亚洲综合国产av,国产白嫩护士被弄高潮

應(yīng)用人工智能，Google 圖像壓縮技術(shù)又升級

圖片和照片的傳播在社交網(wǎng)絡(luò)里占了很大的比重，無論是專業(yè)的攝影師還是業(yè)余的攝影愛好者，無論是旅行、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)檢測方法

在圖像處理問題中，對圖像中給定目標(biāo)進(jìn)行檢測和定位時，為提高目標(biāo)檢測的速度與可靠性，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。為了提高運算速度，對數(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應(yīng)的圖像區(qū)域即為檢測結(jié)果。實驗結(jié)果表明，該算法對目標(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”事件的韓國特別檢察組13日早晨結(jié)束對三星電子副會長李在镕近22小時的問訊，表示將在今后兩天內(nèi)考慮是否對李在镕啟動申請逮捕令等司法程序。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，這個架構(gòu)能解決可重構(gòu)計算中的編程困難問題，并加速可重構(gòu)計算生態(tài)的建設(shè)。

發(fā)表于：1/16/2017

用于油畫鑒別的自適應(yīng)MPSoC中NoC仿真平臺研究

實時光譜圖像技術(shù)的應(yīng)用是數(shù)據(jù)和通信的密集型算法的綜合。因為片上系統(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)是實現(xiàn)這種實時系統(tǒng)最合適的解決方案。針對不同的應(yīng)用算法，調(diào)整基于SoC的NoC架構(gòu)是較為復(fù)雜的工作，因為設(shè)計空間探索和實驗需要大量的時間。針對這些問題，提出了一種探索和評估SoC架構(gòu)性能的仿真平臺。該仿真平臺基于NoC和參數(shù)化的評估模塊，在FPGA上對SoC的通信結(jié)構(gòu)進(jìn)行仿真，并將時間性能和模擬結(jié)果進(jìn)行對比?；谠摲抡嫫脚_的系統(tǒng)評估主要用來考察用于油畫鑒別應(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重要的民族瑰寶，亟待利用現(xiàn)代計算機(jī)技術(shù)對古代建筑圖紙進(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，從而實現(xiàn)對古建筑圖像的修復(fù)及噪聲的濾除。實驗表明，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)計的時間序列加性離群點檢測算法研究

針對時間序列，提出了一種基于殘差統(tǒng)計的加性離群點檢測算法，利用AR模型對時間序列進(jìn)行前向與后向擬合；采用了數(shù)據(jù)相對變化率判別法減少離群點對擬合的影響；根據(jù)假設(shè)檢驗原理，以高斯分布統(tǒng)計檢驗對殘差進(jìn)行統(tǒng)計分析并最終確定離群點。仿真結(jié)果表明，該方法對離群點檢測有較高的準(zhǔn)確性。

發(fā)表于：1/12/2017

基于圖像塊分類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，但其計算量大、計算復(fù)雜，較低的超分速度阻礙了實時應(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分成3類，再分別運用不同的方法對圖像塊進(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。另外還運用主成分分析法（PCA）對圖像塊進(jìn)行降維。實驗中與經(jīng)典的SCSR方法相比較，在獲得幾乎相同的PSNR值時，超分耗時減少了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

面向車間布局的自適應(yīng)LANDMARC算法

在車間定位中，運用基于有源射頻識別校驗的動態(tài)定位（LANDMARC）算法時，由于車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，算法無法正確選擇參考標(biāo)簽中的最近鄰，對此，提出一種面向車間布局的自適應(yīng)LANDMARC算法。首先引入對數(shù)距離路徑損耗模型處理RFID讀寫器接收信號強(qiáng)度指示（RSSI），再通過對比法篩選出參考標(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實現(xiàn)的優(yōu)化正交匹配追蹤算法設(shè)計

針對壓縮感知重構(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)原子問題，對OMP算法進(jìn)行優(yōu)化設(shè)計，保證了每次迭代的當(dāng)前觀測信號余量最小，并提出了一種基于FPGA 實現(xiàn)的優(yōu)化OMP算法硬件結(jié)構(gòu)設(shè)計。在矩陣分解部分采用了修正喬列斯基(Cholesky)分解方法，回避開方運算，以減少計算延時，易于FPGA實現(xiàn)。整個系統(tǒng)采用并行計算、資源復(fù)用技術(shù)，在提高運算速度的同時減少資源利用。在Quartus II 開發(fā)環(huán)境下對該設(shè)計進(jìn)行了RTL 級描述，并在FPGA仿真平臺上進(jìn)行仿真驗證。仿真結(jié)果驗證了設(shè)計的正確性。

發(fā)表于：1/12/2017

基于Django框架的故障診斷和安全評估平臺

符號有向圖（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)描述了計算機(jī)輔助下的SDG故障診斷和安全評估平臺的開發(fā)過程。平臺的開發(fā)基于開源Django框架，具有搭建維護(hù)簡單、操作方便、易于二次開發(fā)等特點；利用分層SDG模型和新的推理算法實現(xiàn)對系統(tǒng)的故障診斷和安全評估，支持故障傳播路徑查詢和分層SDG的自動繪制。以田納西-伊斯曼過程（TEP）為例，對平臺的有效性進(jìn)行驗證，結(jié)果證明平臺推理結(jié)果完備、有效，具有實際應(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，編碼時下移剩余的BG位平面，解碼時可優(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)。實驗證明，該方法在低碼率下，ROI和BG質(zhì)量相差無幾；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)中有很大的實用價值。

發(fā)表于：1/12/2017

發(fā)力ARM服務(wù)器芯片市場高通底氣何在

在服務(wù)器CPU市場，英特爾架構(gòu)一枝獨秀，市場份額已連續(xù)多年超過90%；POWER和SPARC雖然難挽下滑趨勢，但在關(guān)鍵任務(wù)領(lǐng)域仍有用武之地；幾乎已經(jīng)退出歷史舞臺的Alpha架構(gòu)得益于在中國超算“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

不同運算機(jī)制下FFT計算精度分析

主要研究定點、塊浮點和浮點運算機(jī)制下，頻域抽取基4算法的精度問題。首先分析了定點、塊浮點、浮點等運算機(jī)制下，基4算法基本運算單元中數(shù)據(jù)不同表現(xiàn)形式及輸出截位規(guī)則。然后利用MATLAB平臺建立了定點與塊浮點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，定點與塊浮點FFT輸出噪信比與輸入信號幅值范圍、輸入序列長度及算法輸入位寬有關(guān)。此結(jié)論可用以解決實際工程中小信號頻譜失真問題，在工程分析與設(shè)計中具有重要參考價值。

發(fā)表于：1/10/2017

神秘Master就是AlphaGo，谷歌人工智能又上新臺階?

1月4日晚，在網(wǎng)絡(luò)上連續(xù)取得了59場勝利的輝煌戰(zhàn)績后，Master在聊天頻道中突然自稱就是“AlphaGo的黃博士”，同時還表示“希望大家這陣子，都享受Master的棋局”。

發(fā)表于：1/6/2017