XiaoMi-AI文件搜索系统
World File Search System栅格
MILSPEC 培训
缩写 定义 缩写 定义 AF 空军 NASA 美国国家航空航天局 BGA 球栅阵列 NEPAG NASA 电子零件保证组 BN 贝叶斯网络 NEPP NASA 电子零件和包装（程序） BoK 知识体系 NESC NASA 工程和安全中心 CMOS 互补金属氧化物半导体 NODIS NASA 在线指令信息系统 COTS 商用现货 NPR NASA 程序要求 CPU 中央处理单元 NRO 国家侦察办公室 DDR 双倍数据速率 NSREC 核与空间辐射效应会议 DLA 国防后勤局 OCE 总工程师办公室 DMEA 国防微电子活动 OGA 其他政府机构 DoD 国防部 PIC 光子集成电路 DoE 能源部 POC 联系点 EEE 电气、电子和机电 PoF 故障物理学 ETW 电子技术研讨会 RF 射频 FPGA 现场可编程门阵列 RH 抗辐射 GaN 氮化镓 RHA 抗辐射保证 GIDEP 政府工业数据交换计划 SAPP 空间资产保护计划 GPU 图形处理单元 SDRAM 同步动态随机存取存储器 GRC 格伦研究中心 SEE 单事件效应 GSFC 戈达德太空飞行中心 SiC 碳化硅 GSN 目标结构化符号 SMA 安全与任务保障 HQ 总部 SMC 空间与导弹系统中心 IC 集成电路 SOA 安全操作区 IEEE 电气和电子工程师协会 SoC 片上系统 JPL 喷气推进实验室 SRAM 静态随机存取存储器 JSC 约翰逊航天中心 SSAI 科学系统与应用公司 LaRC 兰利研究中心 STMD 空间技术任务理事会 LGA 陆地栅格阵列 STT 自旋转移力矩 MAPLD 军用和航空航天可编程逻辑器件（研讨会） SysML 系统建模语言 MBMA 基于模型的任务保障 TID 总电离剂量 MRAM 磁性随机存取存储器 TSV 硅通孔 MSFC 马歇尔太空飞行中心
限制和 - Semantic Scholar
摘要：遥感 (RS) 目前被视为用于科学目的的入侵和扩张植物测绘的标准工具之一，并在自然保护管理中得到越来越广泛的应用。RS 方法的适用性由其局限性和要求决定。最重要的限制之一是物种覆盖率，在此覆盖率下分类结果是正确的并且对自然保护有用。2017 年在波兰三个地区开展的主要目标是确定可以通过 RS 方法识别目标物种的最小覆盖率。本研究的第二个目标与方法的要求有关，即根据多边形数量和目标物种的丰度百分比覆盖率优化目标物种的训练多边形集。我们的方法必须易于使用、有效且适用，因此使用基本栅格集（最小噪声分数 (MNF) 变换后的前 30 个通道（来自光谱范围为 0.4–2.5 µ m 的 HySpex 传感器的高光谱数据马赛克）和常用的随机森林算法进行分析。该分析使用空间分辨率为 1 m 的机载高光谱数据对一种入侵植物和三种扩张植物（两种草类和两种大型多年生植物）进行分类。地面训练和验证数据集与机载数据收集同时收集。在测试不同的分类场景时，仅更改目标物种的训练多边形集。分类结果基于三种方法进行评估：准确度测量（Kappa 和 F1）、具有不同物种覆盖度的子类中的真阳性像素以及与现场制图的兼容性。分类结果表明，要将目标植物物种分类到可接受的水平，训练数据集应包含物种覆盖度在 80-100% 之间的多边形。仅使用具有可变但较低覆盖度（20-70%）的物种的多边形进行训练，并在 80-100% 范围内缺失样本，导致地图不可接受，因为对目标物种的估计过高。考虑到生态系统是异质的，我们在物种覆盖度超过 50% 的地区实现了物种的有效识别。这些研究的结果开发了一种现场数据采集方法，以及在机载数据采集以及地面采样的训练和验证中同步的必要性。
非二进制M序列更舒适的大脑 - ...
背景和目标：代码调制的视觉诱发电势（C-DEP）标志着科学文献中的里程碑，因为它们能够实现可靠的高速大脑 - 计算机接口（BCIS）进行通信和控制。通常，这些专家系统依赖于使用移位版本的二进制伪序序列的每个命令编码每个命令，即根据移动的代码闪烁的黑白目标。尽管在准确性和选择时间方面取得了出色的效果，但这些高对比度刺激为某些用户引起了眼节震荡。在这项工作中，我们提出了非二进制𝑝-ary m序列的使用，它们的级别用不同的灰色阴影编码，这是一种比传统的二进制代码更愉快的选择。首次分析了这些𝑝-ARY M序列的性能和视觉疲劳及其提供可靠的基于C-DEP的BCIS的能力。方法：在循环转移范式之后，用16位健康参与者评估了五种不同的M序列：基本2（63位），基础3（80位），基础5（124位），基本7（48位）和基地11（48位）和基地11（120位）。信号处理由3滤波器库（1-60 Hz，12-60 Hz和30–60 Hz）组成，然后进行规范相关分析。栅格延迟校正和伪影拒绝方法也应用于计算命令模板。对于每个M序列，用户执行了30次试验校准阶段，然后进行了32次试验的在线拼写任务。此外，还收集了有关视觉疲劳和满意度的定性措施。结果：用户能够达到所有𝑝 -ARY M序列的平均准确性超过98％。在准确性方面，M序列之间的差异并不显着，但在视觉疲劳方面。基数越高，用户对60 Hz和120 Hz的呈现率所感知的眼镜越少。与60 Hz相比，以120 Hz的形式显示，所有𝑝 -ARY M序列也明显较小。结论：结果表明，所有𝑝-ARY M序列都适合在基于C-DEP的BCIS中实现高速和高精度，从而随着基础的增加而降低视觉疲劳，而不会降低系统性能。可以得出结论，使用高显示率和非二进制M序列是提供基于用户友好的C-DEP BCI的有前途的替代方法。
技术标准
1.3定义附件 - 任何独特的支持文件，包括德克萨斯州民事诉讼规则第21（a）条未定义的展品和拟议命令。案例级数据系统 - 法院管理办公室提供的全州案件级数据系统。数字媒体 - 以电子格式存储的任何文件。这可以包括（但不限于）文本，音频和视频文件。文件 - 以电子形式的诉状，请求，运动，申请，要求，展览，简短，法律，订单备忘录或其他仪器。文件访问系统 - 法院管理办公室提供的全州电子法院记录系统（当前是：searchtx）。dpi - 每英寸点。电子法院申请（ECF）标准 - 一组非专有的可扩展标记语言（XML）和Web服务规范，以及澄清对这些规格的解释和修订，以促进电子法院文件供应商和系统之间的互操作性。铅文件 - 德克萨斯州民事诉讼规则第21（a）条所定义的文件。如果提交单个文档，则是铅文档。NARA-国家档案和记录管理局。 niem由JCIT正式采用，并在德克萨斯行政法规的数据交换中颁布，标题1，第8部分，第177章。 OCA - 法院管理办公室。 OCR - 光学特征识别。 pdf - 便携式文档格式 - 为了这些标准，这是PDF 1.4（ISO 19005-1：2005 - 修订为ISP/NP 19005-1）。NARA-国家档案和记录管理局。niem由JCIT正式采用，并在德克萨斯行政法规的数据交换中颁布，标题1，第8部分，第177章。OCA - 法院管理办公室。 OCR - 光学特征识别。 pdf - 便携式文档格式 - 为了这些标准，这是PDF 1.4（ISO 19005-1：2005 - 修订为ISP/NP 19005-1）。OCA - 法院管理办公室。OCR - 光学特征识别。pdf - 便携式文档格式 - 为了这些标准，这是PDF 1.4（ISO 19005-1：2005 - 修订为ISP/NP 19005-1）。niem - 国家信息交流模型 - 美国司法部，美国国土安全部以及旨在开发，传播和支持企业范围内的信息交换标准和流程的美国卫生与公共服务部的合作伙伴此标准指定了如何使用PDF长期保存电子文档，并且适用于包含字符，栅格和向量数据组合的文档。PDF蒸馏器 - 将文件转换为PDF文件的程序或应用程序，以便保留文档的印刷外观，无论用于创建它的应用程序如何。此功能通常被视为“打印到PDF”，“保存到PDF”或“导出到PDF”。PDF软件 - 符合国际标准化组织（ISO）32000-1：2008的软件。此标准指定创建（写作），阅读，显示和与PDF文档进行交互的标准。JCIT - 信息技术司法委员会
ADI 标准太空产品计划（2024 年 12 月）
请参阅 http://www.analog.com/space 上的太空合格零件清单手册，了解产品/封装列表。|------------------------------------------------------------------------- 器件类型 | |----------------------------------------------------- 总剂量辐射指示器（可选）（请参阅下面的注释 1 ）| | R = 符合 MIL-PRF-38535 ¶ 3.4.3 RHA 的 100Krad | | “0” 或“-“ = 不符合 MIL-PRF-38535 ¶ 3.4.3 RHA 的 100Krad | | |----------------------------------- 电气等级 | | | |----------------------------------------- 非“R”级零件的辐射选项 | | | | |------------------- 导线表面处理 | | | | | |--------- 封装后缀 OP 15 R 9 0 3 J | | | | | |------- 封装：| | | | | C = 芯片 | | | | D = 侧焊陶瓷双列直插式封装 | | | | | E = 陶瓷无引线芯片载体 | | | | | F = 陶瓷扁平封装（2、16 和 28 引线） | | | | | G = 陶瓷引脚栅格阵列 | | | | | G7 = 7 引线密封 16.1 x 17.3 x 1.7mm，表面贴装 | | | | | G8 = 8 引线密封 10.2 x 4.6 x 1.8mm，表面贴装 | | | | | G16 = 16 引线密封 11.4 x 11.4 x 1.7mm，表面贴装 | | | | | G24 = 24 引线密封 12.4 X 12.4 X 2.4mm，表面贴装 | | | | | G32 = 32 引线密封 16 x 16 x 1.96mm，表面贴装H = 密封金属罐 | | | | | J = 8 引脚 TO-99 罐 | | | | | L = 10 引脚扁平封装 | | | | | LH5 = 密封 5.1x5.1x1.4mm 表面贴装 | | | | | LH250 = 密封 6.35x6.35x1.27mm 表面贴装 | | | | | LSH6 = 密封 6.0x6.0x1.52mm，表面贴装 | | | | | LSH7 = 密封 7.0x7.0x1.52mm，表面贴装 | | | | | FSH10 = 密封 18.0x12.35x3mm 表面贴装 | | | | | M = 14 引脚扁平封装 | | | | | N = 24 引脚扁平封装 | | | | | Q = 16 引脚陶瓷双列直插式封装（PMI Div）| | | | | Q = 陶瓷浸渍，玻璃密封（模拟部门） | | | | | R = 20 引线陶瓷浸渍 | | | | | RC = 20 引线无铅载体 | | | | | T = 28 引线陶瓷浸渍 | | | | | TC = 28 引线无铅载体 | | | | | X = 18 引线陶瓷浸渍 | | | | | Y = 14 引线陶瓷浸渍 | | | | | Z = 8 引线陶瓷浸渍 | | | | |-------------------- 引线表面处理：| | | | 0 = DIE，引线表面处理为 N/A | | | | 1 = 镀金 | | | | 3 = 浸焊（除非另有说明）| | | |------------------------------ 辐射选项：| | | 0 = 标准产品 | | | 1 = 辐射测试 - 无批次危险，请致电工厂 | | |---------------------------------------- 电气等级：| -000 = 标准裸片 – 致电工厂获取数据表 | | -9XX = “A”, "M"或“U”级 | | -8XX = “B”, "L", “T”或普通级 | | -7XX = “K”或“S”级 | |-------------------------------------------------- 总剂量辐射名称（可选） | MIL-PRF-38535 ¶ 3.4.3 RHA（无中子测试） |------------------------------------------------------------------------ 根据 Analog Devices 航天级数据表 注 1：由于之前的订购系统限制，ADI 交替使用“0”和“-”来表示该部件不合格。
机器人导航和基于SLAM的地图构造...
*通讯作者zihanli1997@gmail.com摘要：SLAM（同时本地化和映射）技术在机器人技术领域起着至关重要的作用，该领域通过实时定位，映射和路径计划实现了在不知名环境中机器人在不知名环境中的自主导航。本文首先介绍了SLAM技术的基本原理和工作流程，包括传感器数据融合，状态估计和地图构建。然后，通过比较和分析传统的栅格地图和视觉大满贯技术的地图构造方法，显示了不同地图表示的优点和缺点。最后，讨论了SLAM技术在物流，智能制造和其他领域的广泛应用，并将其未来的开发方向进行了研究。关键字：SLAM技术；地图构造；视觉大满贯；应用程序方案1。在迅速发展的机器人技术景观中，对自治的追求是至高无上的愿望。这项工作的核心是同时定位和映射（SLAM）技术，这是一个基石，旨在支撑即将来临的“机器人时代”的基础设施。本质上，SLAM体现了典型的过程，机器人在该过程中浏览了未知的领土，在实时实现了本地化，映射和路径计划。作为自动迁移率的症结，[1-4] SLAM解决了从点A点到B点引导机器人的复杂挑战，该任务是看似简单而又充满复杂性的任务。改善移动处理机器人应用的宽度和深度。2。在未知室内环境的范围内，SLAM成为创新的灯塔，使机器人能够构建周围环境的细致地图并自动导航。随着数十年来无情的研发，该行业为实现机器人的自主权奠定了一条途径，猛烈的技术处于最前沿，预示着自主移动机器人导航的新领域。目前，由SLAM Navigation技术支持的自动移动应用程序非常广泛，涵盖了许多领域，例如航空航天，军事，特殊运营，工业生产，智能运输，消费者娱乐等。[5]典型应用程序包括将SLAM自主导航技术应用于物流机器人，这可以确保机器人具有高度智能和强大的环境适应性，从而有效地提高了企业的物流效率并降低生产成本。SLAM导航具有强大的适应性，周围环境的变化对导航没有影响，[6]完全证明了车辆的灵活性和可扩展性，并且可以根据工作条件的要求来定制各种连接方案。SLAM技术完全依靠环境中的丰富自然特征来进行自主定位和导航。物流和仓储环境相对复杂，机器人需要完成更多工作，因此其位置信息将不断变化[7]。相关工作2.1 SLAM技术早期大满贯研究几乎全部使用LiDAR作为传感器，它具有高精度和相对成熟的解决方案的优势。SLAM技术可以完成机器人的自主定位，有效地跟踪和操作目标，实现自主路径计划和导航，自动避免障碍和其他操作，从而大大改善仓库系统的智能和自主权。[8]但是，缺点也很明显，例如昂贵，大容量，更少的信息
WORLDDEM – 一种新型全球基础层
WORLDDEM – 新型全球基础层 G. Riegler、S. D. Hennig、M. Weber 空中客车防务与航天 – 地理情报，88039 Friedrichshafen，德国 - (gertrud.riegler、simon.hennig、marco.weber)@astrium.eads.net 关键词：WorldDEM、TanDEM-X 任务、高质量全球数字高程模型 摘要：空中客车防务与航天的 WorldDEM™ 提供具有空前质量、准确性和覆盖范围的全球数字高程模型。该产品在 12m x 12m 栅格中的垂直精度为 2m（相对），优于 6m（绝对）。其精度将超过任何现有的全球卫星高程模型。WorldDEM 是一项改变游戏规则的颠覆性技术，将定义全球高程模型的新标准。德国雷达卫星 TerraSAR-X 和 TanDEM-X 在太空中形成高精度雷达干涉仪，并为 WorldDEM 获取数据基础。这项任务与德国航空航天中心 (DLR) 联合执行。空中客车 DS 完善了数字表面模型（例如编辑采集、处理工件和水面）或生成数字地形模型。提供三个产品级别：WorldDEMcore（处理输出，不应用任何编辑）、WorldDEM™（保证无空隙地形描述和水文一致性）和 WorldDEM DTM（代表裸地高程）。精确的高程数据是任何精确地理空间产品的初始基础，特别是在基于它进行多源图像和数据集成时。融合数据可提高可靠性、增强置信度并减少歧义性。本文将介绍产品开发活动的现状，包括生成这些活动的方法和工具，如地形和水体编辑以及 DTM 生成。此外，还将介绍对 WorldDEM 产品的验证和确认研究。1.简介 数字高程模型 (DEM) 是许多商业和科学活动的关键，例如用于分析和预测环境和地球物理过程或事件，以进行危机干预规划，如洪水和风险测绘，用于水文、林业、多源地理数据正射校正和测绘、基础设施规划和导航等应用。例如，在石油和天然气业务中，高程信息对于进行石油和天然气田的可行性研究、勘探、开发和管理至关重要。高程模型的质量和可靠性至关重要。对高程信息的可用性、覆盖范围、准确性和同质性的要求日益提高。如今，市场上有许多来自各种机载和星载系统的 DEM 产品。大面积高度信息，尤其是全球 DEM，通常是来自各种来源的数据的拼凑，其中包含许多不同精度、分辨率、时间差、格式和投影的不同数据。结果很难统一，地球上每个点的质量也都不一样（Gantert 等人2011 年）。从 TanDEM-X 任务期间获取的 TanDEM-X DEM 衍生的 WorldDEM 是第一个来自同一来源的全球极点到极点数字高程模型。TanDEM-X 任务（TerraSAR-X 数字高程测量附加组件）是在德国航空航天中心 (DLR) 和空中客车防务与航天公司之间的公私合作伙伴关系 (PPP) 下实现的。空中客车 DS 拥有该数据的独家商业营销权，并负责根据全球商业用户的需求调整和完善高程模型 (Riegler 2013)。
ESSCC 2024-机器学习加速器
3 TSMC，Hsinchu，Taiwan *同样信誉的作者（ECAS）增强视频质量对于在包括手机，电视和监视器在内的智能设备上获得了增强的用户体验至关重要。实用的硬件设计应在与带宽，区域和能源预算相关的严格限制下提供最小资源的高性能。在图像处理任务中，深入学习算法的广泛用法（包括超分辨率（SR）和降噪（NR））进一步强调了能量效率硬件解决方案的必要性。因此，新兴的关键要求是在实时和高分辨率方案中部署这些算法。但是，实现这一目标提出了几个挑战，如图20.1.1：1）高分辨率网络推断大大增加了由于其计算复杂性，低稀疏性和高精度要求而引起的功耗； 2）频繁的高精度数据交易到外部内存会导致与带宽使用相关的大量功率使用； 3）有效和灵活的机制对于支持各种网络结构和操作至关重要。域特异性加速器提供了一种有希望的解决方案来处理计算需求。总的来说，这些创新使NVE能够在0.46V时达到23.2吨/w的端到端能量效率，而面积的效率为12.0吨/mm 2的面积为1.0V。图20.1.2显示了整体体系结构，包括卷积（Conv）核心，计算机视觉（CV）核心和直接内存访问（DMA）模块。图20.1.3概述了DCIM核心设计和工作流。在这项工作中，提出了在3NM技术中制造的12B位数基于CIM的神经视觉增强引擎（NVE），其特征是：1）无重量的无重量数字计算机（DCIM）发动机，其重量切换率降低，以增强计算能力的功能； 2）卷积元素（CE）融合建立了工作负载平衡的管道架构，从而减少了外部内存访问和功耗； 3）自适应数据控制和带状优化机制支持DCIM中的卷积和转置卷积，并改善了利用率，并且对有效的数据遍历进行了优化的执行流。Conv Core包含11个阶段的管道CE，用于存储中间数据的功能映射存储器，CE融合接口和融合控制。a fine编译器分区将计算图分隔为时区域的循环和太空划分的条纹，以优化吞吐量和内存访问，然后在命令描述符中编码重量和设置。DMA将描述符解码并从DRAM或TCM中加载输入特征映射，以基于线的栅格扫描顺序为核心。在管道流中，每个CE从特征映射存储器和前面的管道阶段收集数据，并将其分配到DCIM宏。宏计算每个周期中的8组点产量，其中每组涉及72对12B元素。权重局部存储在18组行中，其特定集由行选择器选择。在实验结果中证明了使用更频繁使用的8b的12B激活和权重的必要性。在拟议的行开关更高的精度有助于产生更平滑的边缘和最小化超分辨率任务中的噪声。同样，在降低降噪任务中，更高的精度会导致较少的流动性，并产生更重的图像。DCIM的高效率很大程度上是由于记忆和逻辑之间的数据移动降低，这对于最大程度地减少了频繁的重量重音至关重要。先前的工作[1]引入了带有乒乓重量更新的2行DCIM设计，但除了dcim宏中的乒乓球重量存储外，它会引起重量重加载和其他SRAM的电源和面积。利用像素级网络中的权重较少，采用了18行DCIM来存储所有权重并消除重新加载。与[1]中提出的方法相比，这种方法分别将面积和功率降低了31％和28％。影响DCIM效率的另一个因素是重量排开关的频率，这是计算不同权重集合时发生的能量耗尽操作。延长行开关周期可以减少能源消耗，但它还需要在输入和输出缓冲区中存储更多像素，从而导致较大的面积在开销中。