期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于STM32的DMA共性技术分析及应用 被引量:2
1
作者 奚圣鑫 王宜怀 李跃华 《计算机应用与软件》 北大核心 2023年第7期250-253,共4页
数据传输是微控制器运行中必不可缺少的操作,CPU绝大部分时间也都花费在数据的搬运上。直接存储器访问(Direct Memory Access,DMA)是大多数处理器中提高数据传输速度的方式之一。在分析了多种微控制器芯片中DMA控制器工作原理的基础上,... 数据传输是微控制器运行中必不可缺少的操作,CPU绝大部分时间也都花费在数据的搬运上。直接存储器访问(Direct Memory Access,DMA)是大多数处理器中提高数据传输速度的方式之一。在分析了多种微控制器芯片中DMA控制器工作原理的基础上,总结出其共性技术,从而提出一种基于STM32L431RC芯片的基础构件封装方式,并将其与UART串口相结合应用到实践中。实践证明,DMA具有传输速度快、准确率高等优点,同时也提高了CPU的工作效率。 展开更多
关键词 DMA 共性技术 构件封装 STM32L431RC
在线阅读 下载PDF
基于多模态多粒度融合网络的癫痫识别方法 被引量:1
2
作者 戚晓雨 丁卫平 +2 位作者 鞠恒荣 程学云 黄嘉爽 《数据采集与处理》 CSCD 北大核心 2024年第3期710-723,共14页
结构脑网络(Structural brain network,SC)和功能脑网络(Functional brain network,FC)能从不同角度反映癫痫对大脑结构信息的改变。目前,融合两类脑网络信息进行癫痫的辅助诊断已成为领域内的重要研究之一。然而,常见的融合模型仅在单... 结构脑网络(Structural brain network,SC)和功能脑网络(Functional brain network,FC)能从不同角度反映癫痫对大脑结构信息的改变。目前,融合两类脑网络信息进行癫痫的辅助诊断已成为领域内的重要研究之一。然而,常见的融合模型仅在单一粒度上融合两类脑网络信息,忽略了脑网络的多粒度属性。本文提出一种基于多模态多粒度融合网络(Multi-modal multi-grained fusion network,MMFN)的癫痫识别方法,从全局和局部两个粒度对多模态脑网络特征进行融合,充分利用两类脑网络信息。局部粒度上,设计了连接边特征融合和节点特征融合,用以重构两类脑网络的连接边层和节点层的特征图,使两个模态交互式地学习特征;全局粒度上,设计了多模态分解双线性池化模块,学习两类脑网络的联合表示。实验结果表明,相比主流方法,所提方法可以显著提高对癫痫识别的准确率,辅助医生进行癫痫诊断。 展开更多
关键词 多模态图像 多粒度 癫痫 结构脑网络 功能脑网络
在线阅读 下载PDF
融合稀疏约束的双向k近邻粗糙集模型
3
作者 樊晓雪 尹涛 +2 位作者 陆杨 鞠恒荣 丁卫平 《小型微型计算机系统》 CSCD 北大核心 2024年第10期2370-2377,共8页
k近邻粗糙集作为邻域粗糙集的拓展,被广泛应用于知识发现等领域.k近邻粗糙集模型的粒度构建是选取最近的k个样本.然而,传统k近邻粒度不能有效处理样本分布不均匀的数据.此外,单向粒度构建方法也会导致部分离群点被归入到粒度模型中,增... k近邻粗糙集作为邻域粗糙集的拓展,被广泛应用于知识发现等领域.k近邻粗糙集模型的粒度构建是选取最近的k个样本.然而,传统k近邻粒度不能有效处理样本分布不均匀的数据.此外,单向粒度构建方法也会导致部分离群点被归入到粒度模型中,增加了粒度的不确定性.为了解决上述问题,提升粒度模型的稳定性,本文提出了一种融合稀疏约束的双向k近邻粗糙集模型.首先,通过稀疏约束模型刻画样本之间联系,选取紧密关联的样本构造稀疏双向k近邻粒度.然后,基于双向互邻信息策略,剔除模型中不符合该策略的样本.最后,通过条件熵与互信息熵刻画粒度的不确定性程度.UCI数据集的实验结果证明,本文提出的融合稀疏约束的双向k近邻粗糙集模型能够降低信息的不确定性,也为k近邻粗糙集模型的改进提供了新的方向. 展开更多
关键词 k近邻粗糙集 稀疏约束 双向策略 条件熵 互信息熵
在线阅读 下载PDF
基于I^2C总线实验设计 被引量:12
4
作者 宣慧 孙佳昊 +2 位作者 程实 蔡艳婧 胡传志 《实验技术与管理》 CAS 北大核心 2020年第1期52-55,共4页
鉴于I^2C总线在嵌入式系统中的重要性,设计I^2C总线实验已成为嵌入式系统实验教学中一个极重要的教学环节。在详细分析I^2C总线工作原理的基础上,以TM4C123GH6PM微控制器和LM75A温度传感器为例,研究I^2C总线的实验设计方法,包括硬件电... 鉴于I^2C总线在嵌入式系统中的重要性,设计I^2C总线实验已成为嵌入式系统实验教学中一个极重要的教学环节。在详细分析I^2C总线工作原理的基础上,以TM4C123GH6PM微控制器和LM75A温度传感器为例,研究I^2C总线的实验设计方法,包括硬件电路设计和软件程序设计。该实验设计在实验教学中取得了良好的效果,提高了嵌入式系统实验教学的水平。 展开更多
关键词 I^2C总线 实验设计 嵌入式系统 微控制器
在线阅读 下载PDF
可见光-远红外图像的多模态能见度深度学习模型 被引量:7
5
作者 沈克成 施佺 王晗 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期939-946,共8页
为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特... 为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采用双目摄像机收集不同天气情况下的室外真实可见光-远红外图像作为实验数据,在不同性能指标、多角度下的实验结果表明,与传统单模态能见度深度学习模型相比,多模态能见度模型可显著提高小样本条件下能见度检测的准确率和鲁棒性. 展开更多
关键词 能见度检测 深度学习模型 可见光-远红外图像 多模态融合网络
在线阅读 下载PDF
FCAT⁃FL:基于Non⁃IID数据的高效联邦学习算法 被引量:2
6
作者 陈飞扬 周晖 张一迪 《南京邮电大学学报(自然科学版)》 北大核心 2022年第3期90-99,共10页
针对非独立同分布(Non⁃IID)数据影响联邦学习收敛速度、公平性和准确性的问题,提出一种基于Non⁃IID数据的快速收敛公平联邦迁移学习框架———FCAT⁃FL。该框架改进传统联邦学习依照客户端数据量占比权衡聚合贡献度的策略,根据客户端本... 针对非独立同分布(Non⁃IID)数据影响联邦学习收敛速度、公平性和准确性的问题,提出一种基于Non⁃IID数据的快速收敛公平联邦迁移学习框架———FCAT⁃FL。该框架改进传统联邦学习依照客户端数据量占比权衡聚合贡献度的策略,根据客户端本地模型参数和服务器聚合模型参数间的关系,在每轮聚合时为客户端动态分配自适应权重,并在客户端引入个性化迁移学习模型和动量梯度下降算法以求加快本地模型训练速度。实验结果表明:与几种基线聚合策略相比,当部分客户端的数据为Non⁃IID时,FCAT⁃FL中聚合策略1的全局迭代轮次有所减少,客户端间公平性和准确性得到提高,并且迁移学习的使用令客户端需训练和上传的模型参数数量减少,使FCAT⁃FL适用于客户端资源有限的移动边缘网络。 展开更多
关键词 联邦学习 非独立同分布 收敛性 公平性 迁移学习 动量梯度下降
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部