样的背景下,缓存一致性互联标准CCIX(Cache Coherent Interconnect for Accelerators)逐渐成为连接主机处理器(如CPU)和加速器设备(如FPGA)的关键技术。本文旨在评估CCIX在构建高速缓存一致性主机到FPGA接口中的应用,探讨其优势、挑战,并提供相关代码示例。