思思热热,中文无码亚洲色偷偷,99欧美日韩一区二区

解決方案

使用集成MOSFET限制電流的簡(jiǎn)單方法[電源技術(shù)][工業(yè)自動(dòng)化]

　　電子電路中的電流通常必須受到限制。例如，在USB端口中，必須防止電流過大，以便為電路提供可靠的保護(hù)。同樣，在充電寶中，必須防止電池放電。放電電流過高會(huì)導(dǎo)致電池的壓降太大和下游設(shè)備的供電電壓不足。

發(fā)表于：4/20/2023 5:36:00 PM

適用于運(yùn)輸領(lǐng)域的SiC：設(shè)計(jì)入門[EDA與制造][汽車電子]

　　在這篇文章中，作者分析了運(yùn)輸輔助動(dòng)力裝置（APU）的需求，并闡述了SiC MOSFET、二極管及柵極驅(qū)動(dòng)器的理想靜態(tài)和動(dòng)態(tài)特性。

發(fā)表于：4/19/2023 6:06:00 PM

氮化鎵（GaN）帶來電源管理變革的 3 大原因[電源技術(shù)][數(shù)據(jù)中心]

　　氮化鎵技術(shù)，通常稱為 GaN，是一種寬帶隙半導(dǎo)體材料，越來越多地用于高電壓應(yīng)用。這些應(yīng)用需要具有更大功率密度、更高能效、更高開關(guān)頻率、更出色熱管理和更小尺寸的電源。除了數(shù)據(jù)中心，這些應(yīng)用還包括 HVAC 系統(tǒng)、通信電源、光伏逆變器和筆記本電腦充電電源。

發(fā)表于：4/18/2023 11:42:00 PM

訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分[人工智能][工業(yè)自動(dòng)化]

　　本文是系列文章的第二部分，重點(diǎn)介紹卷積神經(jīng)網(wǎng)絡(luò)（CNN）的特性和應(yīng)用。CNN主要用于模式識(shí)別和對(duì)象分類。在第一部分文章《卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分》中，我們比較了在微控制器中運(yùn)行經(jīng)典線性規(guī)劃程序與運(yùn)行CNN的區(qū)別，并展示了CNN的優(yōu)勢(shì)。我們還探討了CIFAR網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對(duì)圖像中的貓、房子或自行車等對(duì)象進(jìn)行分類，還可以執(zhí)行簡(jiǎn)單的語(yǔ)音識(shí)別。本文重點(diǎn)解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)以解決實(shí)際問題。

發(fā)表于：4/18/2023 11:30:00 PM

全閃存數(shù)據(jù)中心的夢(mèng)想正在慢慢實(shí)現(xiàn)[嵌入式技術(shù)][數(shù)據(jù)中心]

　　2011 年，當(dāng) Pure Storage 為任務(wù)關(guān)鍵型數(shù)據(jù)中心發(fā)表了第一套足夠強(qiáng)大、且經(jīng)濟(jì)的全閃存存儲(chǔ)陣列時(shí)，引起了市場(chǎng)與客戶的關(guān)注。從此，Pure 便立志要實(shí)現(xiàn)全閃存數(shù)據(jù)中心的夢(mèng)想。

發(fā)表于：4/18/2023 10:42:00 PM

使用虛擬實(shí)驗(yàn)設(shè)計(jì)加速半導(dǎo)體工藝發(fā)展[EDA與制造][工業(yè)自動(dòng)化]

　　摘要：虛擬DOE能夠降低硅晶圓測(cè)試成本，并成功降低DED鎢填充工藝中的空隙體積。　　

發(fā)表于：4/18/2023 10:19:00 PM

算法排程：解決制藥排程危機(jī)[人工智能][數(shù)據(jù)中心]

　　排程員必須花費(fèi)多少時(shí)間來處理數(shù)據(jù)？從車間的操作員處收集最新數(shù)據(jù)是他們“日常工作”的一部分，但卻被無休止的電話、郵件和短信來來回回而延誤數(shù)據(jù)采集。所有這些因素都會(huì)給排程員帶來巨大的消耗，并因變更沒有得到足夠快的響應(yīng)而導(dǎo)致生產(chǎn)受挫。

發(fā)表于：4/18/2023 1:04:00 AM

混合信號(hào)PCB布局設(shè)計(jì)的基本準(zhǔn)則[EDA與制造][消費(fèi)電子]

　　本文詳細(xì)說明在設(shè)計(jì)混合信號(hào)PCB的布局時(shí)應(yīng)考慮的內(nèi)容。本文將涉及元件放置、電路板分層和接地平面方面的考量。本文討論的準(zhǔn)則為混合信號(hào)板的布局設(shè)計(jì)提供了一種實(shí)用方法，對(duì)所有背景的工程師應(yīng)當(dāng)都能有所幫助。

發(fā)表于：4/18/2023 12:00:00 AM

現(xiàn)代 ADAS 架構(gòu)通信協(xié)議[嵌入式技術(shù)][汽車電子]

　　本文介紹了四種汽車通信協(xié)議：以太網(wǎng)、FPD-Link? 技術(shù)（專有汽車串行器/解串器（SerDes）協(xié)議）、CAN 總線和PCIe 總線，突出了每種技術(shù)的核心細(xì)微差別，并提供了這些技術(shù)支持現(xiàn)代汽車駕駛員輔助系統(tǒng) （ADAS）架構(gòu)的示例和功能。

發(fā)表于：4/17/2023 11:33:00 PM

卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分[人工智能][工業(yè)自動(dòng)化]

　　隨著人工智能（AI）技術(shù)的快速發(fā)展，AI可以越來越多地支持以前無法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本系列文章基于此解釋了卷積神經(jīng)網(wǎng)絡(luò)（CNN）及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提取特征的強(qiáng)大工具，例如識(shí)別音頻信號(hào)或圖像信號(hào)中的復(fù)雜模式就是其應(yīng)用之一。本文討論了CNN相對(duì)于經(jīng)典線性規(guī)劃的優(yōu)勢(shì)，后續(xù)文章《訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分》將討論如何訓(xùn)練CNN模型，系列文章的第三部分將討論一個(gè)特定用例，并使用專門的AI微控制器對(duì)模型進(jìn)行測(cè)試。

發(fā)表于：4/17/2023 10:34:00 PM