XiaoMi-AI文件搜索系统
World File Search SystemoC
嵌入式 SoC 架构实时最优控制的设计空间探索
摘要 — 使资源有限的机器人能够执行计算密集型任务（例如移动和操作）是一项挑战。本项目提供了全面的设计空间探索，以确定适合基于模型的控制算法的最佳硬件计算架构。我们对通用标量、矢量处理器和专用加速器中的代表性架构设计进行了分析和优化。具体来说，我们使用内核级基准和端到端代表性机器人工作负载来比较标量 CPU、矢量机和领域专用加速器。我们的探索提供了定量的性能、面积和利用率比较，并分析了这些具有代表性的不同架构设计之间的权衡。我们证明架构修改、软件和系统优化可以缓解瓶颈并提高利用率。最后，我们提出了一种代码生成流程，以简化将机器人工作负载映射到专用架构的工程工作。
SoCalGas 和 SDG&E 2024 (Sempra) 通用费率案例 (GRC)
1 收入要求是公用事业公司在给定时期内通过费率从客户那里收取的总金额，用于支付公用事业公司的运营费用并向投资者提供回报。 2 测试年是 GRC 周期的第一年，在此期间 CPUC 会采用公用事业运营预算。CPUC 会审查基于预测的成本数据。然后根据通货膨胀和其他因素调整测试年预算，以确定测试年后或测试年后的流失年的收入要求。 3 假设 1. 内陆和沿海地区平均，非 NEM 捆绑客户使用 400kwh 或 700kwh。有四个电力气候区：沿海、内陆、沙漠和山区。沿海和内陆地区共占客户的约 98%。2. 住宅违约率 TOU-DR1 用于计算账单。
Agilex™7 FPGA和SOCS设备概述
©Altera Corporation。Altera，Altera徽标，“ A”徽标和其他Altera标记是Altera Corporation的商标。Altera和Intel保证其FPGA和半导体产品的保证按照Altera或Intel的标准保修为适用，但保留随时随时更改任何产品和服务的权利，恕不另行通知。Altera和Intel不承担由于本文所述的任何信息，产品或服务的申请，产品或服务所产生的责任或责任，除非明确同意Altera或Intel的写作。Altera和Intel客户被建议在依靠任何已发表的信息之前并在下达产品或服务订单之前获得最新版本的设备规格。*其他名称和品牌可能被称为他人的财产。
文章 使用机器学习算法对锂离子 NMC 电池进行充电状态 (SoC) 预测建模 Farah Apit Tantri 1、Dewanto Harj
6 文莱理工大学工程学院电气工程系，文莱达鲁萨兰国加东 *电子邮件：elhanif@staff.uns.ac.id（通讯作者）摘要。充电状态 (SoC) 估计对于锂离子电池至关重要，以防止过度充电和放电，影响电池的安全性、稳定性和效率。传统技术是估算 SoC 最常用的方法。然而，由于它们的计算敏感性和难以适应复杂环境，它们在预测 SOC 方面不太准确。本研究提出了四种机器学习模型：线性回归、多层感知器、决策树和随机森林，用于锂离子 NMC 电池的 SoC 预测。模型的性能是根据相关系数和误差值（平均绝对误差或 MAE 和均方根误差或 MRSE）进行评估的。结果显示，随机森林模型性能最佳，相关系数为1，MAE和MRSE值分别为0.2052和0.2712。相反，线性回归模型性能最差，相关系数为0.9534，MAE和MRSE值分别为5.9064和8.2602。关键词：充电状态（SoC），NMC电池，机器学习。
带有 AIROC™ Bluetooth® LE Pioneer 套件的 PSoC™ 6 CY8CKIT-062-BLE 用户指南
“评估板和参考板”是指嵌入在印刷电路板 (PCB) 上用于演示和/或评估目的的产品，包括但不限于演示、参考和评估板、套件和设计（统称为“参考板”）。在设计英飞凌科技提供的评估板和参考板时，已考虑了环境条件。评估板和参考板的设计仅由英飞凌科技按照本文档所述进行测试。该设计在整个工作温度范围或使用寿命内的安全要求、制造和操作方面均不合格。英飞凌科技提供的评估板和参考板仅在典型负载条件下进行功能测试。评估板和参考板不受与常规产品相同的退货材料分析 (RMA)、工艺变更通知 (PCN) 和产品停产 (PD) 程序的约束。评估板和参考板不是商业化产品，仅用于评估和测试目的。特别是，它们不得用于可靠性测试或生产。因此，评估板和参考板可能不符合 CE 或类似标准（包括但不限于 EMC 指令 2004/EC/108 和 EMC 法案），也可能不符合客户所在国家/地区的其他要求。客户应确保所有评估板和参考板的处理方式均符合其所在国家/地区的相关要求和标准。评估板和参考板以及本文件中提供的信息仅供合格且熟练的技术人员用于实验室使用，并应根据本文件和相应评估板或参考板随附的其他相关文档中规定的条款和条件使用和管理。客户的技术部门有责任评估评估板和参考板是否适合预期应用，并评估本文件中提供的与此类应用相关的信息的完整性和正确性。客户有义务确保评估板和参考板的使用不会对人身或第三方财产造成任何损害。评估板和参考板以及本文档中的任何信息均按“原样”提供，英飞凌科技不提供任何明示或暗示的担保，包括但不限于不侵犯第三方权利的担保和适用于任何用途或适销性的暗示担保。英飞凌科技对因使用评估板和参考板和/或本文档中提供的任何信息而造成的任何损害概不负责。客户有义务为英飞凌科技辩护、赔偿并使其免受因使用本文档而引起的任何索赔或损害。英飞凌科技保留随时修改本文档和/或本文提供的任何信息的权利，恕不另行通知。
繁荣内陆南加州就业优先 (CJF) 区域计划......
CJF 将纽约州划分为 13 个不同的经济区域，并要求每个区域制定全面的综合区域经济发展战略，重点是创造优质就业机会和促进公平繁荣，同时考虑向碳中和经济过渡的气候和健康要求。每个区域都建立了反映其人口多样性的治理结构，对区域经济进行了社区知情评估，并确定了实现 CJF 目标的具体战略和策略。在 2024 年夏末完成战略制定阶段后，这 13 个区域将争夺国家资金以支持其战略计划的实施，但也需要寻求其他公共、私人和慈善资源来执行商定的战略。
在南极海冰中建模冰冻和生物地球化学过程
南部海洋冰范围最近发生的严重波动要求迫切需要更好地了解海冰内发生的季节性物理和生物地球化学（BGC）过程。海冰受到温度，风模式和海洋盐度等多种环境因素的影响。海冰微观结构是高度复杂的，由固体冰基质和液体间质盐水夹杂物组成。微生物群落发现盐水夹杂物营养丰富的栖息地，可在冬季恶劣的冬季生长和生存。微生物群落的生长或光合速率取决于各种环境因素，例如温度，阳光，盐水盐度和养分的可用性。虽然卫星观测和大规模建模为大规模（> 1 km）的这些过程提供了更好的了解，但仍然存在差距，这在小规模过程（如冰冻及其耦合到生物地球化学）等小型过程的确切时间描述中仍然存在差距。在本文中，在宏观（≈1m）上开发了多孔介质（ETPM）的数学框架（ETPM）对热力学一致的冻结过程的建模。在1D微观（≈0.1mm）模型上解析了孔和树突状模式的形成，并将孔面积升级到宏观尺度上，以调节冰的生长速率。藻类生长是使用N-P单一营养素和浮游植物（N-P）生长模型的模型。当前的工作与参考文献更进一步。[1]，通过微观质量分数和盐水之间的微观质量交换改进，通过部分微分方程对散装盐度演变的描述，以及用于初级生产和营养动力学的普通微分方程。
在英特尔 Myriad X 嵌入式 SoC 上加速人工智能和计算机视觉以进行卫星姿态估计
在边缘部署人工智能 (AI) 和计算机视觉 (CV) 算法的挑战性推动了嵌入式计算社区研究异构片上系统 (SoC)。这种新型计算平台提供了接口、处理器和存储的多样性，然而，AI/CV 工作负载的有效分区和映射仍然是一个悬而未决的问题。在此背景下，本文在英特尔的 Movidius Myriad X 上开发了一个混合 AI/CV 系统，这是一个异构视觉处理单元 (VPU)，用于初始化和跟踪卫星在太空任务中的姿态。航天工业是研究替代计算平台以遵守机载数据处理的严格限制的社区之一，同时也在努力采用 AI 领域的功能。在算法层面，我们依靠基于 ResNet-50 的 UrsoNet 网络以及自定义经典 CV 管道。为了实现高效加速，我们结合多种并行化和低级优化技术，利用 SoC 的神经计算引擎和 16 个矢量处理器。所提出的单芯片、稳健估计和实时解决方案在 2W 的有限功率范围内为 100 万像素 RGB 图像提供高达 5 FPS 的吞吐量。
