简介：我们使用电脑时遇得最多的一个问题，就是硬盘空间经常出现不足、尤其在目前宽带上网发展迅速的情况下．对硬盘空间的要求就更为迫切．

简介：无线网的普及给有线网络带来了一定的冲击，但有线网络的低价格和高带宽仍存在明显优势。其中，最简单的网络是两台电脑的对连，尽管这种网络设置极为简单．但你还是需要了解一些布线技巧。

简介：研究基于深度强化学习技术的避障场景的算法模型设计，采用改进岛深度Q网络（DeepQ-lesrningNet-work，DQN）算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况，改进奖利机制，增知实时奖惩作为补充，解决学习耗时长和练不稳定的问题：采用相对角度、位置金和距离等信息，相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法／可视图法等传统人为策略避障算法，深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力，因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。

简介：在工业物联网高速发展的同时，伴随着网络安全威胁的急逮攀升，准确检测到威胁工业物联网安全的入侵行为是极其重要的。本文简要分斩了工业物联网所面临的网络安全问题，采用了6种基于机器学习算法的入侵检测技术，并对应用效果进行对比分析。通过实验验证了入侵检测的有效性，并对下一阶段的研究方向做出了展望。

简介：深度学习算法在物联网终端设备上的应用存在着系统开销控制与保证精度和实时性之间平衡的问题。本文提出了一种在云和终端设备上分布式混合部署深度学习神经网络的方法:压缩深度神经网络在本地终端上执行快速的推理运算;当系统基于可信表现的判断标准需要进一步处理时,中间数据可传输至云服务器端,进一步利用云端的深层深度神经网络进行处理,以提高系统的表现精度。本文给出了深度神经网络在终端设备上部署时和在终端与云端上混合部署时进行推理运算的量化比较效果,结果显示此种方法兼顾了深度神经网络的系统开销和准确率。

简介：介绍了平时生活中各种不同设备的遥控带来不少麻烦和问题，而现有的万能遥控器数据压缩率低、响应时间长、学习类型少。通过分析研究，针对红外、无线这两种主流的遥控方式，进一步提出一种基于低功耗32位单片机EFM32GG230的自学习系统，对红外无线数据进行压缩存储，并通过多通道转发电路进行信号发射。本系统具有低功耗、自学习范围广、信号集中控制、数据压缩率高、一键多发多控等优点，可以为人们的生活带来便利，让遥控不再繁杂。

简介：随着CPU速度的迅速提高，CPU与片外存储器的速度差异越来越大，匹配CPU与外部存储器的方法通常是采用Cache或者片上存储器。微处理器中的片上存储器结构通常包含指令Cache、数据Cache或者片上存储器。对于嵌入式设备上数据密集的应用，数据Cache与片上存储器相比存在以下缺陷：①片上存储器是固定的单周期访问，可在设计时（不是运行时）研究数据访问模式；而Cache还要考虑不命中的情况，因而有可变的数据访问时间，执行时间的预测更加困难。②使用Cache执行时间的不可预测性影响编译器的优化。③细颗粒的Cache对于图像编码等的规则数据访问并不合适，因而使用Cache对于嵌入式设备可能不是最优的。对于大多数应用，使用片上存储器比使用数据Cache能耗平均节省约40％，芯片面积与时间的乘积仅为Cache的46％，因而对于嵌入式多媒体处理器，片上RAM作为数据Cache的替代，功耗更低。片上存储器的有效使用对于提高嵌入式应用的速度、降低功耗具有重要的意义。