关闭

智能应用

所属频道 物联网
  • 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。

  • 使用机器学习预测FPGA的执行时间与功耗:一种创新的方法

    随着科技的飞速发展,现场可编程门阵列(FPGA)在高性能计算、数据中心、人工智能等领域的应用日益广泛。然而,FPGA设计的复杂性和功耗问题一直是制约其性能提升的关键因素。近年来,机器学习(ML)技术的兴起为FPGA的执行时间与功耗预测提供了新的解决方案。本文将探讨如何使用机器学习进行FPGA的执行时间与功耗预测,并分析其优势与挑战。

  • 在MCU端部署GRU模型实现鼾声检测:科技与健康管理的融合

    随着人工智能技术的快速发展,深度学习模型在各个领域的应用日益广泛。特别是在医疗健康领域,深度学习模型的引入为疾病的早期检测、持续监测和健康管理提供了全新的解决方案。鼾声检测作为睡眠呼吸障碍监测的重要一环,也受益于深度学习技术的发展。本文将探讨在微控制器单元(MCU)端部署门控循环单元(GRU)模型实现鼾声检测的技术背景、实现方法及其潜在应用。

  • PIC64GX MPU 面向智能边缘计算应用

    智慧城市、远程监控、自动驾驶汽车和智能视觉等多种应用对智能边缘计算的需求正在不断增加。在本文中,我们重点介绍 Microchip Technology 全新 PIC64GX 系列 64 位微处理器的一些功能。

    物联网
    2024-10-20
  • 利用光伏能源驱动无电池物联网

    随着物联网(IoT)技术的快速发展,越来越多的设备连接到网络中,使得我们的生活和工作变得更加智能化和便捷。然而,传统物联网设备大多依赖电池供电,这不仅增加了维护成本,还对环境造成了不小的负担。近年来,利用光伏能源驱动无电池物联网的概念逐渐兴起,为解决这一问题提供了新的思路。本文将探讨光伏能源在无电池物联网中的应用、优势、挑战以及未来的发展方向。