XiaoMi-AI文件搜索系统
World File Search SystemSTM
BD433 Stmicroelectronics
提供的信息被认为是准确和可靠的。但是，SGS-Thomson微电子学对使用此类信息的后果或对可能因其使用而造成的第三方的其他权利或其他权利的任何侵犯或其他权利都没有承担任何责任。在SGS-Thomson微电子学的任何专利或专利权下，没有任何许可证授予许可。本出版物中提到的规格如有更改，恕不另行通知。该出版物取代并替换了先前提供的所有信息。SGS-Thomson微电子产品未被授权用作生命支持设备或系统中的关键组件，而无需明确的SGS-Thomson Microelectonics的书面认可。
序号资料库名称说明备注1ASTM标准加2025.1。 ...
107科学 /常规交付 / 0036-8075仅P-仅AAAS 108信号处理。0165-1684仅电子Elsevier 109信号处理。图像通信。0923-5965仅电子Elsevier 110 statistica neerlandica 0039-0402 e Onlly John Wiley＆Sons Ltd 111应变0039-2103 E ONLY JOHN WILEY＆SONS LTD 112 112 estericity and Native and Nictialism Interismiss 1473-8481 E-enly Lilesly Johnly Wiley和Sons的研究0142-2421仅E-John Wiley＆Sons Ltd 114系统与控制信。0167-6911 e e Elsevier
STMicroelectronics的新型集成STM32WBA6无线微控制器
Cost-efficient and highly integrated embedded devices for emerging 2.4GHz wireless applications in smart home, health, factory, and agriculture Geneva, Switzerland, March 4, 2025 – STMicroelectronics (NYSE: STM), a global semiconductor leader serving customers across the spectrum of electronics applications, has announced the next generation of its STM32 power-efficient short-range无线微控制器（MCUS）简化将消费者和工业设备连接到物联网。新的STM32WBA6系列用于连接的智能设备，例如可穿戴医疗保健和健康保健和健康状况监测器，动物项圈，电子锁，远程天气传感器等。包装额外的内存和数字系统界面，同时保留了新的MCU可以处理新产品设计中的富裕功能。STM32WBA6 MCU还嵌入了SESIP3和PSA Level3可认证的安全资产，例如加密加速器，Trustzone®隔离，随机发电机和产品生命周期，这些资产将有助于ST客户对即将到来的RED和CRA法规实现Comprolycy。“稳健和标准化的无线连接对于物联网的成功至关重要。我们的新的STM32WBA6 MCU带来了更丰富的功能和更大的记忆，以解决智能家居，健康，工厂和农业中的高端应用程序。“我们的客户现在可以提高开发速度，以满足消费者和工业市场对新产品的需求，这些新产品提供了更多功能，并在尺寸降低和功率限制内提高了功能。”新的STM32WBA6微控制器中的无线子系统支持蓝牙，Zigbee，线程，物质和其他在2.4GHz频段中运行的协议，并允许同时使用多个协议进行通信。这是像智能桥梁这样的系统可以通过蓝牙与房主的移动应用程序通信，并通过网状网络（例如Zigbee）同时管理灯或恒温器。STM32WBA6系列还包含单协议变体，可简单，更具成本意识的应用。客户推荐：“广泛的硬件功能集，低功耗，高级网络安全性和出色的价格/性能使STM32WBA6设备非常适合我们高级车内驾驶员监控，事件跟踪和紧急呼叫解决方案。在广泛的生态系统和St的强大技术支持的帮助下，我们能够迅速启动原型开发并根据所有适用的行业要求获得资格。我们有望在第二季度2025年开始生产。”
使用LSTM在巴西进行预测和爆发检测：整合人类流动性和气候因素
背景登革热是全球主要的健康问题，由于其有利的气候因素，社会环境状况以及人类流动性的增加，巴西反复发生和严重爆发。准确的登革热案件和爆发风险对于预警系统和有效的公共卫生干预至关重要。传统的预测模型主要依赖于历史案例数据和气候变量，通常忽略了人类运动在病毒传播中的作用。本研究通过将人类流动性数据纳入基于深度学习的登革热预测框架来解决这一差距。方法开发了一种基于LSTM的模型，以预测每周的登革热病例并检测到选定的巴西城市的爆发。该模型整合了历史登革热案例，滞后气候变量（温度和湿度）以及人类移动调整后的进口案例，以捕获时间趋势和空间传播动态。根据三种替代模型评估其性能：（1）仅使用登革热案例数据的LSTM，（2）结合气候变量的LSTM，以及（3）LSTM集成气候和地理邻里效应的LSTM。使用平均值溶质误差（MAE），平均绝对百分比误差（MAPE）和连续排名的概率得分（CRP）评估了预测准确性，而使用准确性，灵敏度，特异性和F1分数评估了爆发分类。结果在登革热案例预测和爆发检测中，提出的提出的迁移率增强的LSTM模型始终超过所有基线。在所有城市中，它都达到了较低的MAE和MAPE值，表明准确性提高，同时也表现出了出色的CRP性能，反映了良好的校准不确定性估计值。在爆发分类中，该模型达到了最高的灵敏度和F1分数，与仅依赖病例趋势，气候变量或地理位置的模型相比，它在检测爆发期间的有效性。结果强调了登革热预测中赋予移动性数据的重要性，尤其是在人口较高的城市中心。
自愿公告基金投资的最新消息
黄普河基金的投资目标是资本赞赏，通过投资C系列的Horizon Robotics（“ Horizon Robotics”），该股票在2024年10月24日在香港证券交易所的主董事会正式列出，并使用9660的股票代码为9660。在临时结果中披露的截至2024年12月31日，该集团对黄普河基金的投资的公允价值约为34,016,000港元，这主要指的是基本上市份额的每股3.6港口的股票市场价格，并由独立的职业估价人评估。截至2024年12月31日，该集团对黄普河基金的投资的公允价值约为34,016,000港元，这主要指的是基本上市份额的每股3.6港口的股票市场价格，并由独立的职业估价人评估。
Stmicroelectronics释放创新的卫星导航接收器，以使汽车和工业应用的精确定位
日内瓦，瑞士，2025年2月26日 - 全球半导体领导者Stmicroelectronics（NYSE：STM）在电子应用程序范围内为客户提供服务，它介绍了Teseo VI全球导航卫星系统（GNSS）的TESEO VI家族（GNSS）接收者的AIMED AIMED AIMET AIMET AIMET AIMET AIMET AIMET AIMET AIM AIM AIM EAMET AIM AIM AIM AIM置于优先位置。对于汽车行业来说，TESEO VI芯片和模块将是高级驾驶系统（ADA），智能车载系统以及自动驾驶等安全关键应用的核心组成部分。他们还旨在提高多个工业应用中的定位功能，包括资产跟踪器，用于家居运输的移动机器人，管理机械和智能农业中的机械监测，基本电台等定时系统等。“我们的新TESEO VI接收器在定位引擎之间取得了真正的突破：它们是第一个在单个模具中整合多构造和四频带信号处理的人；它们是第一个嵌入双臂®核心架构，可实现非常高的性能和ASIL级别的辅助和自动驾驶驾驶的安全。最后但并非最不重要的一点是，他们嵌入了ST的专有嵌入式非挥发性内存（PCM），从而为新的精确定位解决方案提供了一个非常集成，成本效益且可靠的平台，”卢卡·塞兰特（Luca Celant），数字音频和信号求解，stmicroelectronics。“ ST的新卫星游动接收器将支持汽车ADAS应用程序中令人兴奋的高级功能，并启用工业公司实施的许多新用例。” TESEO VI是市场上第一个将所有必要的系统元素集成到一个厘米精度中的所有必要系统元素，并支持同时进行多构造和Quad-Band操作。这项创新简化了最终用户导航和定位产品的开发，即使在诸如Urban Canyons之类的具有挑战性的条件下，也可以提高可靠性，并降低了材料清单成本。此外，单个芯片加速了上市时间，并允许紧凑而轻巧的形式。新的Teseo VI家族由精确定位的接收器芯片筹码数十年的经验，并整合了多种ST专有技术，包括精确定位和先进的嵌入式内存。
基于混合自动编码器和LSTM Neural
摘要：风险识别和缓解对于在不断变化的供应链管理领域（SCM）中保持韧性和效率至关重要。现代供应网络中固有的复杂性和不确定性通常太复杂了，无法有效解决传统风险管理技术。为了增强供应链管理中的风险检测和管理，本研究探讨了将区块链技术与深度学习混合的混合策略。区块链通过为供应链操作监视提供透明和分散的系统来确保数据完整性和透明度。深度学习可以改善此过程，该过程分析了大量的历史数据和当前数据，以识别模式，预测威胁并提出对策。所提出的系统利用区块链技术的不可侵犯性和深度学习的预测能力来应对诸如欺诈检测，需求预测，供应商评估和中断预测等重要挑战。使用混合自动编码器和基于LSTM的深神经网络可以确保数据集。自动编码器用于降低维度和降低噪声和冗余数据，这些数据将进一步通过基于LSTM的神经网络，以增强基于区块链的交易数据的安全性。
转移学习用于使用RNN-LSTM混合模型的汇款流入预测国内生产总值增长：冈比亚的案例研究
对经济的规模和表现的见解至关重要，而实际GDP的增长率经常用作经济健康的关键指标，强调了国内生产总值（GDP）的重要性。此外，近年来，汇款引起了全球的巨大兴趣，尤其是在冈比亚。这项研究介绍了创新模型，即复发性神经网络和长期记忆（RNN-LSTM）的混合体，以基于冈比亚的汇款流入来预测GDP的增长。该模型集成了来自世界银行发展指标和冈比亚中央银行（1966-2022）的数据。Pearson的相关性用于检测和选择与GDP和汇款最牢固的变量。此外，还采用了一种参数传输学习技术来提高模型的预测精度。通过随机搜索过程对模型的超参数进行了细调，并使用RMSE，MAE，MAPE和R 2度量来评估其有效性。研究结果首先表明，它具有良好的概括能力，并且在基于汇款流入的GDP增长方面具有稳定的适用性。第二，与独立模型相比，所建议的模型超过预测准确性的最高R 2分数为91.285％。第三，预测的结果进一步表明汇款与短期经济增长之间存在牢固和积极的关系。本文通过采用人工智能（AI）技术来解决基于汇款流入的GDP的关键研究差距。
使用LSTM，多层GRU和Drop-Gru神经网络预测能源消耗。
摘要：随着智能电网发展的急剧增长以及当前在开发测量基础设施方面的进步，短期功耗预测最近引起了人们的关注。实际上，未来电力负载的预测是避免能源浪费并建立有效的电力管理策略的关键问题。此外，可以将能源消耗信息视为历史时间序列数据，这些数据需要提取所有有意义的知识，然后预测未来的消费。在这项工作中，我们的目标是建模并比较三种不同的机器学习算法，以进行时间序列的预测。所提出的模型是长的短期记忆（LSTM），门控复发单元（GRU）和Drop-gru。我们将使用功耗数据作为我们的时间序列数据集，并相应地进行预测。LSTM神经网络在这项工作中受到青睐，以预测未来的负载消耗并防止消耗峰值。为了对该方法进行全面的评估，我们在某些法国城市中使用了实际数据功耗进行了几项实验。在各个时间范围内的实验结果表明，LSTM模型比GRU和Drop-gru预测方法产生更好的结果。的预测错误较少，其精度是更详细的。因此，这些基于LSTM方法的预测将使我们能够提前做出决策，并在消费超过授权阈值的情况下触发负载脱落。这将对计划电源质量和维护动力设备产生重大影响。