在互補(bǔ)式金氧半(CMOS)積體電路中,隨著量產(chǎn)製程的演進(jìn),元件的尺寸已縮減到深次微 米(deep-submicron)階段,以增進(jìn)積體電路(IC)的性能及運(yùn)算速度,以及降低每顆晶片的製造 成本。但隨著元件尺寸的縮減,卻出現(xiàn)一些可靠度的問題。 在次微米技術(shù)中,為了克服所謂熱載子(Hot-Carrier)問題而發(fā)展出 LDD(Lightly-Doped Drain) 製程與結(jié)構(gòu); 為了降低 CMOS 元件汲極(drain)與源極(source)的寄生電阻(sheet resistance) Rs 與 Rd,而發(fā)展出 Silicide 製程; 為了降低 CMOS 元件閘級(jí)的寄生電阻 Rg,而發(fā)展出 Polycide 製 程 ; 在更進(jìn)步的製程中把 Silicide 與 Polycide 一起製造,而發(fā)展出所謂 Salicide 製程
標(biāo)簽: Protection CMOS ESD ICs in
上傳時(shí)間: 2020-06-05
上傳用戶:shancjb
設(shè)計(jì)高速電路必須考慮高速訊 號(hào)所引發(fā)的電磁干擾、阻抗匹配及串音等效應(yīng),所以訊號(hào)完整性 (signal integrity)將是考量設(shè)計(jì)電路優(yōu)劣的一項(xiàng)重要指標(biāo),電路日異複雜必須仰賴可 靠的軟體來幫忙分析這些複雜的效應(yīng),才比較可能獲得高品質(zhì)且可靠的設(shè)計(jì), 因此熟悉軟體的使用也將是重要的研究項(xiàng)目之一。另外了解高速訊號(hào)所引發(fā)之 各種效應(yīng)(反射、振鈴、干擾、地彈及串音等)及其克服方法也是研究高速電路 設(shè)計(jì)的重點(diǎn)之一。目前高速示波器的功能越來越多,使用上很複雜,必須事先 進(jìn)修學(xué)習(xí),否則無法全盤了解儀器之功能,因而無法有效發(fā)揮儀器的量測(cè)功能。 其次就是高速訊號(hào)量測(cè)與介面的一些測(cè)試規(guī)範(fàn)也必須熟悉,像眼圖分析,探針 效應(yīng),抖動(dòng)(jitter)測(cè)量規(guī)範(fàn)及高速串列介面量測(cè)規(guī)範(fàn)等實(shí)務(wù)技術(shù),必須充分 了解研究學(xué)習(xí),進(jìn)而才可設(shè)計(jì)出優(yōu)良之教學(xué)教材及教具。
標(biāo)簽: 高速電路
上傳時(shí)間: 2021-11-02
上傳用戶:jiabin
華為AI安全白皮書2018-cn近年來,隨著海量數(shù)據(jù)的積累、計(jì)算能力的發(fā)展、機(jī)器學(xué)習(xí)方法與系統(tǒng)的持續(xù)創(chuàng)新與演進(jìn),諸如圖像識(shí)別、語音識(shí) 別、自然語言翻譯等人工智能技術(shù)得到普遍部署和廣泛應(yīng)用。越來越多公司都將增大在AI的投入,將其作為業(yè)務(wù)發(fā)展 的重心。華為全球產(chǎn)業(yè)愿景預(yù)測(cè):到2025年,全球?qū)?shí)現(xiàn)1000億聯(lián)接,覆蓋77%的人口;85%的企業(yè)應(yīng)用將部署到 云上;智能家庭機(jī)器人將進(jìn)入12%的家庭,形成千億美元的市場(chǎng)。 人工智能技術(shù)的發(fā)展和廣泛的商業(yè)應(yīng)用充分預(yù)示著一個(gè)萬物智能的社會(huì)正在快速到來。1956年,麥卡錫、明斯基、 香農(nóng)等人提出“人工智能”概念。60年后的今天,伴隨著谷歌DeepMind開發(fā)的圍棋程序AlphaGo戰(zhàn)勝人類圍棋冠 軍,人工智能技術(shù)開始全面爆發(fā)。如今,芯片和傳感器的發(fā)展使“+智能”成為大勢(shì)所趨:交通+智能,最懂你的 路;醫(yī)療+智能,最懂你的痛;制造+智能,最懂你所需。加州大學(xué)伯克利分校的學(xué)者們認(rèn)為人工智能在過去二十年 快速崛起主要?dú)w結(jié)于如下三點(diǎn)原因[1]:1)海量數(shù)據(jù):隨著互聯(lián)網(wǎng)的興起,數(shù)據(jù)以語音、視頻和文字等形式快速增 長(zhǎng);海量數(shù)據(jù)為機(jī)器學(xué)習(xí)算法提供了充足的營養(yǎng),促使人工智能技術(shù)快速發(fā)展。2)高擴(kuò)展計(jì)算機(jī)和軟件系統(tǒng):近 年來深度學(xué)習(xí)成功主要?dú)w功于新一波的CPU集群、GPU和TPU等專用硬件和相關(guān)的軟件平臺(tái)。3)已有資源的可獲得 性:大量的開源軟件協(xié)助處理數(shù)據(jù)和支持AI相關(guān)工作,節(jié)省了大量的開發(fā)時(shí)間和費(fèi)用;同時(shí)許多云服務(wù)為開發(fā)者提供 了隨時(shí)可獲取的計(jì)算和存儲(chǔ)資源。 在機(jī)器人、虛擬助手、自動(dòng)駕駛、智能交通、智能制造、智慧城市等各個(gè)行業(yè),人工智能正朝著歷史性時(shí)刻邁進(jìn)。谷 歌、微軟、亞馬遜等大公司紛紛將AI作為引領(lǐng)未來的核心發(fā)展戰(zhàn)略。2017年谷歌DeepMind升級(jí)版的AlphaGo Zero橫 空出世;它不再需要人類棋譜數(shù)據(jù),而是進(jìn)行自我博弈,經(jīng)過短短3天的自我訓(xùn)練就強(qiáng)勢(shì)打敗了AlphaGo。AlphaGo Zero能夠發(fā)現(xiàn)新知識(shí)并發(fā)展出打破常規(guī)的新策略,讓我們看到了利用人工智能技術(shù)改變?nèi)祟惷\(yùn)的巨大潛能。 我們現(xiàn)在看到的只是一個(gè)開始;未來,將會(huì)是一個(gè)全聯(lián)接、超智能的世界。人工智能將為人們帶來極致的體驗(yàn),將 積極影響人們的工作和生活,帶來經(jīng)濟(jì)的繁榮與發(fā)展。
上傳時(shí)間: 2022-03-06
上傳用戶:
在互聯(lián)網(wǎng)高速發(fā)展的今天,人們的娛樂、購物、支付等活動(dòng)已經(jīng)離不開互聯(lián)網(wǎng)應(yīng)用。電腦手機(jī)等移動(dòng)設(shè)備的快速發(fā)展,使得獲取信息的途徑更加多樣化,娛樂服務(wù)吏加精巧化。隨著網(wǎng)絡(luò)用戶訪間量的不斷增加,Web服務(wù)器的壓力成倍增加,會(huì)導(dǎo)致服務(wù)器宕機(jī)和數(shù)據(jù)庫崩潰等問題。本文通過對(duì)網(wǎng)上商城項(xiàng)目高并發(fā)場(chǎng)景的分析,總結(jié)了影響服務(wù)器并發(fā)量的客觀原因,針對(duì)這些因素,本文以數(shù)據(jù)庫緩存和高并發(fā)web服務(wù)器負(fù)載均衡技術(shù)為主,設(shè)計(jì)并優(yōu)化了服務(wù)器高并發(fā)訪問機(jī)制。本文主要對(duì)以下兒點(diǎn)展開研究(1)根據(jù)需求,選擇使用MyQL數(shù)據(jù)庫作為數(shù)據(jù)存儲(chǔ)器,本文分析了 MySQL數(shù)據(jù)庫的優(yōu)缺點(diǎn),針對(duì)MyQL數(shù)據(jù)庫查詢提出了 MySQL查詢調(diào)優(yōu)方法,在高并發(fā)環(huán)境下為了保障數(shù)據(jù)庫的讀寫安全,設(shè)計(jì)并實(shí)現(xiàn)了 MySQL的主從復(fù)制。(2)分析了加入 Redis緩存數(shù)據(jù)庫的必要性,在高并發(fā)環(huán)境下,為了防止瞬時(shí)訪問數(shù)據(jù)庫的頻率過高以及惡意攻擊等問題,提出了在Web服務(wù)器與 MySQL數(shù)據(jù)庫之間加入Reis緩存數(shù)據(jù)庫,以保障數(shù)據(jù)的安全性,并極大地提高了數(shù)據(jù)的查詢效率。為了保障 Redis數(shù)據(jù)庫的可靠性,避免宕機(jī)或斷電產(chǎn)生的系列不可恢復(fù)的問題,設(shè)計(jì)并實(shí)現(xiàn)了 Redis集群策略,通過測(cè)試,證明了 Redis緩存的優(yōu)越性(3)分析了Web集群后會(huì)造成的負(fù)載分配問題,決定加入負(fù)載均衡策略,并提出了一種新的基于加權(quán)輪詢的動(dòng)態(tài)負(fù)載均衡策略。這種動(dòng)態(tài)策略會(huì)根據(jù)集群服務(wù)器節(jié)點(diǎn)的CPU、內(nèi)存、磁盤IO以及網(wǎng)絡(luò)性能的情況,計(jì)算負(fù)載權(quán)重,并根據(jù)節(jié)點(diǎn)對(duì)接口一段時(shí)間內(nèi)的響應(yīng)時(shí)間,獲取到響應(yīng)時(shí)間平均權(quán)重。負(fù)載權(quán)重和響應(yīng)寸間權(quán)重都與初始權(quán)重成負(fù)相關(guān),根據(jù)這一特性,動(dòng)態(tài)地設(shè)定服務(wù)器節(jié)點(diǎn)的權(quán)重大小。通過 JMeter測(cè)試工具測(cè)試負(fù)載均衡策略的性能,通過對(duì)比證明,本文的動(dòng)態(tài)策略在響應(yīng)時(shí)間和吞吐量上優(yōu)于 Nginx內(nèi)置的加權(quán)輪詢策略,更加適應(yīng)高并發(fā)環(huán)境關(guān)鍵詞:Web服務(wù)器,高并發(fā),Redis,Nginx,負(fù)載均衡
標(biāo)簽: web服務(wù)器
上傳時(shí)間: 2022-03-11
上傳用戶:kent
隨著科技進(jìn)步,工業(yè)廠房、農(nóng)業(yè)溫室、倉庫和智能建筑等領(lǐng)域?qū)囟鹊囊笤絹碓絿?yán)苛,對(duì)溫度監(jiān)控需求也越來越高,特別是在某些環(huán)境惡劣的工業(yè)環(huán)境和戶外環(huán)境中,通過傳統(tǒng)的檢測(cè)難度大,且無法遠(yuǎn)程傳輸數(shù)據(jù)以便進(jìn)行實(shí)時(shí)監(jiān)測(cè)。本研究針對(duì)這些問題,在對(duì)STC89C52單片機(jī)、溫濕度傳感器、TC35i模塊功能研究基礎(chǔ)上,應(yīng)用VB程序開發(fā)出集群計(jì)算機(jī)房環(huán)境信息檢測(cè)系統(tǒng),改變傳統(tǒng)溫度檢測(cè)的方法和思路,利用本系統(tǒng)數(shù)據(jù)信息檢測(cè)、傳輸?shù)膬?yōu)勢(shì),解決集群計(jì)算機(jī)房的遠(yuǎn)程實(shí)時(shí)溫度監(jiān)測(cè)問題,為管理人員提供可靠的溫度監(jiān)測(cè)數(shù)據(jù)。 本論文研究設(shè)計(jì)使用溫濕度傳感器DHT11,對(duì)計(jì)算集群計(jì)算機(jī)房的環(huán)境溫度等信息進(jìn)行多點(diǎn)、實(shí)時(shí)采集,通過單片機(jī)串口和TC35i模塊串口之間的通信,把從單片機(jī)讀取的數(shù)據(jù),傳輸?shù)浇佑卸绦咆埬K的上位機(jī)中,最后將采集的數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫中,以供查詢,同時(shí),可還以將監(jiān)測(cè)點(diǎn)的信息數(shù)據(jù),發(fā)送到指定的用戶手機(jī)上,實(shí)現(xiàn)實(shí)時(shí)遠(yuǎn)程監(jiān)控集群計(jì)算機(jī)房的環(huán)境溫度。 本文首先對(duì)當(dāng)前國內(nèi)外溫度監(jiān)控檢測(cè)的現(xiàn)狀與發(fā)展趨勢(shì)進(jìn)行調(diào)研,在結(jié)合集群計(jì)算機(jī)房溫度實(shí)際檢測(cè)需求的基礎(chǔ)上,有針對(duì)性地進(jìn)行方案論證,并選擇合適的實(shí)現(xiàn)路線進(jìn)行相應(yīng)的研究;從理論上明確實(shí)驗(yàn)依據(jù),遵循各個(gè)硬件模塊的工作原理及主要芯片的技術(shù)參數(shù),采用模塊化設(shè)計(jì),按設(shè)計(jì)需求設(shè)計(jì)外圍工作電路,對(duì)系統(tǒng)的各組成模塊進(jìn)行集成。然后,根據(jù)實(shí)驗(yàn)方案調(diào)整系統(tǒng)的軟件編程思路,對(duì)相應(yīng)的程序進(jìn)行說明并論述相應(yīng)的編程技巧。為實(shí)現(xiàn)集群計(jì)算機(jī)房中環(huán)境溫度的高精度測(cè)量,我們對(duì)軟件進(jìn)行了一些技術(shù)處理,論文中對(duì)此也進(jìn)行了相應(yīng)的介紹。論文還介紹了系統(tǒng)的電路設(shè)計(jì)仿真和軟件設(shè)計(jì)及調(diào)試,并對(duì)其中遇到的問題和所采用的解決辦法進(jìn)行了相應(yīng)的說明。本論文中設(shè)計(jì)的環(huán)境溫度監(jiān)測(cè)控制系統(tǒng)在測(cè)試過程中,能有效地完成機(jī)房的環(huán)境溫度監(jiān)測(cè),實(shí)現(xiàn)實(shí)時(shí)無線傳輸,達(dá)到了預(yù)期目的。
上傳時(shí)間: 2022-06-11
上傳用戶:bluedrops
LABVIEW最實(shí)用的技巧合集
標(biāo)簽: LABVIEW
上傳時(shí)間: 2013-11-15
上傳用戶:685
HTML 技 巧 集
標(biāo)簽: HTML
上傳時(shí)間: 2014-01-24
上傳用戶:love_stanford
粒子群算法程序集,應(yīng)用于粒子優(yōu)化處理!最新的算法.
標(biāo)簽: 粒子群算法 程序 應(yīng)用于 算法
上傳時(shí)間: 2013-12-20
上傳用戶:dragonhaixm
一些簡(jiǎn)單的小VB知識(shí)及技巧合集,包括游戲以及簡(jiǎn)單的開發(fā),給同學(xué)作為參考。
標(biāo)簽:
上傳時(shí)間: 2015-03-17
上傳用戶:chenxichenyue
一個(gè)異常點(diǎn)是相當(dāng)不同的或不符合一個(gè)數(shù)據(jù)集的其余部分?jǐn)?shù)據(jù)。檢測(cè)離群點(diǎn)是非常重要的許多應(yīng)用中,并在最近引起了廣泛關(guān)注 在數(shù)據(jù)挖掘研究界。在本文中,提出了一種方法檢測(cè)發(fā)現(xiàn)異常數(shù)據(jù)的頻繁模式(或頻繁項(xiàng)目集
標(biāo)簽: 合一 分 數(shù)據(jù)集 數(shù)據(jù)
上傳時(shí)間: 2017-08-29
上傳用戶:jing911003
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1