单片机总线上多时钟域下数据传递的可靠性研究

对单片机总线上多时钟域下数据传递的可靠性进行研究，阐述了使用寄存器锁存电路、多级锁存电路2种方法解决多时钟域下数据传递可靠性时存在的问题，提出了采用4级锁存并判断跳变沿的方式能确保多时钟域下数据可靠传递的方法，具有很高的应用价值．     

牦牛毛的物理性能

牦牛(Bos grunnicns),主要分布在海拔3000米以上高寒地区,全身被覆着长而密的御寒能力很强的被毛。牦牛毛具有重要的经济价值。我国有牦牛1230多万头,丰富的牦牛绒资源尚有待开发利用,牦牛绒类似山羊绒,其织品成本比山羊绒还低。牦牛绒制     

DenseNet模型轻量化改进研究

针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Skip Layer模块增强密集连接块间特征信息流通.实验结果表明,改进方法能够减少模型的参数量和计算量,有效解决了深层DenseNet的过拟合问题.     

信息化战争条件下人防工程战时电源的保障

人防工程在战时必须要有自己的电源保障措施,要充分考虑息化战争条件下的攻击情况,既要采用抗力型的防护电源。也要采用其它多种电源型式,来提高整体综合供电保障能力。     

量子Fourier变换在实现Deutsch-Jozsa算法中的应用

提出利用量子Fourier变换解决Deutsch-Jozsa算法问题的观点.结合量子Fourier变换和Deutsch-Jozsa算法的量子电路,找到一种利用量子Fourier变换解决Deutsch-Jozsa算法新的量子电路,并考察该量子电路中各个线路的量子状态,结合算法对该量子线路的状态进行研究.结果表明:利用量子Fourier变换解决Deutsch问题,能够有效地提高运算速度,节省运算时间.     

牦牛被毛性状与耐寒力的研究

牦牛(Bos grunniens)属特有的耐寒牛种,分布在海拔3000——6000公尺的高寒地区,对其严酷的自然生态条件具有很强的适应能力。被毛作为牦牛的保温的绝热层,对减少体热的散失,维持冬季正常的体温,有较大的作用。为了探讨牦牛被毛对牦牛耐寒     

基于改进YOLOv3的轻量化神经网络算法研究

对于小样本数据集,YOLOv3神经网络框架在训练时存在特征利用率和特征传递效率低的问题,其网络性能得不到充分利用,为解决这些问题,该研究提出基于改进的YOLOv3轻量化神经网络模型,该网络模型将YOLOv3基础框架中的ResNet残差网络结构改为DenseNet的密集串联结构,并将多尺度输出结构删减到2个.在自制麻将子数据集上的实验表明,改进YOLOv3的神经网络的每秒计算帧数(FPS)对比改进前提升了119.03%,预测目标与实际对象交并比(IoU)在0.5以上的平均检测精确度(mAP-50)提升了2.45%.将改进模型推广至开源数据集Kaggle以及Caltech上,改进模型相比原模型的每秒计算帧数分别提升了124.39%、140.05%,预测目标与实际对象交并比在0.5以上的平均检测精度分别提升了12.5%、5.34%.     

基于统计滤波和稀疏度优化的印花配准算法

在数码印花技术上,传统全局印花图案配准方法在精度和效率上无法满足需求,局部印花图案配准方法存在配准误差较多导致匹配误差大的问题,还存在图像变形控制点过多导致算法效率低等问题.该文提出了一种新的局部印花图案配准方法.该方法基于统计滤波优化配准算法,减少FLANN匹配点中的误差点;并在分析图像变形中冗余控制点特性的基础上,提出一种基于稀疏度的冗余优化算法降低控制点数量.实验结果表明：该方法可有效滤除配准后的误差点,优化控制点集,总体提高配准精度和算法效率.     

牦牛产毛性能的评定

牦牛(Bos grunniens)是高寒牧区特有的畜种,它既产肉又产奶;还产毛。是当地牧民重要的生产资料和生活资料。全世界共有牦牛1300多万头,而我国就有1230多万头,占世界牦牛总数的90％以上。过去对牦牛的产奶,产肉性能研究较多,但对牦牛毛绒的研究甚少,对牦牛毛绒的利用,除用毛制绳     

牦牛生态的研究——自然生态条件的季节性变化对牦牛毛的影响

牦牛被毛的特性,既是牦牛的生物学特性,又是牦牛特有的经济性状。经济性状的遗传,受环境因素的影响很大,其性状是遗传物质与外界环境的平衡反映,环境条件发生改变,平衡被打破,所表现的性状也发生巨大的变化。