伊人精品久久久大香线蕉99,国产三级A三级三级

Google 又玩黑科技，用機(jī)器學(xué)習(xí)幫你節(jié)省 75% 流量

在最專(zhuān)業(yè)的圖片處理軟件 Photoshop 中，當(dāng)你導(dǎo)出圖片時(shí)，有一個(gè)叫“存儲(chǔ)為網(wǎng)頁(yè)所用格式”的選項(xiàng)，它清楚地列出了你可以保存的圖片品質(zhì)，以及圖片在不同帶寬下的加載時(shí)間。

發(fā)表于：1/17/2017

應(yīng)用人工智能，Google 圖像壓縮技術(shù)又升級(jí)

圖片和照片的傳播在社交網(wǎng)絡(luò)里占了很大的比重，無(wú)論是專(zhuān)業(yè)的攝影師還是業(yè)余的攝影愛(ài)好者，無(wú)論是旅行、玩具還是街景，每一幅圖片都有自己的故事，都應(yīng)該被關(guān)注。

發(fā)表于：1/17/2017

基于局部控制核的彩色圖像目標(biāo)檢測(cè)方法

在圖像處理問(wèn)題中，對(duì)圖像中給定目標(biāo)進(jìn)行檢測(cè)和定位時(shí)，為提高目標(biāo)檢測(cè)的速度與可靠性，引入一種基于圖像局部控制核的目標(biāo)檢測(cè)算法。利用參考圖像同等大小的窗口遍歷目標(biāo)圖像，得到一系列與參考圖大小相同的子圖，然后計(jì)算參考圖和目標(biāo)子圖的局部控制核，得到圖像特征信息的數(shù)據(jù)矩陣。為了提高運(yùn)算速度，對(duì)數(shù)據(jù)矩陣用局部保留投影方法降維。再用相似性判決準(zhǔn)則將參考圖像與目標(biāo)圖像中子塊的特征矩陣進(jìn)行相似性分析，查找與參考圖像最相似矩陣所對(duì)應(yīng)的圖像區(qū)域即為檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)目標(biāo)定位具有較高的可靠性與準(zhǔn)確度。

發(fā)表于：1/17/2017

三星認(rèn)了!迫于樸槿惠壓力向特定機(jī)構(gòu)提供大量資金

負(fù)責(zé)調(diào)查“親信干政”事件的韓國(guó)特別檢察組13日早晨結(jié)束對(duì)三星電子副會(huì)長(zhǎng)李在镕近22小時(shí)的問(wèn)訊，表示將在今后兩天內(nèi)考慮是否對(duì)李在镕啟動(dòng)申請(qǐng)逮捕令等司法程序。李在镕承認(rèn)，三星迫于總統(tǒng)方面的壓力向特定機(jī)構(gòu)提供了大量資金。

發(fā)表于：1/16/2017

Amazon聯(lián)手Xilinx推出云端新FPGA解決方案

在2016年11月中旬舉辦的“2016年超算大會(huì)上”，F(xiàn)PGA大廠Xilinx發(fā)布了可重配置加速棧(ReconfigurableAcceleraTIon Stack)。配合可重構(gòu)的FPGA，這個(gè)架構(gòu)能解決可重構(gòu)計(jì)算中的編程困難問(wèn)題，并加速可重構(gòu)計(jì)算生態(tài)的建設(shè)。

發(fā)表于：1/16/2017

用于油畫(huà)鑒別的自適應(yīng)MPSoC中NoC仿真平臺(tái)研究

實(shí)時(shí)光譜圖像技術(shù)的應(yīng)用是數(shù)據(jù)和通信的密集型算法的綜合。因?yàn)槠舷到y(tǒng)（SoC）具有較大的靈活性及良好的性能，并可以直接采用IP核，基于片上網(wǎng)絡(luò)（NoC）的SoC架構(gòu)是實(shí)現(xiàn)這種實(shí)時(shí)系統(tǒng)最合適的解決方案。針對(duì)不同的應(yīng)用算法，調(diào)整基于SoC的NoC架構(gòu)是較為復(fù)雜的工作，因?yàn)樵O(shè)計(jì)空間探索和實(shí)驗(yàn)需要大量的時(shí)間。針對(duì)這些問(wèn)題，提出了一種探索和評(píng)估SoC架構(gòu)性能的仿真平臺(tái)。該仿真平臺(tái)基于NoC和參數(shù)化的評(píng)估模塊，在FPGA上對(duì)SoC的通信結(jié)構(gòu)進(jìn)行仿真，并將時(shí)間性能和模擬結(jié)果進(jìn)行對(duì)比?；谠摲抡嫫脚_(tái)的系統(tǒng)評(píng)估主要用來(lái)考察用于油畫(huà)鑒別應(yīng)用的MPSoC的性能。

發(fā)表于：1/16/2017

基于字典學(xué)習(xí)的古建筑圖像修復(fù)研究

古代建筑圖紙是我國(guó)重要的民族瑰寶，亟待利用現(xiàn)代計(jì)算機(jī)技術(shù)對(duì)古代建筑圖紙進(jìn)行信息化和修復(fù)。提出了一種新的基于字典學(xué)習(xí)的古建筑圖像修復(fù)模型，通過(guò)K-svd算法進(jìn)行字典學(xué)習(xí)，在稀疏域利用已知像素信息填充缺損像素，從而實(shí)現(xiàn)對(duì)古建筑圖像的修復(fù)及噪聲的濾除。實(shí)驗(yàn)表明，該算法能較好地修復(fù)古建筑圖像，降低圖像的均方誤差，在實(shí)際應(yīng)用中具有良好的可行性和應(yīng)用前景。

發(fā)表于：1/12/2017

基于殘差統(tǒng)計(jì)的時(shí)間序列加性離群點(diǎn)檢測(cè)算法研究

針對(duì)時(shí)間序列，提出了一種基于殘差統(tǒng)計(jì)的加性離群點(diǎn)檢測(cè)算法，利用AR模型對(duì)時(shí)間序列進(jìn)行前向與后向擬合；采用了數(shù)據(jù)相對(duì)變化率判別法減少離群點(diǎn)對(duì)擬合的影響；根據(jù)假設(shè)檢驗(yàn)原理，以高斯分布統(tǒng)計(jì)檢驗(yàn)對(duì)殘差進(jìn)行統(tǒng)計(jì)分析并最終確定離群點(diǎn)。仿真結(jié)果表明，該方法對(duì)離群點(diǎn)檢測(cè)有較高的準(zhǔn)確性。

發(fā)表于：1/12/2017

基于圖像塊分類(lèi)處理的快速單圖超分辨率重建

基于稀疏編碼的單幅圖像超分辨率重建效果較好，但其計(jì)算量大、計(jì)算復(fù)雜，較低的超分速度阻礙了實(shí)時(shí)應(yīng)用。為提高超分速度，提出一種基于圖像塊處理的快速超分辨率重建算法。先將特征提取后的圖像塊用均值和方差對(duì)分成3類(lèi)，再分別運(yùn)用不同的方法對(duì)圖像塊進(jìn)行超分處理，如雙三次插值（Bicubic）、鄰域嵌入（NE）和稀疏編碼超分法（SCSR）等。另外還運(yùn)用主成分分析法（PCA）對(duì)圖像塊進(jìn)行降維。實(shí)驗(yàn)中與經(jīng)典的SCSR方法相比較，在獲得幾乎相同的PSNR值時(shí)，超分耗時(shí)減少了17.2 s。新方法的超分效果與經(jīng)典的NE和SCSR方法處于同一水平，超分速度得到了較顯著的提高。

發(fā)表于：1/12/2017

面向車(chē)間布局的自適應(yīng)LANDMARC算法

在車(chē)間定位中，運(yùn)用基于有源射頻識(shí)別校驗(yàn)的動(dòng)態(tài)定位（LANDMARC）算法時(shí)，由于車(chē)間障礙物引起的多徑效應(yīng)和邊界處參考標(biāo)簽數(shù)量不足，算法無(wú)法正確選擇參考標(biāo)簽中的最近鄰，對(duì)此，提出一種面向車(chē)間布局的自適應(yīng)LANDMARC算法。首先引入對(duì)數(shù)距離路徑損耗模型處理RFID讀寫(xiě)器接收信號(hào)強(qiáng)度指示（RSSI），再通過(guò)對(duì)比法篩選出參考標(biāo)簽有效值以及插值法在邊界插入虛擬標(biāo)簽。對(duì)比傳統(tǒng)LANDMARC算法，將定位平均誤差從0.39 m降低到0.16 m，證明了自適應(yīng)LANDMARC算法的有效性。

發(fā)表于：1/12/2017

一種基于FPGA實(shí)現(xiàn)的優(yōu)化正交匹配追蹤算法設(shè)計(jì)

針對(duì)壓縮感知重構(gòu)算法中正交匹配追蹤(OMP)算法在每次迭代中不能選取最優(yōu)原子問(wèn)題，對(duì)OMP算法進(jìn)行優(yōu)化設(shè)計(jì)，保證了每次迭代的當(dāng)前觀測(cè)信號(hào)余量最小，并提出了一種基于FPGA 實(shí)現(xiàn)的優(yōu)化OMP算法硬件結(jié)構(gòu)設(shè)計(jì)。在矩陣分解部分采用了修正喬列斯基(Cholesky)分解方法，回避開(kāi)方運(yùn)算，以減少計(jì)算延時(shí)，易于FPGA實(shí)現(xiàn)。整個(gè)系統(tǒng)采用并行計(jì)算、資源復(fù)用技術(shù)，在提高運(yùn)算速度的同時(shí)減少資源利用。在Quartus II 開(kāi)發(fā)環(huán)境下對(duì)該設(shè)計(jì)進(jìn)行了RTL 級(jí)描述，并在FPGA仿真平臺(tái)上進(jìn)行仿真驗(yàn)證。仿真結(jié)果驗(yàn)證了設(shè)計(jì)的正確性。

發(fā)表于：1/12/2017

基于Django框架的故障診斷和安全評(píng)估平臺(tái)

符號(hào)有向圖（SDG）作為一種定性研究方法，在系統(tǒng)推理和圖形繪制上有待改進(jìn)。詳細(xì)描述了計(jì)算機(jī)輔助下的SDG故障診斷和安全評(píng)估平臺(tái)的開(kāi)發(fā)過(guò)程。平臺(tái)的開(kāi)發(fā)基于開(kāi)源Django框架，具有搭建維護(hù)簡(jiǎn)單、操作方便、易于二次開(kāi)發(fā)等特點(diǎn)；利用分層SDG模型和新的推理算法實(shí)現(xiàn)對(duì)系統(tǒng)的故障診斷和安全評(píng)估，支持故障傳播路徑查詢(xún)和分層SDG的自動(dòng)繪制。以田納西-伊斯曼過(guò)程（TEP）為例，對(duì)平臺(tái)的有效性進(jìn)行驗(yàn)證，結(jié)果證明平臺(tái)推理結(jié)果完備、有效，具有實(shí)際應(yīng)用的前景。

發(fā)表于：1/12/2017

基于PBBShift的ROI編碼方法

為使觀察者提早了解圖像的大致情況，提出了基于部分背景位平面位移(PBBShift)的感興趣區(qū)域(ROI)編碼方法。該方法將背景(BG)位平面分為兩部分，編碼時(shí)下移剩余的BG位平面，解碼時(shí)可優(yōu)先傳輸ROI系數(shù)和重要的BG系數(shù)，然后傳輸剩余的BG系數(shù)。實(shí)驗(yàn)證明，該方法在低碼率下，ROI和BG質(zhì)量相差無(wú)幾；在高碼率下，ROI獲得比BG更好的質(zhì)量。改進(jìn)的方法在帶寬受限的網(wǎng)絡(luò)中有很大的實(shí)用價(jià)值。

發(fā)表于：1/12/2017

發(fā)力ARM服務(wù)器芯片市場(chǎng) 高通底氣何在

在服務(wù)器CPU市場(chǎng)，英特爾架構(gòu)一枝獨(dú)秀，市場(chǎng)份額已連續(xù)多年超過(guò)90%；POWER和SPARC雖然難挽下滑趨勢(shì)，但在關(guān)鍵任務(wù)領(lǐng)域仍有用武之地；幾乎已經(jīng)退出歷史舞臺(tái)的Alpha架構(gòu)得益于在中國(guó)超算“神威·太湖之光”中的大量應(yīng)用，被注入了一支強(qiáng)心劑。

發(fā)表于：1/11/2017

不同運(yùn)算機(jī)制下FFT計(jì)算精度分析

主要研究定點(diǎn)、塊浮點(diǎn)和浮點(diǎn)運(yùn)算機(jī)制下，頻域抽取基4算法的精度問(wèn)題。首先分析了定點(diǎn)、塊浮點(diǎn)、浮點(diǎn)等運(yùn)算機(jī)制下，基4算法基本運(yùn)算單元中數(shù)據(jù)不同表現(xiàn)形式及輸出截位規(guī)則。然后利用MATLAB平臺(tái)建立了定點(diǎn)與塊浮點(diǎn)FFT仿真模型，以噪信比作為FFT輸出精度指標(biāo)，研究輸出精度與輸入信號(hào)范圍、算法參數(shù)之間的關(guān)系。仿真表明，輸入為隨機(jī)序列時(shí)，定點(diǎn)與塊浮點(diǎn)FFT輸出噪信比與輸入信號(hào)幅值范圍、輸入序列長(zhǎng)度及算法輸入位寬有關(guān)。此結(jié)論可用以解決實(shí)際工程中小信號(hào)頻譜失真問(wèn)題，在工程分析與設(shè)計(jì)中具有重要參考價(jià)值。

發(fā)表于：1/10/2017